Julie Zhuo on Management Skills for the AI Age

• 管理技能直接迁移到AI协作：定义目标、组装资源、设计流程——这三个管理核心支柱同样适用于管理AI Agent。Julie认为未来每个人都将成为"管理者"，因为Agent将深度嵌入工作流，而管理Agent需要的正是传统管理中最核心的技能：目标清晰度和上下文传递能力。
• 组织正在扁平化，"Builder"取代传统角色：Sundial已取消产品经理岗位，工程师直接承担产品定义职责。前后端工程师界限也被打破。Julie主张用"Builder"替代所有传统角色标签，AI让每个人都能胜任相邻领域60-70%水平的工作。
• "用数据诊断，用设计治疗"：快速增长的AI公司普遍数据基础薄弱，靠"好直觉和好氛围"生存。但增长一旦停滞，缺乏可观测性的公司将陷入混乱。数据的作用是捕捉现实，而非告诉你该做什么。
• 管理的永恒技能：自我认知、反馈、双赢思维：每个优势都是一个劣势（维度论），反馈应成为日常实践而非半年一次的绩效考核，管理者必须先检查自身信念和conviction才能有效传递愿景。
• AI时代教育孩子最重要的是情绪调节：AI让一切变得更舒适、更便捷，但如果用它来回避困难情感，人们将失去成长为自己想成为的人的能力。

• 管理技能直接迁移到AI协作：定义目标、组装资源、设计流程——这三个管理核心支柱同样适用于管理AI Agent。Julie认为未来每个人都将成为"管理者"，因为Agent将深度嵌入工作流，而管理Agent需要的正是传统管理中最核心的技能：目标清晰度和上下文传递能力。
• 组织正在扁平化，"Builder"取代传统角色：Sundial已取消产品经理岗位，工程师直接承担产品定义职责。前后端工程师界限也被打破。Julie主张用"Builder"替代所有传统角色标签，AI让每个人都能胜任相邻领域60-70%水平的工作。
• "用数据诊断，用设计治疗"：快速增长的AI公司普遍数据基础薄弱，靠"好直觉和好氛围"生存。但增长一旦停滞，缺乏可观测性的公司将陷入混乱。数据的作用是捕捉现实，而非告诉你该做什么。
• 管理的永恒技能：自我认知、反馈、双赢思维：每个优势都是一个劣势（维度论），反馈应成为日常实践而非半年一次的绩效考核，管理者必须先检查自身信念和conviction才能有效传递愿景。
• AI时代教育孩子最重要的是情绪调节：AI让一切变得更舒适、更便捷，但如果用它来回避困难情感，人们将失去成长为自己想成为的人的能力。

核心要点：管理的三大支柱——人（资源）、目标（purpose）、流程（process）——直接适用于Agent时代。

• 管理的本质是"有一个目标，然后搞清楚如何用手上的资源达成它"。过去这些资源是人，现在是模型。不同模型有不同的"性格"和优势，需要像了解团队成员一样去了解它们。
• 最关键的技能是定义成功的样子——这对人类团队就已经很难（大公司alignment困难的根源），对Agent更是如此。"如果你对成功的定义不够清晰，你的prompt大概率不会产出最好的结果。"
• 这也是为什么eval（评估）如此重要：它本质上是在帮我们把模糊的成功标准变成客观可检验的标准——这与数据和KPI的逻辑完全一致。

"Management is just about having an outcome. You have a north star, a vision, and you're trying to figure out how to use the resources you have to get that thing done. Used to be people, but now it's basically models." —— Julie Zhuo

核心要点：AI让每个人都能胜任相邻领域的工作，传统角色边界正在溶解。Sundial的实践证明，去掉PM反而让工程师更有ownership。

• AirTable CEO重新开始写代码，认为必须深入一线才能判断产品可能性。Google大量裁减中层管理者。扁平化是结构性趋势。
• Sundial的实验：没有PM的团队中，工程师被迫自己承担产品定义、用户沟通、优先级排序。"当你没有PM的时候，工程师会意识到'沟通是我的事，搞清楚如何给用户创造最大价值也是我的事'。"
• 同样打破了前后端工程师的界限：虽然初期学习成本更高（做前端的人需要时间上手后端），但长期投资回报显著——团队成员更全面，能独立承担更多任务。
• Julie用"Builder"替代所有角色标签。"我们可以丢掉所有这些角色区分，管自己叫Builder。"Lenny表示自己也在从"product manager"向"builder"转变。
• 但Julie强调不是每个人都需要擅长一切——关键是按技能而非角色组队。如果团队缺乏产品思维，仍需补充有该技能的人，不论这个人的title是什么。

"We need to dissolve the boundaries of these traditional roles and call ourselves builders. I'd love for us to get to a world where that's the title." —— Julie Zhuo

核心要点：AI不仅是即时生产力工具，更是被低估的个性化教育工具。用ChatGPT定制学习路径、测试理解程度，比传统方式快得多。

• Julie的工程师理解算法的"how"，但不理解"why"和"when"——在什么业务场景下该用根因分析。这类通用知识问题是ChatGPT的完美应用场景。
• Julie自己的做法：找到在线课程的12周课纲，喂给ChatGPT，让它根据自己的学习风格定制计划（"我需要大量例子和类比"）。团队成员有不同的学习偏好，个性化学习在过去不可能实现。
• 测试理解的交互式循环：向ChatGPT解释自己理解的内容，让它纠正。"它总是先说'这个差不多'，然后最后告诉你'你完全错了'——但说得很委婉。"这种互动式反馈循环让概念理解比传统学习快得多。
• 这是一个被严重低估的能力——大多数人想到AI就想到cursor自动补全代码，但忘了可以用30分钟学完过去需要数小时的内容。

核心要点：增长最快的AI公司反而数据基础最薄弱——因为增长太快，来不及建设数据基础设施。Julie提出"用数据诊断，用设计治疗"的框架。

• 传统路径：公司达到1亿用户时，通常已运营多年，有时间搭建日志、增长团队、数据团队、可观测性体系。但今天10个人的公司可能就有数亿ARR和数亿用户，数据基础设施完全跟不上。
• 这些公司靠"好直觉和好氛围"（good instincts and good vibes）活着。增长期不需要数据分析也能做出成功产品。但增长不会永远持续，一旦增长停滞，没有可观测性的公司将手忙脚乱。
• 对话式分析（conversational analytics）是全新挑战：过去通过点击行为判断用户意图（点购物tab=想购物），现在全是对话。需要用LLM来分类用户意图，需要发明新的方法论来判断对话体验好坏。
• Nick Turley（ChatGPT负责人）发现早期最热门用例的方式是：看TikTok上什么内容病毒传播。
• "用数据诊断，用设计治疗"：数据不会告诉你该做什么产品或怎么解决留存问题，但能告诉你问题在哪里。解决方案仍需要创造性过程。每个优秀的设计师都痴迷于理解现实——"如果我能读懂每个用户的想法，我的生活会简单得多。"
• 数据不仅是量化指标：TikTok上的用户评论、客户访谈、社交媒体讨论——这些都是数据，只是更难量化。AI正在让这类非结构化数据的综合分析变得可能。

核心要点：变化速率在加速，管理者的核心任务是在"稳固"和"灵活"之间找到平衡——像柳树一样，正是因为柔软才能在风暴中屹立。

• 不确定性是普遍的：AI两年后会在哪里？5年后会有AGI吗？如果我的整个职业都在设计领域，而AI工具做设计越来越好，我的未来在哪里？管理者必须同时应对自身的技能学习和团队的情绪管理。
• Mark Benioff的态度：被问到如何应对变化时，他说"太好了，这就是我们想要的，这很令人兴奋，永远不会无聊。"Julie认同：如果你不认为这是好事，接下来的日子会非常痛苦。
• 但管理者也不能假装一切都好——需要承认"变化很难，我们可能会有混乱，但我们会度过去，因为我们会保持灵活。"
• "这是事物永远最正常的时刻。以后只会更奇怪。"（This is the most normal things will ever be. It will only get weirder.）

核心要点：人的能力是无限维度的指纹——任何一个维度都不代表你这个人。理解这一点，才能客观看待反馈和成长。

• 维度论（dimensionality）：你可以在无限个维度上被衡量——Lenny扔斧头的能力、做播客的能力、做AI零到一项目的能力——每个人的维度剖面像指纹一样独特。任何单一维度的优劣都不代表你的全部价值。
• Julie自己的例子：绩效评价说她"非常有深度思考力"，但同时反馈她"在动态讨论中不太发言"。这两面是同一枚硬币：正因为她不是即兴发挥型，所以才能做到深入思考。
• 成长 = 学会在不同情境中切换：不是要抛弃自己的天性，而是认识到"在某些情境下我需要更果断，在另一些情境下我的深思熟虑正是优势"。
• 关于是否应该改进弱项，Julie的建议：完全取决于你的目标。如果你想做VP，你可能必须学会在大会议上即兴发言。如果你想走IC路线，深耕技术，也许不需要。"痛苦往往来自目标与路径的不匹配——你想要大房子，但你只想做蛋卷。"

核心要点：每周提升1%的团队会碾压每月提升1%的团队，而反馈是提升的最佳工具。关键是建立"opt-in"的反馈关系。

• 反馈的本质是帮助我们校准对现实的认知——就像数据帮产品校准一样。Dunning-Kruger效应说70-80%的人认为自己驾驶水平高于平均。冒名顶替综合症是另一个方向的偏差。我们对自己的认知总是有偏的。
• 三个具体策略：

1. 建立opt-in关系：一开始合作就说"我希望我们互相帮助成长，我擅长这些、不擅长那些，你呢？我们互相给feedback如何？"60%的困难就解决了。

2. 检查意图：给反馈前问自己——我是真的想帮对方，还是想证明自己是对的、想惩罚对方？如果是后者，不管表达技巧多好都不会有好结果。

3. 表达脆弱：直接说"我现在很紧张，因为我很重视我们的关系，我怕这个反馈会影响它，但我觉得你听到会有帮助。"这种真诚比任何技巧都有效。

• 一个小技巧：问对方"你喜欢实时反馈还是定期反馈？"几乎所有人都会说"实时"——这就给了你随时开口的许可。

核心要点：管理者如果把管理看成零和博弈（我让你更努力=你更痛苦），就不可能成功。所有困难决策都应寻找双赢框架。

• 裁员的双赢视角：如果一个人在这个岗位上不成功、不快乐、无法成长，继续留下对双方都是煎熬。"我知道你想做出自己骄傲的东西，但在这里，这件事做不到。"——这不是粉饰，而是真正尊重对方的说法。
• 信念与conviction：中层管理者最常见的陷阱是"鹦鹉学舌"——机械传递上层指令但自己不信。Julie说她管理过的所有manager中，"凡是自己不相信这个方向的，没有一个项目最后成功了。"
• 应对"disagree and commit"：与其笼统地说"我不同意"，不如把分歧分解为一组假设（hypotheses），精确定位你不同意的是哪个具体假设。然后设计最小化测试来验证。例如："我不同意柠檬水会受欢迎这个假设——那我们先在一个校园试试，别一口气开50个州。"

核心要点：AI不仅改变工作方式，也让"动手做礼物"变得前所未有地容易和有趣。

• 会说话的浣熊：Julie模仿Eric Antono的方法——把麦克风和扬声器植入毛绒玩具，连接ChatGPT语音模式。她的6岁儿子痴迷浣熊，所以做了一个会对话的浣熊玩偶。
• 视频游戏恶搞专辑：中间的儿子喜欢听游戏主题的歌曲恶搞。Julie用Replit做了一个app——输入一首歌（如Justin Bieber的Baby）加上儿子玩的游戏context（Kingdom Rush里gargoyle是"free money"等内梗），AI生成恶搞歌词，Julie自己录唱，做成个人专辑。

核心要点：Julie的人生哲学——如果你觉得无聊，不是环境的问题，是你还没有发展出看到那个方向无限深度的技能。

• 面对孩子说"散步很无聊"，Julie的回应是"因为你没有看到那个方向的无限"。盯着一面白墙也可以是深刻的体验——僧人会有美好的体验，孩子会抱怨。区别不在墙，在于观看者。
• 这个思维框架帮助Julie应对坏情绪："与其觉得自己是环境的受害者，不如意识到我只是还没有在这个方向上发展出足够的技能。"
• 与冒名顶替综合症的对话呼应：第一期播客就谈了这个主题，三年后回到同一个核心——关键是shift perspective。

核心要点：AI让一切更舒适，但舒适本身可能是陷阱。真正的自由是能选择做困难的事。

• Julie最担心的是AI让孩子们用舒适来回避困难情感——跟同事/伴侣/孩子有矛盾？刷TikTok就好了。AI只会让这种逃避更具诱惑力。
• "我们的硬件（人类生物学）数千年没变，变的是周围的工具和环境。你必须理解自己，理解自己的偏差在哪里。"
• 真正的自由不是消除挑战，而是能选择什么样的挑战：不再是为了生存被迫做困难的事，而是主动选择有挑战的路，从中获得成长和骄傲。"如果他们只把AI当成快捷方式，我不认为他们能成为自己想成为的人。"