Lenny's Podcast 笔记：Adam Mosseri 深度访谈
📋 Brief
這是 Instagram 負責人 Adam Mosseri 與 Lenny Rachitsky 的對談，核心在談 AI 正在如何「重組」產品團隊的樣貌。Mosseri 坦率地分享了 Instagram 內部正在發生的組織變革：從過去十三人的大團隊，縮編成六七人的「pods」小組，並且催生出一個叫「產品幹部」的新角色。他認為，在 AI 讓「建造」變得很便宜的時代，「品味」和「搞清楚該做什麼」反而變得更重要。
⏱️ 內容分段導航
| 時間段 | 內容摘要 |
|---|---|
| [00:00] - [02:08] | 開場預告與引言：在 AI 時代，品味、品味、品味 |
| [02:09] - [04:40] | 核心組織變革：從傳統的十三人大團隊，轉向六七人的「Pod」小組 |
| [04:41] - [07:32] | 「產品幹部」的誕生：PM 如何吸收設計師、數據科學家的工作 |
| [07:33] - [11:57] | 設計師的未來與品味的價值：為什麼 Mosseri 依然看好設計師 |
| [11:58] - [16:48] | 人才特質的轉變：在 AI 時代，哪些能力變重要，哪些被淡化 |
| [16:49] - [20:14] | AI 如何重新定義「擅長」與「不擅長」：角色邊界的消融與新機會 |
📖 詳細內容
01｜組織變革：從「大兵團」到「小 pods」
核心觀點： Instagram 正在進行一場組織實驗。過去，一個標準產品團隊像是個小工廠，有 Android 工程師、iOS 工程師、後端、PM、設計師、數據科學家等，加起來快十三人。現在，他們改組成叫「pods」的小組，大約四到六個工程師配上一個「產品幹部」，總共六七個人。Mosseri 說，人少了，需要協調的人也少了，決策更快，也比較不會淪為委員會式的設計。這不完全是 AI 提升生產力的結果，小團隊本來就常常比較有效率。
重要原話：
"我們今年採用了我們稱為 pods 的模式，就是迷你團隊，大約四到六個工程師，他們比較是通才。然後還有一個我們稱為『產品幹部』的角色，這是 PM 的一種演化，一個能做一點設計師工作、一點數據科學家工作、一點研究員工作的人，利用我們提供給他們的最新工具。"
（原文："we've adopted what we call pods which are just mini teams where it's call it four to six engineers who are a bit more generalists. Uh one we call product staff which is sort of an evolution of the PM. So a PM who can do some of what a designer does and some of what a data scientist does and some of what a research does leveraging um the latest tools that we have for them."）
個人感受： 聽到這裡我有點複雜。一方面覺得團隊縮小、效率提升是好事，但另一方面，那種各司其職、術業有專攻的安全感好像消失了。這有點像你原本有個專業的翻譯、一個專業的會計，現在變成你要一個人身兼數職，雖然有 AI 工具幫忙，但心裡還是會有點慌。
延伸思考： 這讓我想到芒格常說的「能力圈」。以前我們談能力圈，是指一個人懂什麼。現在，AI 擴大了每個人的「有效能力圈」，讓你好像什麼都能沾一點。但問題來了：你的核心能力圈還在嗎？這是不是會導致一種「通才的幻覺」，什麼都懂一點，但沒有真正精通的？
可參考的行動： 檢視你目前的工作，把那些「機械化」的部分（例如固定的數據拉取、報告格式）想一想，哪些現在可以用 AI 工具自己處理？試著建立一個「AI 替代清單」。
02｜「產品幹部」與品味的價值
核心觀點： 「產品幹部」這個新角色，本質上是個超級通才。Mosseri 觀察到，很多原本機械化的工作，比如傳統的數據漏斗分析（waterfall analysis），現在產品幹部用內部工具就能自己跑出來，不用再等數據科學家。這導致了一個有趣現象：Mosseri 說他反而很「看好」設計師的未來，因為設計師擁有最難被自動化的特質——品味。在一個人人都能輕易「建造」東西的世界，決定「該建造什麼」的能力變得極其珍貴。
重要原話：
"所以，在一個建造東西變得更容易的世界裡，更重要的是確保你的時間花在搞清楚你一開始到底該建造什麼。"
（原文："in a world where it's easier to build things, it's more important to make sure that your time is spent figuring out what you should be building in the first place."）
個人感受： 這段讓我松了一口氣。我一直覺得，AI 最容易取代的是那些有固定流程的工作，但像「品味」、「覺得這個東西哪裡不對勁」、「知道用戶真正想要什麼但說不出來」這種事，確實很難想像機器能完全取代。Mosseri 的說法讓我覺得，與其焦慮，不如好好培養自己的判斷力。
延伸思考： 這呼應了「紅標籤原則」（Red Flag Principle）。當 AI 能生成大量內容時，判斷哪些內容是垃圾、哪些有價值的能力就變得關鍵。這不就是一種品味嗎？未來的核心競爭力，可能不是你能產出多少，而是你能過濾掉多少。
可參考的行動： 每天花十分鐘，刻意練習「判斷」而不是「創造」。例如，瀏覽十個用 AI 生成的設計稿或文案，練習快速說出你覺得哪個最好、為什麼，哪個最差、為什麼。訓練你的品味肌肉。
03｜人才特質的轉變：好奇心與嘗試的意願
核心觀點： 在問到現在面試看重什麼特質時，Mosseri 說有些基準不變：有沒有毅力（grit）、學得快不快、自不自知。但他特別強調兩個在未來五到十年會變得更重要的特質：保持好奇，以及敢於嘗試（put yourself out there）。他用了學語言來比喻：學得好不好，一個很大的預測指標是你願不願意聽起來像個傻瓜，願不願意被糾正然後改進。在這個充滿新工具、新模型的時代，你必須願意去試。
重要原話：
"我覺得在接下來五到十年，會更成功的、隨著事物劇烈改變的人，我會鼓勵自己要做兩件事：保持好奇，以及把自己推出去。你就是得去嘗試。"
（原文："I think two things that I I'm continuing to encourage myself to do are to stay curious and to put yourself out there. I just think you got to try things, right?"）
個人感受： 「願意聽起來像個傻瓜」這句話直接打到我。我承認我會有包袱，怕在同事或朋友面前用 AI 工具弄得一團糟。但 Mosseri 的比喻很實在，學語言就是這樣，不開口永遠學不會。這心態也適用於學習任何新工具。
延伸思考： 這讓我想到「逆向思維」。與其問「AI 會不會取代我？」，不如問「如果我完全拥抱 AI，最壞會怎樣？如果我不擁抱，最壞又會怎樣？」通常你會發現，不嘗試的風險更大。
可參考的行動： 選一個你完全不熟的 AI 工具或領域（例如，如果你是文案，去試試 AI 生成圖片；如果你是設計師，去試試用 AI 寫簡單的腳本），給自己一個小時，純粹亂玩，不設定目標，允許自己搞砸。
04｜AI 的非二元性與角色邊界的消融
核心觀點： Mosseri 批評了現在很流行的二元觀點：你要嘛是 AI 的信徒，要嘛是反對者。他說，工具的狀態不是二元的，它在某些事上很厲害，在另一些事上又糟得離譜。真正能善用 AI 的人，是那些清楚知道 AI 現在擅長什麼、不擅長什麼，並且對它未來會變得擅長什麼有直覺的人。同時，各個職能的邊界正在瘋狂地模糊：設計師在寫程式，工程師在做數據分析，數據科學家在擬設計方案。他自己就是個例子，作為一個十年沒寫過程式的設計師出身的主管，現在又能靠 AI 工具「負責任地寫程式」了。
重要原話：
"我們太常對 AI 的現狀抱持一種非常極化、二元的看法，就像你是吃 AI 藥丸還是反 AI？人又不是二元的。我昨天對團隊說，工具的狀態也不是二元的。它們在某些事上驚人地好，在其他事上又差得離譜。我認為能充分利用它的人，是那些清楚知道 AI 擅長什麼、不擅長什麼，而且對它未來會擅長什麼有直覺或嗅覺的人。"
（原文："we have this really polarized binary outlook on the state of AI, like are you AI pill or are you anti- AI? It's like people aren't binary. I said that to the team yesterday and the state of the tools isn't binary either. You know, they're amazing at some things and remarkably bad at others. And the people who I think are going to make the most of it are the ones who are cleareyed about what AI is good at and what it's not good at and also have an instinct or a nose for what it will be good at and not good at."）
個人感受： 這段讓我很有共鳴。我們公司內部討論 AI 時，也常常陷入這種「要不要全面導入」的無聊爭論。Mosseri 的說法更務實：別爭了，先搞清楚它現在能幫什麼忙、幫不了什麼忙，然後去試。而且，看到他那個「十年沒寫程式」的例子，我覺得自己那些「我 older now，學不來新東西」的藉口，真的挺沒道理的。
延伸思考： 這像不像芒格的「多元思維模型」？你不能只用一個模型（比如，只看財務報表）去判斷一家公司。同樣地，你也不能只用「AI 很強」或「AI 很弱」一個觀點去判斷它。你需要一組模型，包括它現在的能力、它的成本、它的限制、它的發展軌跡，來綜合判斷。
可參考的行動： 為你工作中最常見的三個任務，各建一個簡單的「AI 能力光譜」評分卡（1-5分）。項目可以包括：目前 AI 完成的品質、你介入修改的時間、成本（時間或金錢）。定期更新這張卡。
05｜對未來的務實態度：不自信預測，投資未來人才
核心觀點： 雖然在推進變革，但 Mosseri 對預測未來相當謹慎。他承認自己可能有偏見（因為他自己就是從設計師轉型的），也承認幾年後的世界會變成什麼樣，誰都不知道。他的核心態度是：別對你的預測過度自信。但有兩件事他很確定：第一，未來仍然需要頂尖的專業人才，所以不能只培養今天的資深人才，還要投資培育明天的。第二，大規模組織管理的角色會變少，因為團隊會更小、更精實。
重要原話：
"我通常的大原則是不要過度自信，不管是什麼預測都不要，因為現在變動太大了。"
（原文："my big thing and is generally like don't over don't be overly confident in whatever your predictions are because there's just too much flux right now."）
個人感受： 這種「邊做邊學、承認無知」的態度，其實很難得。很多領導者為了顯得有遠見，會講得很斬釘截鐵。Mosseri 直接說「我們都不知道」，這反而讓我更信任他的判斷。因為在一個劇烈變動的時代，承認自己不懂，可能才是最聰明的做法。
延伸思考： 這點出了「可選擇性」（Optionality）的價值。在不確定的環境中，保持選擇權比選定一條路走到黑更重要。對個人而言，這意味著不要過早把自己限縮在一個高度專業化的窄路上，保持一些可遷移的技能和人脈。
可參考的行動： 每季和你的經理或導師進行一次「技能盤點」，但不是盤點你現有技能，而是盤點你「有興趣且認為未來可能需要」的技能清單。討論如何在下個季度，透過一個小專案或學習，去「投資」其中一項。
💎 精華收穫
這集訪談最大的價值，是它提供了大公司內部正在發生的「活體解剖」。Mosseri 揭露的不僅是 Instagram 的組織變革，更是整個科技業在 AI 沖擊下的縮影：團隊變小、角色變模糊、通才崛起，但頂尖品味與專業深度依然是王道。這不是未來式，而是現在進行式。