摘要：布雷特·泰勒（Bret Taylor，以下简称布雷特）有着传奇的职业生涯，他领导团队开发过谷歌地图，后来又成为Facebook（现名Meta）的首席技术官，还在2016年被任命为Twitter的董事会成员。更为大众所熟知的是2024年OpenAI解雇首席执行官

要灵活看待自己的职业身份

编译｜吴莹 王馨悦（实习）

来源｜Lenny's Podcast（YouTube）

头图来源｜视频截图

布雷特·泰勒（Bret Taylor，以下简称布雷特）有着传奇的职业生涯，他领导团队开发过谷歌地图，后来又成为Facebook（现名Meta）的首席技术官，还在2016年被任命为Twitter的董事会成员。更为大众所熟知的是2024年OpenAI解雇首席执行官引发内部动乱之际，布雷特被任命为OpenAI董事会主席，主导了OpenAI的治理结构调整。除了丰富的职业经历之外，布雷特还创办了3家公司，且都获得了成功。

7月底，布雷特接受了知名播客Lenny’s Podcast的采访，谈到了他丰富的职业生涯中有意义的错误、成功的秘诀，以及对AI的最新看法。

精彩观点如下：

1.要真正创造出有意义的东西，要成为一名伟大的创始人，就要灵活看待自己的身份。

2.当你寻求建议时不要只问做什么，还要问为什么，做一个令人讨厌的2岁小孩儿，多问几个为什么。

3.学习计算机科学非常有价值，与单纯学习编码是不同的概念。

4.Agent将使软件从帮助个人稍微提高生产力，转变为真正自主地完成工作，这意味着一小群人可以完成更多的事情，真正推动经济生产力的增长。

5.让AI为你大海捞针，这才是优化系统真正有效的方法。

主持人：我看了你的简历，发现你在职业生涯的每个阶段都取得了非常大的成功。您先是加入谷歌成为产品经理，开发了谷歌地图，后又加入Meta成为其首席技术官，还是云计算巨头Salesforce的联合首席执行官，现在您还是OpenAI的董事会主席。除了管理经验外，您的创业经历也十分丰富，总共创办了三家不同的公司，一家社交网络公司FriendFeed，一家名为Quip的生产力文档公司，以及现在的AI公司Sierra。所以您的职业角色很丰富，产品经理、工程师、首席产品官、首席运营官、首席技术官、首席执行官等。很少有人能在这些职位上都取得成功，您是如何做到的，培养了哪些思维方式、习惯或工作方式？

布雷特·泰勒：这确实是我引以为傲的事情，我喜欢扮演不同的角色。我去见Facebook的人，他们大多认为我是一名工程师；我见谷歌的人，他们大多认为我是一个产品经理；在Salesforce那里的很多人与我互动，把我当成一个西装革履的老板。我对自己的身份有一个灵活的看法，我可能会把自己描述成一名工程师，更准确一点是一名建设者，我喜欢制造产品。要真正创造出有意义的东西，要成为一名伟大的创始人，就要灵活看待自己的身份。有时你必须说服投资者愿意投资你的公司，必须让应聘者愿意在你的公司工作，必须向客户推销，让他们愿意使用你的产品。

我要感谢一个人——谢丽尔·桑德伯格（Sheryl Sandberg，曾经的Facebook首席运营官），她真正改变了我对职业身份的看法。我刚刚成为Facebook的首席技术官时，向我汇报的是相对较小的团队，但我以高级架构师的身份在许多项目中作出了贡献，后来马克·扎克伯格重组了公司，并将其拆分成多个不同的部门。我最终领导了一个非常大的团队，手下有100人，我主要负责管理我们的平台和移动团队、产品和设计工程。因此，我从几份汇报报告增加到1000份左右，这个管理工作的量太大了。我以前在谷歌只是一名产品经理，没管过这么多人，所以一开始做得不太好。当Sheryl看到我正在为合作伙伴编辑PPT时，因为我收到的PPT不符合我的质量标准，所以我并没有抱怨做它的同事，而是自己修改，Sheryl把我拉进一个房间，跟我简单讲了一下，说应该让我的团队达到和我一样高的标准。她是一位出色的导师，可以给你非常直接的反馈，尽管可能有点不舒服，但你知道她在关心你。那天晚上我回到家心里一直为此烦恼，当时在想是我真的搞砸了还是她反应过度了？第二天醒来后我心想：“不，她是对的。”我的潜意识限制了我在工作中的步伐。那次谈话后，我每天早上醒来，都会问自己这个问题：“我今天能做的最有影响力的事情是什么？”有时是招聘，有时是产品开发，有时是工程设计，有时是销售。

主持人：就你的观点而言，一开始可能不想做销售或招聘，但如果这是最有影响力的事情，而你最终做了它，你可能会意识到喜欢这个，而且我擅长这个，并且已经考虑过了。

布雷特·泰勒：我认为这真的很难。我认为对于创始人来说尤其危险的就是不正确的故事叙述。当你是一名创始人时，必须要有自我意识，你会自然而然地、下意识地选择你的优势、你的超能力来解决更多问题。当你遇到问题时，至少有30%的概率会选择熟悉的方式去解决问题，但这通常不是基于事实情况的。所以，你是否有一个好的联合创始人？是否有一个优秀的领导团队？和他们进行一次真实的对话，有助于确保你在做正确的事情。人们很容易说出今天要做的最有影响力的事情是什么，但人们经常欺骗自己，这是一个很难回答的问题，能够准确回答这个问题，其实才是困难的部分。

主持人：有没有什么方法可以判断该听取谁的建议？

布雷特·泰勒：特别困难的一件事是，某人表达意见的信心和该意见的质量之间没有很强的相关性，我不想说它们是反比的，但有趣的是，现在有这么多的播客，如果其中有我很了解的话题，我会听到很多最自信的陈述其实是不准确的，但听起来非常有说服力，因此这确实需要自身有非常好的判断力。我认为不仅要寻求建议，还要问人们，我应该与谁交谈才能获得好的建议？你会在那里找到一些常见的答案，这通常是正确判断的强烈信号。当你寻求建议时不要只问做什么，还要问为什么，做一个令人讨厌的2岁小孩儿，多问几个为什么。

关于建议的有趣之处在于人们经常从相对较少的经验中推断出来，所以他们会说永远不要这样做或总是那样做，这是因为他们有过这样的经历：事情适得其反，或者如果他们这样做事情可能会变得更好。但如果你不问为什么，不去理解他们的经历和发生的事情，它就会被视为一种规则，而事实上，它是数据，如果你向三个人征求建议，而他们都有非常相似的互动，你可以创建一个第一原则框架，从中得出该建议。当你开始应用它时，你会以一定程度的细微差别来应用它，而如果你只是遵循规则，则无法做到这一点。

所以，第一，该听谁的建议取决于你自身良好的判断，我不知道该如何教这个，这可能来自于自我完善。作为一名企业家、一名产品经理，确实需要对自己负责，如果你做了一个错误的决定，要多花时间反思一下，真正理解原因并尝试不断提高你的判断力。第二，当你得到建议时，要真正理解它的来源和原因，这样才能对建议形成自己独立的看法。

主持人：您提到将自己描述为一名工程师。我想问一个很多大学生现在都在思考的问题，您认为现在学习编码还有意义吗？未来几年这种情况会发生巨大变化吗？

布雷特·泰勒：学习计算机科学非常有价值，与单纯学习编码是不同的概念。因为计算机科学不仅仅有编码。创建软件的行为将从Visual Studio Code等代码编辑器中输入转变为代码生成，我认为这是软件开发的未来。不过操作代码生成需要系统思维，所以依然要学习计算机科学，最终，人工智能将有助于创建这种软件。未来几年我们可能会做更多现在无法想象的事情，但作为代码生成机器的操作员，你的工作是制造产品或解决问题，你要管理这台机器，做这些工作都需要系统思维。

无论人工智能是编写代码、进行设计还是做所有其他的事情，都需要学习如何在头脑中建立一个系统，需要了解什么是困难、什么是容易、什么是可能的，什么是不可能的基本知识。在学习这件事上，不要看得太浅，计算机科学是我们构建软件的基础，不管编写代码的方式如何变化，计算机科学教会我们的系统思维任何时候都用得上。

主持人：你最近在播客中提到的一件事，你认为应该出现一种新的编程语言，这种语言更适合LLM而不是人类。你能谈谈这个问题吗？我想很多人都没有考虑过这个问题。

布雷特·泰勒：我可能会称它为编程系统，因为只说语言太局限了。我对过去40年甚至更久的计算机发展的简要描述是，我们创造了计算机硬件，然后在20世纪70年代中后期知道计算机该用来做什么，接着我们发明了早期的操作系统和分时系统，例如Unix，最终得到了C语言、Fortran等编程语言。随着我们发明了越来越多的工具，我们做高杠杆的事情变得更加容易。当1998年Salesforce成立时，仅仅将数据库放到云端就已经很困难了，仅此一项就构成了一条护城河，而现在有了亚马逊云科技服务，这个护城河就消失了。

如果编写代码的行为从非常昂贵变为边际成本为零，那么我们构建的抽象中有多少是基于人类程序或生产力的？我认为有很多。我总是笑着说Python可能是最常见的生成代码，因为它在训练数据中占了很大比例，而且数据科学家喜欢Python，我也喜欢Python，Python的设计非常符合人体工程学，让我能愉快地编写代码。未来，人不会编写大量代码，而是操作这些代码生成器，

我们可能并不关心编程语言是否符合人体工程学，我们关心的是当这台机器生成代码时，它是否做到了我们想要它做的事情，如果它不能达到我们想要的效果，我们能轻易地改变它吗？我们正处于这个用于开发软件的新系统的早期阶段，我对它的发展感到非常兴奋。

主持人：像你这样处于人工智能前沿的人会教给自己的孩子什么？你鼓励他们学习哪些你认为与前几代人不同的知识，以帮助他们在人工智能世界中取得成功？

布雷特·泰勒：我不知道是否该以不同的方式教他们，但我确实鼓励他们让人工智能成为自己生活的一部分。很多教育并不认为你拥有超级智慧，如果你要求某人就一本书写一篇读后感，他很容易从ChatGPT等大模型中得到这篇文章。如果提示技巧足够熟练，甚至老师都不知道它是由人工智能写的。那么遇到这种情况该怎么做呢？你如何以不同的方式教导孩子？我们评估学生的很多机制都因为ChatGPT之类的存在而被破坏了，我们正处于一个非常尴尬的阶段，但我们仍然可以教孩子如何思考，如何学习。

如果你的老师不按照你的风格授课，你现在就可以回家，可以让ChatGPT以另一种方式教你。我的孩子在考试前使用ChatGPT进行测试，可以使用音频模式或者聊天模式，它比提示卡更好。我女儿带了一本莎士比亚的书回家，她拍了一张看不懂的页面的照片，ChatGPT给她解释得比我好。所以我的大女儿学会了如何编码，她正在创建一个网站，每次她问我问题时，我都会让她使用ChatGPT。并不是因为我想成为一个令人讨厌的父亲，而是我觉得她需要学会使用这个工具，我想让他们学会如何在生活中有效地使用它。

主持人：如今许多AI创业者思考得最多的问题之一就是还能在哪些方面创业？人工智能市场将会如何发展？你认为AI创业者应该关注什么以及应该避免什么？

布雷特·泰勒：我认为人工智能有三个部分最终会成为相当有意义的市场。第一个有意义的市场是前沿模型或基础模型。这方面最终将只剩下少数超大规模企业和真正的大型实验室，就像云基础设施及服务市场一样，因为创建前沿模型会消耗大量资金，需要资金充足的大公司来支持。目前尝试这样做的初创公司都已经合并或者被收购，这对于初创企业来说没有可行的商业模式了，而且作为一种资产类别，这些模型的价值会相当快的贬值，只有扩大规模才能获得投资回报。这是我的看法，除非你是马斯克，他与众不同，他有能力筹集数10亿美元的资金，而我猜大多数创业者没有这种能力。

第二个有意义的市场是工具，就像淘金热中那些卖铲子的人，这里指的是数据平台。更专业的模型，比如英国AI公司Eleven Labs有一套很棒的语音模型很多公司都在使用，这些模型质量非常高。由于工具市场距离太阳较近，因此存在一些风险，如果你看看基础设施服务和云工具市场，比如Confluent、Databricks和Snowflake，你会发现很多像亚马逊、Azure这样的大公司在这些领域都有竞争产品。有一些真正有意义的公司，比如Snowflake、Databricks、Confluent等，但还有很多其他公司被基础设施提供商自己的技术所淘汰。可能有很多人需要你的工具，但问题是如果这些大型基础设施提供商之一引入了竞争对手，人们为什么会继续选择你？这是一个很好的市场，但它有点接近尾声了。

第三个是AI应用市场。我认为这会对Agent公司产生影响。有像Sierra这样的公司，我们帮助公司使用Agent来接听电话或回答聊天，以提升客户服务质量；有像Harvey这样的公司，为法律、律师助理行业、反垄断审查、合同审查等提供代理服务。这就像软件及服务市场，他们可能是利润率更高的公司，因为你销售的是能够带来商业成果的产品，而不是建模本身的副产品。他们肯定会向模型提供商缴税，这就是为什么这些模型提供商最终规模会非常大，但利润可能会略低。这实际上与特性和功能有关，这就是代理商要去的地方。我认为随着时间的推移，产品比技术更重要。

回到我的比喻，1998年当马克和帕克创立Salesforce时，让数据库在云端运行就是一项技术成就，如今没有人会问这个问题，因为只需在AWS或Azure中启动数据库即可。今天在模型之上精心策划一个代理过程，听起来真的很花哨，但实际上却很难，我确信三四年后这会很容易做到。那么随着时间的推移，你会问什么是Agent公司？它看起来有点像一种服务，现在很少有人会问你使用什么数据库，而是问很多有关工作流程以及正在推动的业务成果的问题。是否正在为销售团队开发销售线索？是否正在尽量减少采购支出？无论你提供什么价值，它都会慢慢地朝着那个方向发展。我浏览了一个关于股票市场上前50家软件公司的网站，显然排名前五的都是像微软、亚马逊、谷歌这样的大公司，但接下来的50家都是SaaS公司，其中一些非常令人兴奋，而另一些则非常无聊，但这就是软件市场的发展方式，我们将在Agent方面看到类似的情况。很多事情本来人们会花费大量的时间和资源才能完成，而未来或许一个Agent就能解决，但这需要企业家真正深入了解这些商业问题，这是未来人工智能市场释放大量价值的地方。

主持人：你的见解非常有帮助。这让我想到我曾在播客中采访过马克·贝尼奥夫，他是Salesforce的联合首席执行官，非常了解Agent，当时和我谈论过Agentforce。显然你们看到了一些东西，我们需要全力以赴地发展Agent，这就是未来。你认为人们忽略了什么，这会成为软件工作方式的一个巨大的改变？人们没有看到什么？

布雷特·泰勒：如果你与拉里·萨莫斯这样的经济学家交谈，他和我一起在OpenAI董事会，他会谈论技术的价值是什么，是否有助于提高经济生产力？如果你看一下20世纪90年代经济生产力的一次飞跃，我想很多和我交谈过的人都认为那实际上是第一波计算浪潮，当时人们建立了ERP系统，并将会计放入计算机和数据库甚至大型机中，就像PC时代一样。它是一个巨大的进步，想象一下以前大型跨国公司所拥有的数字账簿，它确实改变了各个部门。

这就像供应链的变化一样。如果你回顾一下从个人电脑开始的软件行业历史，你会发现生产力已经有了显著的提高，但远不及第一次巨大的飞跃那么有意义。有趣的是，我认为技术提高生产力的承诺并没有像某些人想象的那样实现。Agent将使软件从帮助个人稍微提高生产力，转变为真正自主地完成工作，这意味着一小群人可以完成更多的事情，真正推动经济生产力的增长。如果你曾经销售过企业软件，你最终会以供应商的身份与客户进行价值讨论，你会做这些有点复杂的事情。为什么生产力软件很难销售，这是我从惨痛经历中学到的，因为很难知道让每个人的生产力提高10%的价值是什么。

现在有了Agent完成工作，它不仅以非常现实的方式提高了生产力，而且也是可衡量的。所有这些因素结合起来意味着这实际上是我们对软件看法的一次重大改变，因为它可以自主完成工作，是一种生产力驱动力。它是可衡量的，所以人们对它的评价也不同，这也是我相信基于结果的软件定价的原因。整个市场将向Agent倾斜，都会走向基于结果的定价，这显然是构建和销售软件的正确方式。

主持人：我们一直在讨论有关生产力提高的问题。最近新闻头条充斥着很多怀疑，比如人工智能到底在做什么？它真的能帮助人们提高工作效率吗？实际上最近有一项研究，表明工程师使用人工智能后效率较低，因为人工智能出错后，他们还需要额外花时间校对。

布雷特·泰勒：我非常看好人工智能带来的生产力提升，但我确实认为目前的工具和产品有些不成熟，相当违反直觉。例如我知道的几乎每一家软件工程公司都使用类似Cursor（AI编程助手）的东西来帮助他们的软件工程师。很多人现在使用Cursor自动完成编码，有趣的是，由于技术不成熟，它生成的代码经常存在问题。任何编写过大量代码的工程师都会告诉你，查看、编辑和修复自己写的代码非常容易，而审查其他人的代码或者在别人的代码中发现细微的逻辑错误非常困难。因此如果编码工具生成的代码经常不正确，那么修复它实际上需要大量的认知负荷和时间。

我认为有几种技术很有趣，首先是现在有很多人工智能开始从事代码审查之类的工作。Agent的自我反省观念非常重要，让AI监督AI实际上非常有效。试想一下，如果你制作一个90%的时间都是正确的Agent，这并不是那么容易做到的，但是让另一个Agent在另外10%的时间内发现错误有多难？这或许是一个容易解决的问题。

另一件事是根本原因分析。我们在Sierra有一名工程师，专门负责为我们的Agent提供上下文模型服务器。我们的整个理念是如果光标产生了错误，那么不仅仅是修复它，还要尝试找到发生错误的根本原因，以便下次Cursor能够生成正确的代码，本质上就是上下文工程。Cursor缺少哪些能够产生正确结果的必要背景？如果人们想现在就看到收益，就必须创建根本原因分析系统，找到每一行错误代码的根本原因，提供正确的上下文，生成正确的系统，以便模型之后能输出正确的结果。

对于使用Sierra等平台的客户来说，Agent并不完美，但我们正在创建一个让客户创造良性改进循环的系统。如果想将自动解决率从65%提高到75%，我们有11种工具可以让AI帮助你做到这一点，找出改进的空间，找出人们感到沮丧的原因，让AI为你大海捞针，这才是优化系统真正有效的方法。

来源：中国企业家杂志一点号