Airtable 成立于 2012 年，是一个先进的无代码应用平台，服务超过 45 万家机构，其中包括亚马逊、Netflix 和耐克等大型企业。Airtable 已累计融资 14 亿美元，最新一轮融资估值约为 120 亿美元，并在 2024 年实现了正现金流。

Howie Liu 是 Airtable 的联合创始人兼首席执行官。他于 2009 年毕业于杜克大学，获得机械工程和公共政策学位。在联合创办 Airtable 之前，他曾联合创办 CRM 初创公司 Etacts，该公司于 2010 年被 Salesforce 收购。Howie Liu 对 Airtable 的愿景是创建一个像数据库一样工作的电子表格，让团队更轻松地协作和构建应用程序。

在他的领导下，Airtable 取得了令人瞩目的成绩。最初，该平台只是一家产品主导增长 (PLG) 平台，如今已发展壮大，拥有 700 多位员工。Howie Liu 还参与了天使投资，为多家初创公司提供了早期支持。

Airtable 的起源源自于 Howie Liu 对人机交互的痴迷。大学时，他学习了神经网络，但很快意识到计算领域的真正瓶颈在于可用性。“有效使用软件的制约因素很大程度上取决于用户体验，”他回忆道。他早期的初创公司被 Salesforce 收购，但他离开时却坚定地坚信：软件开发不应该只属于程序员。

正是这种信念催生了 Airtable。Howie Liu 设想的并非死板的软件工具，而是一个可以让任何人构建强大定制应用程序的平台。公司最初只是一个简单的电子表格与数据库的结合体，但很快就证明了其强大的功能。早期用户包括产消人士和大型企业，他们将 Airtable 用于从营销活动到零售运营等各种工作流程。

Howie Liu 在一次访谈中所说：“如果我们为 AI 工作流程设计了完美的平台，它看起来就会像 Airtable 一样。”

除了功能吸引力之外，Airtable 的早期发展也凸显了其使命的深刻共鸣。Howie Liu 和他的联合创始人将这款工具定位为不仅仅是一款软件，更是知识工作者的创意画布。该产品赋予设计师、营销人员和运营经理一种赋能感：他们无需编程技能，就可以根据自己的具体需求定制解决方案。这种赋能理念使 Airtable 有别于僵化的 SaaS 平台，并为其赢得了忠实的早期社区。

当 Airtable 进入市场时，它面临着一个拥挤且不断变化的环境。这个领域已经挤满了像 Salesforce 和 ServiceNow 这样的巨头，以及像 Asana 和 Trello 这样的轻量级项目管理工具。Airtable 面临的挑战是双重的：在纷繁复杂的市场中脱颖而出，并证明其作为一个能够与全球最大型组织一起扩展的严肃企业平台的价值。

起初，Airtable 通过 PLG 实现了病毒式增长。这种草根性的采用为 Airtable 提供了信誉，但要超越那些充满热情的团队，需要与 CIO 建立信任，通过严格的安全审核，并集成到企业采购系统中。这些步骤将 Airtable 从一款备受青睐的生产力应用转变为企业可以信赖的工具。

疫情进一步加速了数字化应用，将 Airtable 推向了企业领域。客户不仅要求直观的用户体验，还要求企业级的可扩展性、安全性以及与 Salesforce、Snowflake 和 SAP 等工具的集成。挑战艰巨，但 Airtable 欣然接受。

到 2023 年，Airtable 的年收入已增长至数亿美元，在公共 SaaS 增长率中名列前茅。据《福布斯》报道，到 2021 年，Airtable 的年经常性收入 (ARR) 达到 1.42 亿美元，同比增长超过 50%。

正如 Howie Liu 在一次采访中所说：“伟大的公司都具有上市能力——无论它们是否选择上市。”

近日，Howie Liu 做客了一档名为《Lenny's Podcast》的视频采访栏目，在栏目中他与主持人 Lenny 分享了如何围绕人工智能（AI）重组整个公司，以及转型为一名 “一线执行型 CEO”（IC CEO）—— 即每天参与编程工作，并带领公司最终实现超 1 亿美元的正现金流的心路历程。

Airtable 曾经历低谷，

被传濒临倒闭

Lenny：你和 Airtable 走过了一段很长的旅程——大概 13 年了吧？我想这一路上一定有不少高峰和低谷。我想聊聊你在过程中学到的经验，但我想先从一个我觉得对 Airtable 来说很“低谷”的时刻开始。那就是几年前有一条推文突然火了，有人说 Airtable 完了：钱烧得太多，收入远不够，撑不下去。甚至直接写“RIP Airtable”。这件事到底发生了什么？里面有多少是真的?

Howie Liu：几乎完全不是真的。让我意外的是，那条推文居然会疯传。发推的人好像在 CB Insights 工作，而讽刺的是，他们的业务本该是提供准确的公司数据。但那条推文里关于我们营收规模、增长速度的数字全都错得离谱，差了好几倍。后来我发现他还写过类似的“唱衰推文”，比如之前说 Flexport 也快死了，估值虚高等等。其实就是一些没有数据支撑的辛辣观点，但那条关于 Airtable 的却异常火爆。

更“推波助澜”的是 All-In Podcast 也聊了这条推文，把它当成切入点，讨论了“上一代高估值独角兽公司在市场重置期会怎样”。这让谣言传播得更快。不过他们后来也道歉更正了，说自己引用的数据有误。那次经历让我深刻体会到一句话：谎言跑遍世界的时候，真相还没来得及起床。

Lenny：确实如此。社交媒体的激励机制完全错位，人们更倾向于转发耸动的内容，而不是正确的内容。

Howie Liu：没错。我不是很会玩社交媒体，但那次也算快速补了一课。其实我总体上更喜欢马斯克收购后的 Twitter，因为变化更多，更大胆。但同时，耸动的内容也更容易冲进我的信息流。即使我知道这是“钓鱼”，还是忍不住点进去。

Lenny：从来没有无聊的一刻。那我们换个方向聊。我很期待问你一个新趋势：最近我注意到，很多 CEO 又开始回到“IC（Individual Contributor，个人贡献者）”角色，重新亲自写代码、做产品，而你就是走在最前面的代表之一。能不能谈谈你为什么会这么做？对你而言日常工作发生了怎样的变化?

Howie Liu：最根本的原因是，这其实是我最初创业时的工作方式。我当时既写后端代码，设计实时数据架构，也做前端和用户体验设计。对于像 Airtable 这种纯软件产品来说，技术就是产品，设计细节就是价值本身，不能和流程、调研割裂开来。

后来随着公司扩张，我逐渐离开了这些细节，转向组织建设、流程管理。但我认为，现在 AI 带来的变化完全不同于从桌面到移动、从本地到云的转型。这是一场持续快速演进的范式转移。每一次模型升级都会催生新的产品形态和交互方式。要保持相关性，就必须重新进入细节，亲自体验和试验。否则根本无法真正把握“什么是可能的”。

Lenny：你提过自己是公司的“首席品味官（Chief Tastemaker）”。

Howie Liu：对。我觉得如果不亲自下场，你是无法真正“品味”出好坏的。尤其在 AI 领域，你必须亲自去玩模型，推动到极限，才能理解它们的潜力。这就像厨师得到了一批全新食材，必须亲自试过，才能做出新的菜肴。

Lenny：你每天都用 ChatGPT 或 Claude 吗?

Howie Liu：是的，几乎是每小时都在用。甚至可以从推理调用的成本来衡量（笑）。我自豪地说，我一度是 Airtable AI 内部乃至全球客户里“推理成本最高”的用户。比如我会拿大量销售通话的转录，用 LLM 执行 map-reduce，把海量数据切分处理，再聚合出洞见。虽然花费可能上百美元，但能换来极有价值的产品、市场、定位洞察。相比请咨询公司花上百万，这太划算了。

Lenny：小心有人再发推说你把公司推理成本烧垮了。那我想很多创业者或 CEO 听到这里都会问：要亲自下场参与，那你的日常安排是怎么变的？毕竟你还有很多管理事务。

Howie Liu：我做的最大改变是减少固定的一对一会议。我希望会议更“应景”，围绕新鲜的洞见展开，而不是形式化的例行公事。我还更重视和团队面对面的深度交流，比如长时间午餐、散步聊天，而不是每周一次固定的 30 分钟。

另外，我现在每周都有一个专门的 AI 执行冲刺会议，覆盖公司一半研发团队。我们要确保自己行动速度不输给 AI 原生公司，比如 Cursor、Windsurf 这样的新秀。

Lenny：为了让公司更快行动，你们在组织上也做了哪些调整?

Howie Liu：我们最近进行了重组，把团队分成“快思考（fast thinking）”和“慢思考（slow thinking）”两类。快思考团队负责快速迭代，每周都要推出令人惊艳的新功能。慢思考团队则专注长期的架构和复杂性问题，比如能支撑上亿条记录的新数据库系统。这两者互补：前者制造兴奋和用户增长，后者保证长期可扩展性。

Lenny：非常有意思。我从没听过这样的分组方式。那在快思考团队里，什么样的人更容易成功?

Howie Liu：关键是自主性和全局思维。能同时考虑技术、设计和用户体验，敢于在模糊中探索。我们也会引入外部新鲜血液，包括一些创业者，也有不是创始人背景但极具潜力的人。

比如我们正在开发一个新功能：用户可以用自然语言描述要构建的应用，AI 不仅能用 Airtable 现有功能搭建，还能自动生成代码来实现个性化需求。这其中充满设计取舍和不确定性，需要有人能在开放性中找到方向。

Lenny：我刚刚还试了一下，做了个小型 CRM，效果很漂亮。

Howie Liu：太棒了！其实我最核心的热情是产品和用户体验设计。AI 领域目前很多潜力都没有被很好地“包装”给用户。比如 ChatGPT 默认只是一个空白输入框，但其实可以有更丰富的界面隐喻和交互方式，帮助用户更直观地理解和使用这些能力。这正是 Airtable 想在产品层面去做的事情。

Lenny：这让我想到我采访 OpenAI ChatGPT 负责人 Nick Turley 时，他提到两个原则：一是问自己“怎样才能更快推进？”；二是 AI 产品很多时候要先推出，再从用户反馈里找到正确方向。

Howie Liu：完全同意。AI 的价值最好通过体验来传递。虽然很多公司依赖销售驱动模式，但我觉得让更多人直接上手体验是最强的增长方式。ChatGPT 就是最好的例子，可能是史上最成功的 PLG 产品。

如何推动团队使用 AI

Lenny：这太疯狂了。像这样的增长曲线是几年实现的?

Howie Liu：不到三年。真的，三年不到。说实话，这真的是最疯狂的增长曲线之一。我觉得如果用户不能直接上手尝试产品，他们根本到不了这个阶段。就像我之前提到的，ChatGPT 当时功能不算多，也没有展示它可以用的各种方式，但它让用户可以无障碍地尝试，你可以直接问它任何问题，看它的回答。早期当然有人试图难倒它，发现它对复杂问题回答不好，但它的魔力仍然吸引人，每个人都想用它。

我们经历了整个产品导向增长（PLG）的过程。我认为 Airtable 曾是那个时代典型的 PLG 产品。后来我们开始进入企业市场，做更多销售执行，但仍然建立在 PLG 之上。销售执行对我们的业务仍然非常重要。但我个人的目标之一，是把注意力重新放回到由使用者主导的产品体验上，通过产品本身向用户展示 AI 和 Airtable 的价值，而不是通过演示文稿来说明。我觉得这是关键。

我们让整个产品体验以 AI 为核心。过去，用户可以在助手侧边栏提问，现在我们把 AI 代理设为 Airtable 的默认操作方式。现在的 Airtable 应用几乎成为 AI 代理操作的载体。

Lenny：AI 模型的新形式因素正在出现。我注意到现在访问 airtable.com，它看起来和其他 AI 应用生成平台差不多，“告诉我你想做什么”。你怎么看待这种趋势？未来会怎样?

Howie Liu：使用 AI 进行应用开发和编程有一种不可思议的魔力。这也验证了我刚才提到的观点：随着模型能力的提升，产品形式和用户体验也需要跟进。早期的模型如 GPT-3.5 还不够智能，不能一次性完成复杂任务，所以像 GitHub Copilot 这样的形式就出现了，主要是逐行补全代码。随着模型越来越强大，新形式开始出现，比如 Cursor 推出了更“代理化”的方式来生成更复杂的内容，现在有了 Composer，你甚至可以从零开始构建一个 3D 游戏。

这正是 Airtable 的理念——民主化软件创建。我们相信使用应用的人远多于能自己构建或操作应用的人。现在我们有机会通过 AI 以全新的方式实现这个目标，而我们已有的无代码组件能够让我们比从零开始更有效地实现愿景。

特别是我们的重点是业务应用，而不是制作娱乐类游戏。无代码组件让 AI 代理无需从零写代码，就能构建复杂业务应用，包括 CRUD 接口、实时协作、布局引擎、自动化和业务逻辑。这相当于为 AI 提供了高质量的“乐高积木”，它只需组合这些组件，而不是从 SQL、HTML、JavaScript 一行行写起。

Lenny：那你如何让团队更好地适应 AI 时代?

Howie Liu：我非常强调“玩”。我指的是心理学意义上的探索，而不仅仅是完成任务。通过好奇心去尝试产品，你不仅更有趣、更有活力，也学得更多。我会以身作则，分享我在各种 AI 产品上的实践，包括原型、研究报告、Landing Page 等，让大家看到实际操作而非纸面文档。

我甚至建议团队可以专门安排一天或一周，去尽情尝试所有 AI 产品，探索它们可能为 Airtable 带来的价值。这是最重要的一点——实验和玩法。相比以前严格按计划、按资源分配执行，现在更多依赖快速实验和迭代。

Lenny：在产品团队里，PM、工程师、设计师，谁更容易通过 AI 工具提高效率？长期来看，AI 会对这三个角色产生怎样的影响?

Howie Liu：关键在于个人态度和跨领域能力。任何能跨界的成员都有优势。设计师如果懂一些技术和模型运作原理，就能用原型工具构建概念原型，比单纯静态设计更实际。工程师如果理解产品和体验，也可以做出完整原型。核心是交互，而不仅是表面设计。

我会尝试尽可能多的 AI 产品，包括非 Airtable 的。目的不仅是新奇，也能深入理解各种产品形态。我会做一些小实验，例如用 AI 生成脚本、视频短片，仅作为周末练习。通过这些操作，我可以理解模型，也能了解它们在不同产品形态中的应用。

AI 发展如此快速，每周都有新产品发布，你必须亲自尝试，才能真正理解其能力。阅读报道或推文是不够的，必须通过实际操作获取体验感。

对于团队，我强调探索和实验，鼓励大家分享实际成果，而不仅是文档。我希望看到互动原型而非 PPT，因为真实的体验才能验证想法。以前是 deterministic 的资源分配和时间表，现在是实验和迭代驱动。

未来三年，哪些岗位

被 AI 取代的风险最高

Lenny：我觉得 AI 工具也在给这类 “跨领域思考者” 更多优势 —— 他们不用再花大量时间学习计算机科学（CS）就能获得替代能力。产品经理（PM）也是如此，有些 PM 会深入研究技术细节，了解 AI 的工作原理，亲自动手实践，而不是把自己的角色局限在写文档、写产品需求文档（PRD）上。你觉得未来这三个角色中，会不会有某个角色 “风险更大”，比如需要的人数可能减少?

Howie Liu：总体来说，未来 “用更少的人能做更多的事” 会成为常态。但这并不是说 “我们要缩小团队规模”，而是对我们乃至很多公司而言，更有价值的点在于：从产品角度看，需要执行的任务并非 “有限的固定项”—— 不是说 “现在用十分之一的人就能完成原来的事”（虽然很多场景下确实可以），更重要的是，Airtable 本身是一个 “元产品”（Meta Product）：我们是一个应用平台，现在能借助 AI 搭建任何 AI 应用。这些应用在运行时会利用 AI 能力，比如为创意生产流程生成图像、进行深度研究，或是通过 AI 驱动的网络爬虫，在客户的 “交易流应用” 中筛选符合特定条件的公司。

本质上，我们的平台能整合各种 AI 能力 —— 因为我们的核心是帮客户搭建具备各类 AI 功能的应用。也正因为如此，我们可执行的 AI 能力范围几乎是 “无限的”。我常跟团队说：“好消息是，我们面前有一片‘果树园’，满是垂手可得的‘果实’，甚至有‘西瓜’就摆在地上 —— 你只需走 20 英尺捡起来，不用爬 50 英尺高的椰子树去摘硬邦邦的椰子。所以当务之急是找到最大的‘西瓜’，然后动手去做。”

这意味着，只要我们能建立这样的文化（而且我相信这种工作模式是可以学习的），每个人都有成长潜力 —— 我们的核心价值观之一就是 “成长型思维”，如果你真的具备这种思维，愿意投入时间（比如晚上或周末学习，甚至我会直接建议大家 “请一天假、一周假专门学 AI 相关知识”），就能逐渐熟练掌握这些能力。最终，我们会拥有一支 “能高效、快速推进更多事务” 的团队。

那些愿意 “搭上这趟车” 的人，会变得越来越高效。但这并不意味着 “PM 的角色会完全无关紧要”—— 而是 PM 需要向 “复合型 PM 原型师” 转型，同时具备一定的设计敏感度。其实过去几十年里，最顶尖的 PM 和设计文化，本质上都是 “跨领域的”：比如谷歌早期的 PM 岗位要求，就明确需要 PM 具备一定技术能力，能理解工程层面的限制，同时还要有设计思维。我记得我的联合创始人 Andrew 在参加谷歌 ATM 项目时，还会读设计相关的书，甚至深入研究视觉设计、色彩理论。

再比如苹果的设计师（包括硬件设计师），必须了解技术实现的可能性；Stripe 的工程师文化也很有代表性 —— 优秀的工程师能兼顾产品和业务需求，甚至在某些产品团队里，“直接负责人（DRRI）” 不一定是 PM，有时是工程师主导产品方向，决定 “该做什么”。

Lenny：所以你的意思是，产品、工程、设计这三个领域的趋势是：每个角色至少要精通另一个领域的能力？比如 PM 提升设计能力，工程师提升产品管理能力?

Howie Liu：我觉得可以更进一步：每个角色都需要 “在三个领域都达到不错的水平”。无论你是哪个角色，对另外两个领域都要有 “基础认知”，然后在自己的核心领域深耕。比如设计师可以专注于用户体验（UX）和交互设计，但至少要能判断 “技术上是否可行”，以及 “这个功能的产品逻辑是什么”。

Lenny：你提到的一个关键建议我很认同 ——“不断使用 AI 工具，了解其可能性”，这能帮你掌握很多跨领域知识。

Howie Liu：没错，使用工具能让你 “看到可能性”。这就像想成为优秀的工业设计师，而 “椅子” 是工业设计的 “入门经典”—— 你不可能在 “不了解木材、钢材等材料特性，没见过现有椅子形态” 的情况下，凭空设计出最好的椅子。正确的做法是先研究市面上所有优秀的椅子：比如坐一坐 EMS 椅，拆解它的结构，反向推导制作逻辑，了解这类产品的 “前人经验”。

“试用各类 AI 产品” 也是同理，而且最终必须 “动手实践”—— 不能只看别人的成果，得自己尝试搭建，一次又一次地试。我自己的产品 UX 敏感度就是这么练出来的：上学时没有系统的 UX 课程，计算机科学也偏理论，不像现在有 “搭建应用” 这类实操内容（即便现在斯坦福、MIT 等学校有 UX 相关课程，对大多数人来说也还是稀缺资源）。我所有的产品感知，都来自 “试错”“研究其他产品”，以及 “周末动手做小项目”—— 比如 “做一个带地图视图和列表视图的 Yelp 类应用，实现‘拖动地图时列表自动更新’的功能”，既想优化 UX，也想测试自己的技术能力：哪些部分难实现？如何通过设计调整适配技术可能性？

Lenny：你之前提到的 “找一个‘有用且有趣’的项目来做”，这个建议特别好 —— 通过解决实际问题，强迫自己动手实践。

Howie Liu：完全同意。这类项目可以是 “周末小项目”，也可以是 “日常工作项目”。比如我会跟 AI 平台团队（尤其是 “现场智能代理（Field Agents）” 团队）说：“用‘地上的西瓜’比喻来说，我不会规定你们该捡哪一个，但你们要主动去探索。”

“现场智能代理” 团队负责的是 “应用内运行的智能代理”—— 不是搭建应用的代理，而是帮客户执行任务的代理，比如帮客户做网络研究、分析文档，未来可能还能根据需求原型生成功能。我会告诉他们：“能给这些代理加的‘超能力’几乎是无限的，我不会指定具体方向，但你们可以随时找我讨论。你们要做的是‘实验和原型验证’—— 比如试试在‘现场智能代理’里加‘深度研究功能’：假设表格里是播客嘉宾数据，能不能加个按钮，一键（或批量）用 ChatGPT 的深度研究功能分析所有嘉宾，然后把结果并列展示在表格里？去做个原型，看看效果和体验如何。”

对负责 AI 功能开发的团队来说，“日常工作本身就是实践机会”。

Lenny：我其实试过做类似的事，但遇到了一个问题 —— 当时 ChatGPT 的深度研究还没有开放 API，现在情况变了吗?

Howie Liu：现在已经开放了，不过最近刚上线，成本大概是 “每次研究调用 1 美元多一点”。有些人会觉得 “太贵了”—— 比如做 50 次调用每月要花 50 美元，但换个角度想：这能帮人节省几小时的人工研究时间。我之前雇人做嘉宾背景研究，每次要花 400-500 美元，相比之下 1 美元一次简直太划算了。而且你雇的研究员，可能本质上也是在用 “深度研究工具” 收集信息。

Lenny：还有一个技能我想快速聊聊 ——“评估（Evals）”。这类对话里经常提到 “做好评估的重要性”，我知道你也很看重这个。能说说为什么 “掌握评估能力” 对大家很关键吗?

Howie Liu：我听过你和 OpenAI、Anthropic 的负责人（比如 Mike）聊这个话题，很有意思的是，这两家公司的负责人都认同 “评估很重要”。不过我想补充一点：对于全新的产品体验或形态，不该从 “评估” 开始，而该先从 “感受（Vibes）” 入手 —— 也就是用更开放的方式测试 “它大体上是否可行”。

比如我们开发 “自定义代码生成功能” 时，没有先定义 “可重复测试的评估标准”（比如调整提示词、模型或智能代理工作流后，如何衡量输出质量），而是先 “无章法地试”—— 用不同提示词测试，看效果如何。在我看来，“评估” 更适合 “当你已经确定产品形态的基本框架，明确了核心用例和测试方向后”—— 此时 “评估” 能帮你 “系统性衡量优化效果”。

但如果是 “找产品市场契合点”（无论是新公司，还是为现有产品加突破性功能），初期必须更有创造力，通过 “大量尝试” 搞清楚 “什么可行”。

举个例子：我们正在开发一个 “长期运行的 AI 爬虫代理”，能帮用户搜索特定类型的对象或实体 —— 和 “深度研究” 类似，但输出不是报告，而是 “列表”，比如 “所有漫威电影”“所有 DC 漫画衍生剧” 等等。开发初期，我们要做的是 “尽可能多想不同用例去测试”—— 比如试试搜公司、搜人物、搜影视内容，看看哪些场景效果好。当我们发现 “搜人物和公司（带特定参数）时效果特别好”，就知道了 “核心用例范围”，此时再用 “评估” 去 “量化优化效果”—— 比如调整后 “搜公司的准确率提升了多少”。

到这一步，产品定位也会更清晰：在 Airtable 里，它不会是 “完全开放的功能”，而是 “专门针对人物、公司等特定实体类型的搜索功能”，甚至会明确 “支持哪些筛选条件”。所以 “评估” 更像是 “迭代优化的工具”，能帮你 “实证测试”—— 比如有大规模产品（像 Anthropic 或 OpenAI 那样），可以做 A/B 测试，对比不同模型的效果。但初期你没有这样的条件，需要的是 “开放探索”。

Lenny：这个思路很明智 ——“评估太早会限制思路”。这让我想到 IDEO 的 “双钻石模型”：先发散，再收敛，然后再发散、再收敛。

Howie Liu：我之前没听过这个模型，但完全认同这个逻辑。

Lenny：那我试着总结一下你提到的 “公司转型 AI 成功的关键策略”，看看有没有遗漏重要点。首先是 “调整对‘速度和紧迫感’的预期”，让团队理解 AI 领域的快节奏，适配这种工作模式；其次是 “快速推出产品，通过用户反馈学习，而不是无限期打磨”；第三是 “鼓励团队试用最新 AI 工具，给他们时间（比如请假、取消会议）去跟进行业动态，通过‘玩耍’感受可能性，并分享学到的东西”；第四是 “重新思考‘如果现在从头创业，如何用 AI 实现原有使命’，并结合过去积累的优势形成‘不公平竞争优势’”；第五是 “创始人要频繁和 AI 互动，甚至每小时都用”。除此之外，还有什么你觉得 “必须做” 的关键动作吗?

Howie Liu：还有一点很重要 ——“打破角色壁垒”。这对 “工程、产品、设计（EPD）” 团队显然适用，但对非产品角色也同样重要，比如营销团队。我最近一直在推动营销团队 “具备‘全流程动手能力’”：传统营销团队的分工很细 —— 有人负责效果营销（比如调 Google AdWords 的定向、预算、转化追踪），有人写广告文案，有人做初始内容或定位指南（通常由产品营销经理 PMM 负责），还有人制作推广用的演示素材。

但现在，就像 EPD 领域 “角色融合” 一样 —— 理想状态下，一个人可以 “在某一领域深耕，同时具备另外两个领域的基础能力”，其他职能也该如此。比如销售：传统销售可能不太懂产品，依赖销售工程师（SE）做产品演示，但现在卖 AI 产品，“不精通产品、不会做演示” 是行不通的，所以销售（AE）也需要 “具备 SE 的基础能力”。

本质上，这是 “角色融合” 的思路 —— 每个人都要变得更 “全栈”，更关注 “结果”。比如销售的核心目标是 “向客户证明产品价值、完成成交”，那就要减少对 “营销素材”“SE 支持” 的依赖，能自己搞定这些环节。对想在 AI 时代竞争的公司来说，这是一种 “全新的工作思维”。

Lenny：这个补充很棒，感觉有点像 “回到创业初期”—— 大家什么都做，没有明确的 “产品负责人”“工程负责人” 之分，只为完成目标。

Howie Liu：的确是这样。可以用 “倒 T 型能力模型” 理解：“竖线” 是你深耕的核心领域，“横线” 是你需要掌握的 “相邻领域基础能力”—— 比如销售要懂 SE 的知识，产品要懂设计和工程的基础。每个人的 “能力圈交集” 都在变大。

打造 Airtable、

组建团队时学到的关键教训

Lenny：那我们把视角拉远一点，聊聊你过去十几年的创业历程。有没有什么 “反常识的经验”—— 比如和主流创业智慧相悖，但你在打造 Airtable、组建团队时学到的关键教训?

Howie Liu：我之前听过你和 Brian Chesky（爱彼迎 CEO）的访谈，后来你也在 YC retreat 上聊过 “创始人模式（Founder Mode）”，那些观点特别有共鸣。

我自己的经历也让我总结出类似的道理 —— 公司发展不同阶段，需要不同的工作模式。

创业初期（找产品市场契合点时），你必须 “全能”—— 要懂技术决策、设计逻辑，还要考虑商业化（比如定价模式）、营销（比如官网设计），这些事是 “相互关联的”，不能拆分成 “工厂流水线” 一样的独立环节。你需要一个 “小而紧密的团队”，从 “全栈视角” 思考所有问题 —— 在我看来，这是找到 “神奇的产品市场契合点” 的唯一方式。

但当公司规模化后，你常会听到 “运营专家” 或 “大公司投资者” 给这样的建议：“要把流程‘工业化’”—— 就像从 “手工定制服装” 转向 “工厂批量生产”。组织层面的体现就是：设立不同的 “职能部门”，雇高管分管各自领域，部门间的协作相对松散 —— 比如销售只管做业绩，营销只管搞推广，产品只管做功能，甚至产品内部也按 “模块” 拆分，各自专注自己的领域（比如 “只优化搜索功能”）。

用 “工厂比喻” 来看，这种模式确实能 “提升单个环节的生产效率”—— 比如某个产品组专注优化搜索，就能快速迭代多个搜索相关功能。所以这种建议并非毫无道理，但问题在于：你会失去 “整体思考带来的神奇价值”，也很难再做 “大方向的突破”。

Brian 在访谈里也提到过这一点 —— 真正重视产品的公司，首先 CEO 要兼任 “首席产品官（CPO）” 的角色，要在乎产品本身。你不能只靠 “规模化市场推广” 维持增长，必须持续在产品上创新；而产品创新的最佳方式，不是 “在各个小模块上做增量优化”，而是 “用更具突破性的视野，让产品实现跨越式升级”—— 比如给产品开启 “新篇章”、加颠覆性功能，甚至重塑产品形态。

如果你真的想 “持续创新，不断找到新的产品市场契合点”，就需要 “完全不同的组织运营和领导力模式”—— 这和我们之前聊的 “AI 时代的工作模式” 其实是相通的：既要 “有雄心壮志，带领组织向大目标迈进”，又要 “快速迭代、多做实验”。

我从这些经历里学到的 “元经验” 是：不要盲目相信 “具体建议”—— 比如 “按这个方式规模化”“雇这类有经验的管理者”。这些建议有一定道理（提建议的人不是外行），某些场景下也确实适用，但关键是 “每个人的前提条件不同”—— 我们就像各自训练的 “语言模型（LMS）”，有不同的 “训练数据”：有人的经验来自 ServiceNow 或 Oracle，有人来自 Facebook，我的经验来自 Airtable。

我的做法是：不忽视聪明人的建议，但要 “深究建议背后的逻辑”—— 就像现在的推理模型能 “展示思考链” 一样，要搞清楚 “他为什么这么建议”。比如有人会说 “我们公司取消了 PM 岗位”，Brian 在爱彼迎也这么做过（不再设传统 PM，换成项目经理和产品营销），但更重要的是 “他为什么这么做”—— 这个 “为什么” 比 “取消 PM” 这个具体决策更有价值。因为 “取消 PM” 不是普适方案，但若能理解 “背后的逻辑”，就能结合自己的情况调整，得出适合自己的结论。

Lenny：很有意思的是，“创始人模式” 和你说的 “AI 时代工作模式” 其实很像 —— 都需要 “深入细节、亲自动手、不盲目放权给高管”。

Howie Liu：没错。但要注意 “过犹不及”——“深入细节” 不等于 “事无巨细地 micromanage（微观管理）”，那不是 Brian 说的 “创始人模式”，也不是 “不信任团队”。

Lenny：如果能回到十年前，你想对当时的自己说句什么话，帮自己减少过去十年的痛苦和遗憾?

Howie Liu：“别放弃你热爱的那些细节”。首先，如果你热爱的是 “做产品、做产品设计”，就算公司需要做 “规模化推广”“搭建运营体系”“管理庞大团队” 这些事，就算这些事会占用很多精力，也别丢掉 “你真正热爱的核心”—— 正是这些事让产品从 0 到 1，让公司找到 “神奇的产品市场契合点”。

就算要承担其他责任，也要确保 “热爱的事” 始终是你的优先级。很多人没意识到：创业时满怀热情地启动项目，等项目发展起来，可能会被迫走向 “自己不那么感兴趣的方向”。所以 “记住初心、回归热爱” 特别重要，这是能长期坚持下去的唯一动力。

但在我看来，最优秀的 “产品驱动型公司”，管理者一定是 “真正热爱产品的人”。比如 AI 领域的 Sam（OpenAI CEO），他是真的喜欢研究 AI—— 如果能把 100% 的时间花在 AI 和相关研究上，他肯定愿意，而且他自己也这么说过。再比如 Airbnb 的 Brian，很明显他们创办 Airbnb 不是因为 “想靠‘酒店套利’赚大钱”，最初只是为了交房租。但更重要的是，他们热爱 “做产品”，也热爱 “用设计驱动产品和公司文化”—— 正是这种热爱，让他们能在同一家公司长期深耕，始终保持热情。

参考链接：

https://www.youtube.com/watch?v=GT0jtVjRy2E

https://orangeowl.marketing/unicorn-chronicles/airtable-success-story-2/