Grayson ViewsGrayson Views
AppAI
繁中简中
隱私條款
登入
  1. AppAI
  2. ›網站
  3. ›Grayson Views
  4. ›被 AI 逼著越做越多?Gemini 產品負責人 Tulsee Doshi:真正讓團隊燒乾的,是瑣事和一再重來【AI原聲帶】
隱私權政策服務條款
AppAI

被 AI 逼著越做越多?Gemini 產品負責人 Tulsee Doshi:真正讓團隊燒乾的,是瑣事和一再重來【AI原聲帶】

11/13 · Lenny's Podcast · 33:53 · 來賓 Tulsee Doshi

看影片
在 YouTube 觀看

重點時刻

  1. 0:00做模型像石內卜的魔藥課
  2. 3:51Google 真的落後了嗎
  3. 7:20模型本身也有使用者體驗
  4. 8:52PM 回來了:品味、手感與第一份評測
  5. 14:34從 6 種膚色到 10 級膚色量表
  6. 16:40史丹佛閃電團隊與 Agent 協作
  7. 19:07六成兩成兩成:產品要超前模型多少
  8. 26:29過勞不是因為工時長
  9. 29:52對付 AI 垃圾文件:人給洞察,模型給數據

AI 讓人人都能寫程式,產品經理(PM)會被淘汰,還是變得更重要?Google DeepMind 前沿模型產品負責人 Tulsee Doshi 上 Lenny's Podcast,談到這幾件事:模型為什麼無法預測、Google 在 AI 競賽裡憑什麼跟 OpenAI 和 Anthropic 比、模型本身的使用者體驗(UX)、PM 要靠品味和評測(eval)、六成兩成兩成的產品超前法則,還有怎麼避免過勞和 AI 生成的垃圾文件。原片一共 59 分鐘,濃縮版 31 分鐘。

看完整影片

原片 Lenny's Podcast

▶ 0:00 做模型像石內卜的魔藥課

做模型,能像照規格寫程式一樣精準嗎?

  • Doshi 把做模型比喻成石內卜的魔藥學課:原料全放進去,還是會出現意料之外的魔法,所以 PM 要找出模型特別強的地方 ▶ 1:23

做模型像熬魔藥:配方再好,仍有驚喜

傳統產品做模型
先定好目標原料放好
照規格交付結果有驚喜
—驚喜各不相同

PM 要看產出、找出模型亮點

資料來源: Wikipedia

▶ 3:51 Google 真的落後了嗎

她怎麼回應?

  • 她說 Google 的策略是從硬體到終端產品的全棧整合,並提到 Google 有 14 款產品用戶超過十億(她也說這個數字要再確認) ▶ 4:47

Google 從硬體、模型到產品一手包辦

項目說明
硬體
模型Gemini 4
產品約14款破十億用戶

用不同模型服務各種使用者

▶ 7:20 模型本身也有使用者體驗

模型本身,也有使用者體驗嗎?

▶ 8:52 PM 回來了:品味、手感與第一份評測

人人都能寫程式之後,產品經理的價值在哪?

  • 她說 PM 的價值回來了:人人都能做軟體以後,品味和判斷什麼值得做變得更重要;第一份評測從 5 個提示詞開始就夠,大約 20 個就能看出模型差異 ▶ 10:11

人人都能做軟體,懂該做什麼的 PM 回來了

前陣子的想法現在
AI 讓誰都能做判斷值得做什麼
不需要 PM定義什麼叫好
—凝聚團隊共識

品味和洞見變得更值錢

▶ 14:34 從 6 種膚色到 10 級膚色量表

評測怎麼改變產品?

  • 她在負責任 AI 團隊時,把只有 6 種膚色、還偏向淺膚色的 Fitzpatrick 量表,換成哈佛 Monk 教授的 10 級膚色量表,用來改進 Pixel 相機和影像生成 ▶ 15:09

膚色評測從 6 種改成 Monk 的 10 種

Fitzpatrick 量表Monk 量表
只有 6 種膚色10 種膚色
為醫療而設計多年訪談研究
偏向淺膚色用在 Pixel 相機

▶ 16:40 史丹佛閃電團隊與 Agent 協作

十二年前的史丹佛研究,跟今天的 AI Agent 有什麼關係?

▶ 19:07 六成兩成兩成:產品要超前模型多少

產品該比模型超前多少?

  • 她提出六成兩成兩成的法則:六成功能現在就能用,兩成還不完美但快做到了,最後兩成押在下一代模型 ▶ 20:03

AI 產品六成現在能用,四成押未來

%

項目數值補充
現在就能用60原型要能動
堪用待升級20模型很快會追上
押注未來20已看到一絲曙光

六成現在、四成押

模型變強,產品跟著變神奇

▶ 26:29 過勞不是因為工時長

AI 讓人做得更多,團隊會不會累垮?

  • 她認為過勞不是工時長造成的,而是來自混亂和瑣碎雜務;AI 文件則是人負責洞察、模型負責整理數據 ▶ 27:58

▶ 29:52 對付 AI 垃圾文件:人給洞察,模型給數據

最後,滿天飛的 AI 文件該怎麼處理?

上線後的成效報告,最適合交給 AI 寫

項目說明
產品上線
兩週後想知道成效
AI撈數據儀表板與指標
看社群Twitter、Reddit
產出報告誰在用、回饋

洞見靠人,資料交給模型

來賓

Tulsee Doshi Google Gemini 產品負責人 帶領負責任 AI 產品六年

原片 頻道 Lenny's Podcast

本頁由剪片存檔自動產生

訂閱電子報