来源：市场资讯
（来源：图灵人工智能）
单击上方“图灵人工智能”，选择“星标”公众号
您想知道的人工智能干货，第一时间送达
本文内容整理自Netflix CPTO Elizabeth Stone在Lenny's Podcast频道的专访，公开发表于2026年07月19日。原始内容参考：https://www.youtube.com/watch?v=t0GiTyz4syY
内容提要: 伊丽莎白·斯通在 Lenny’s Podcast 的专访：为何 AI 时代 Netflix 更看重“系统思维”而非单纯的专家技能
内容提要：在 AI 极速重构工作流的当下，Netflix 首席产品与技术官伊丽莎白·斯通提出了多个极具启发性的观点：
技能的价值重构：在AI时代，单纯的“单点专家”价值正在稀释，能洞察全局的“系统思考者”将成为核心稀缺人才。
AI 认知的去层级化： Netflix 不再将 AI 能力视为某个职位的“进阶技能”，而是将其定义为全体员工必须具备的“通用素养”。
反常识的卓越观：所谓的“卓越”并非单靠个人努力，而是一种必须植入组织内部的“操作系统”。
管理 AI 输出的洪水：在AI内容泛滥的环境下，企业竞争的核心不再是产量，而是如何在高频输出中筛选出真正具备“信号”的高质量决策。
拒绝职能僵化： 探讨了 AI 对传统职能的冲击，并对未来如何通过“AI 赋能创作”重塑娱乐产业边界提出了预判。
AI时代的震荡期与角色重塑：每一项变革性技术在成熟前都会经历震荡期，AI的出现并非要取代职能分工，而是要求团队更加深思熟虑。产品经理、设计师和工程师的角色流动性增加，但核心职能的“卓越工艺”依然不可替代，且人类需承担最终的问责制。
卓越作为操作系统：真正的“卓越”是一种操作系统，而非仅仅依赖流程。通过极高的人才密度、赋予自主权和问责制，信任员工能基于背景信息做出最佳决策，这远比用繁文缛节进行微观管理更高效。
系统思维的战略价值： 随着构建者增多，依赖“部落知识”已不可行。具备系统思维的人才能纵观业务全局，抽象提炼出核心基础能力（如统一标准化路径、核心构建模块），从而在AI时代支撑更大规模的创新。
AI素养与职业进阶： 公司不再简单要求掌握某种编程语言，而是强调AI素养——即对技术的深度认知、对实验的开放态度，以及在决策中运用AI辅助信息提炼和建模的能力。这种素养是所有职级人员必须坚守的底线。
专家价值的变迁： 极度狭窄、深度专业化的人才需求正在减少，而具备跨职能适应能力、能快速学习并探索新方法的“通才型专家”更受欢迎。重要的是拥有创新思维，而非死守旧工具。
培养系统思维的“小窍门”： 在解决任何具体问题时，应习惯性地往宏观层面退一步思考：我对更广阔背景的假设是什么？这项功能是否能成为具备扩展性的能力？我的工作如何帮助经理更好地开展整体业务？
创作者赋能与人性内核： 娱乐内容的未来必然是人类与AI的协作。AI是强大的杠杆，能辅助预可视化、后期特效及语言本地化，但故事创作的核心依然是人性，观众永远会被人类演绎的真实情感所打动。
抵制流程诱惑：当事情进展不顺时，最忌讳的本能反应是“增加流程”。真正能驱动卓越的做法是信任人才，通过无指责的复盘会来分享经验教训，让团队从不适感中自我进化，而不是用检查清单锁死创新空间。
内容简介
伊丽莎白·斯通是Netflix的首席产品与技术官（CPTO），负责统筹工程、产品和设计团队。自两年前首次做客本播客以来——那期节目在一年多的时间里一直是我播放量第二高的节目——除了工程之外，她又扩大了职责范围，开始领导产品业务。在加入Netflix之前，伊丽莎白曾是Lyft的科学副总裁、Nuna的首席运营官、Analysis Group的经济学家，以及美林证券的交易员。
在这次深度访谈中，我们讨论了：
为什么“系统思维”是她目前最看重的技能
如何在不损失质量或信号的情况下，应对AI生成内容的洪流
Netflix如何将AI素养视为一种普遍期望，而非特定层级的技能
“卓越作为操作系统”意味着什么
访谈全文
主持人Lenny： 现在每个人都能身兼数职。产品经理可以提交代码，设计师可以撰写PRD，工程师可以承担产品工作，随之而来的是一种困惑和挫败感：我的本职工作到底是什么？
伊丽莎白·斯通： 每当一项新技术出现，在事物进入成型阶段之前，都要经历一个震荡阶段。我们现在正处于这个阶段之中。但我绝不认为这意味着我们应该把AI重新关进盒子里，说“我们别用它了”。
主持人Lenny： 如果我们都成了构建者，我们还需要单独的职能划分吗？
伊丽莎白·斯通： 我依然认为卓越的工匠精神非常重要，而且这种需求短期内不会消失。我依然发现优秀的工程人才很稀缺，优秀的数据科学人才很稀缺，卓越的创意人才同样很稀缺。
主持人Lenny： 看看Netflix早期的文化手册，高度的能动性、自主权，以及提供市场最高薪酬，这些都是我现在从顶级AI实验室的运作模式中不断听到的理念。
伊丽莎白·斯通： Netflix的文化始终将卓越作为其操作系统。它抵制许多大公司会做的那些平庸之事，并且往往能在这种不适感中安然处之。
主持人Lenny： 实现这些需要什么要素？
伊丽莎白·斯通： 人才密度是不可妥协的底线，要对冒险保持高度的适应力。在事情进展不顺时，不要想当然地认为靠流程就能解决问题。
主持人Lenny： 在这个AI时代，你们为职业发展阶梯增加了哪些新内容？
伊丽莎白·斯通： 我们需要更多具备系统思维的人，他们能够纵观所有业务领域，并将其抽象提炼为：这就是我们需要的核心模块。
主持人Lenny： 人们如何学习这种能力？
伊丽莎白·斯通： 有个小窍门，在解决每一个问题时，往宏观层面多想一步：我对更广阔领域的基本假设是什么？
主持人Lenny： 今天，我的嘉宾是Netflix产品与技术官伊丽莎白·斯通。这是伊丽莎白第二次做客本播客。她第一次来的时候还只是首席技术官，那期节目在很长一段时间里都是本播客最受欢迎的节目之一。您很快就会明白原因。
这场对话之所以极其精彩，是因为两年半前我们交谈时，AI才刚刚崭露头角。作为长期负责工程、产品和数据科学的高管，伊丽莎白对事物的发展方向以及什么值得关注有着非常独特的视角。
在加入Netflix之前，伊丽莎白曾任Lyft科学副总裁、Nuna首席运营官、Analysis Group经济学家以及美林证券交易员。
AI与角色困惑：成型阶段前的震荡期
伊丽莎白，非常感谢你的到来。欢迎再次做客播客。
伊丽莎白·斯通： 谢谢。我很荣幸能做客这里。从第一次到现在的第二次。
主持人Lenny： 没错。这对我来说真是难得的待遇。不知道你是否知道，你第一次做客播客时，那期节目最终成了我播客中第二受欢迎的节目。在很长一段时间里，你紧挨着布莱恩·切斯基排在第二位。
伊丽莎白·斯通： 我感到既惊喜又有一点点好胜心，想着怎么才能冲到第一名，不过我现在先把这念头放一边。
布莱恩确实太优秀了，所以我就不争了。
主持人Lenny： 是的，他确实很厉害。然后就是现在各种顶尖的AI大咖纷纷登场，势头非常猛。到现在已经过去两年半了，发生了很多变化。最明显的就是AI。AI让人们能够实现一种状态：现在每个人似乎都能身兼数职。比如产品经理可以提交代码，设计师可以撰写PRD，工程师可以承担产品工作，所有人都成了全才。这次对话涉及多个层面。其中一个层面是，我听到很多人表达一种困惑和挫败感：我的本职工作到底是什么？作为产品经理或设计师，我到底要负责什么？你有过这样的体会吗？
伊丽莎白·斯通： 我在Netflix内部确实听到了这种声音。我认为，每当一项新技术出现，尤其是像生成式AI(Gen AI)这样具有变革性的技术，在事物进入成型阶段之前，都要经历一个震荡阶段。我认为我们现在正处于这个阶段之中。但这绝不意味着我们应该把AI重新关进盒子里，说“我们别用它了”，因为AI虽然让我们对角色的既有认知变得复杂，但我确实认为，这意味着我们必须更加深思熟虑：如何在降低成本的同时获取收益。
我认为人们正在尝试探索是一件好事，比如如何更快地开发创意、制作原型、编写初步代码来进行测试。我相信这并不意味着所有人都应该向生产环境提交代码，也不是说每个人都应该包揽所有工作。但我认为大家去探索可能性是件好事。
正如我之前提到的，产品和研发团队在一起的好处是，如果业务问题很明确，我认为人们扮演的角色存在一定流动性是完全可以的，也是很健康的。因为与其等待工程团队准备好去制作原型，产品和设计团队可以更快地推进，但他们仍然需要与工程合作伙伴一起思考：我们如何将其产品化？如何扩展规模？有哪些防护机制？所以我认为这并没有让职能专长变得过时，而是意味着团队必须更好地适应这种状态，也许这能帮助我们在某个方向上更快地推进。
从组织层面来看，我认为要让这一切更加连贯或减少挫败感，需要落实一些事情，这样才能让我们获益而非付出代价。这包括明确真实数据的来源、在向生产环境提交代码或进行重大更改前进行测试的防护机制。
思考在哪些情况下我们可以信任AI的输出，而在哪些情况下我们需要通过流程或审查来确保获得高质量的成果。并且要不断强调，人类仍然要对发生的事情负责。所以，可能是AI智能体写了代码，或者我在并非自己专业背景的情况下协助完成了分析，但这并不免除人们对所创造成果所应承担的责任。
投资一些核心基础设施和实践，并重申对成果的责任制和问责制，有助于在“可能实现的事情”和“实际应该做的事情”之间取得平衡。
过去两年半里角色发生了怎样的变化
主持人Lenny： 能请你再次做客播客真的很棒，因为我们在AI引发全球大规模变革之前就聊过。所以我们可以很好地探讨这一转变历程，回顾我们所经历的所有变化。
回到产品和工程团队的角色，我很好奇在过去两年半里，这些角色发生了多大的变化。如果考虑到产品、工程、设计、数据科学、用户研究，哪些角色变化最大？哪些角色变化最小？与两年半前相比，最大的不同是什么？
伊丽莎白·斯通： 你刚才提到了一些要点，我先重申一下，然后再作补充。我发现，与几年前相比，如今产品经理、设计师和数据科学家能够在产品开发生命周期中走得更远，而不需要工程团队一开始就冲在最前面扫清技术障碍。不过我对此持保留态度，因为正如我们刚才讨论的，如果突然涌现出成千上万个原型，却不是为了解决“对企业至关重要的问题”，那并非好事。
工程合作伙伴清楚我们正在解决什么问题，也明白设计师和产品经理会牵头初步塑造创意。但这绝不是闭门造车，也不是像往墙上扔意大利面看哪根能粘住那样盲目试错。当找对了问题，并以深思熟虑的方式推进，且各方对此达成共识时，我看到产品、设计和数据科学团队能更快地朝着“让假设变得可验证”的方向推进。这就涉及做原型、写代码。
我还发现另一个极具价值的方面：在Netflix的内部生态中，我们流转着海量信息。我们积累了数十年的实验数据，拥有来自消费者的洞察，还收到了业务各方利益相关者的反馈。这带来了一个真正的挑战：如何充分利用这些长期的知识和经验积累，将其应用于当前面临的问题，从而加快步伐，判断某条路径是否具有前景，或者我们是否已有相关经验可以借鉴利用。
AI在提炼信息方面非常强大，能够广泛收集各类资料并进行分析，直击核心，提供一些初步的洞察。我不会建议大家完全依赖它，但我认为它能让我们抢占先机。甚至在我自己的日常工作中，以前为了查资料发邮件打扰别人：“提醒我一下，我们哪年做过什么研究？当时的问题是什么？跑了什么测试？”现在我能几乎瞬间找到答案，然后形成自己的判断：“这是让我感兴趣的地方。”这样我就直接跳过了好几个步骤，直接去评估“这里有没有可落地的方案？”
这就是数据分析、建模和信息提炼。回到你最初的问题，我看到越来越多人开始这样做。现在，不再仅仅依赖那些待了20年、看过所有实验或知道去哪找数据的专家，产品和技术部门的各个职能都能更快地完成这些工作。
对我们来说，一个重大突破是，财务、内容和广告等业务部门的利益相关者也能做到这一点。然后他们可以带着初步假设回来，再与数据科学家和工程师进行深入合作。因此，在假设生成、原型制作和深入思考问题方面，我们正在加速推进，各职能部门也能以更灵活的方式开展工作。
但我依然看到比较优势的存在。数据科学家仍然是这方面的专家：我们能信任这些数据吗？我们的解读方式正确吗？在这里我们应该如何权衡数据与主观判断？
产品经理依然擅长提出这样的问题：我们是否真正准确地界定了问题本身，即这个问题是否值得解决？工程师依然掌握着“如何实现”的匠心。它如何扩展？高质量的标准是什么？基于我们的构建和部署方式，这会带来什么问题？
我依然能看到这些比较优势的核心价值。只是我们现在能够在许多原本会遇到阻碍的步骤上更流畅地推进。
职能部门会消亡吗？匠人专业主义的理由
主持人Lenny： 这里面的内容太有趣了。首先是你的最后一点。我一直在思考的一个问题是：如果大家都成了构建者，我们还需要独立的职能部门吗？现在AI领域有一种“技术人员”头衔的趋势，意思是“我们没有固定头衔，你可以是任何人，不必被框在某个特定类别里”。但你刚才表达的观点是，你认为我们会继续保留专业分工：产品人员、工程师、数据科学家、设计师。虽然他们会承担更多其他职能的工作，但这些特定专业背景和技能依然具有巨大价值。我的理解对吗？
伊丽莎白·斯通： 我依然认为在这些专业领域中，精湛的技艺至关重要，而且我认为这短期内不会消失，即便跨职能的工作界限变得更加灵活或模糊。
这又回到了我前面提到的：依然需要人类来确保我们所做的一切是合理的。我们要以最适合Netflix会员或业务利益相关者的方式解决正确的问题。
如果我和工程师、数据科学家或设计师交谈，没错，由于有了这些AI工具，他们现在掌握的“语言”比过去更多了，但在考虑技艺以及他们对“优秀”的定义时，依然有某些东西是不可替代的。我认为这在各个层面都适用。
Netflix招聘趋势：增加与减少的岗位
我依然发现优秀的工程师很稀缺，优秀的数据科学家很稀缺，出色的创意也很稀缺。所以是的，有些事情变得更容易了，但在我的观念里，这种稀缺性并未因此消除。
主持人Lenny： 你们有没有发现某些职能的招聘需求在增加，比如在工程、产品经理或设计等领域，整个“蛋糕”变大了，同时随着AI工具和大语言模型(LLM)的兴起，某些职能的需求却在减少？
伊丽莎白·斯通： 我不确定这是否完全对应具体的职能，但我可以告诉你我们目前看到且需要更多的是什么：在AI时代，我们需要更多具备系统思维的人才。这在不同职能中的表现略有不同，我可以举几个例子。
在Netflix的核心基础设施团队和中央工程部，长期以来让Netflix取得成功的因素之一是，面临特定业务问题的一线团队能够快速行动并交付成果。
他们往往觉得不需要依赖中央统一的标准化路径。他们自己搭建所需的技术栈来解决问题并产生影响。
但在AI时代，智能体跨多个系统运行并需要权威数据源，拥有首选的标准化路径变得更为重要。这些路径能最大化收益并设置必要的护栏，以确保我们产出高质量的工作。共享基础设施、统一的标准化路径、用一套核心能力一次性解决问题，变得愈发关键。
因此，我们正在招聘更多能够纵观所有业务领域，并将其抽象为“在AI时代我们需要哪些构建模块”的人才。这是一个视角，同时也有另一个视角：让Netflix走到今天的做法，无法让Netflix走向未来。我们必须建立更强大的基础设施，才能在未来快速前行。
这意味着工程师岗位画像更偏向分布式系统、基础设施以及系统思维，而不仅仅是本地业务专长。当然，我们依然有深耕个性化、广告和内容分发的人才。所以，对我们来说，更多是增加核心基础设施和系统思维的能力。
再以设计为例。
我们的体验设计团队正在制定模板，同样运用系统思维来定义Netflix优秀用户设计的标准，从而使更多人——包括非科班出身的设计师——能够开发出连贯且契合端到端会员体验的产品。我非常担心出现不同的设计语言或不同形式的用户交互，最终交付拼凑而成的“科学怪人”产品。
因此，我们在招聘设计师时，同样看重系统思维。我们如何思考模板、品牌表达以及什么是良好的用户体验？什么是Netflix的差异化独门秘方？现在设计团队中需要有更多人这样思考，而不是仅仅能帮我设计某个特定产品的特定功能。
所以，这就是一种退后一步审视全局的视角，我认为这在每一个职能部门都在发生。这要求现有团队重新调整技能，同时招聘具备这类专长的人才。
贯穿所有这一切的，是思维模式的转变。我们不会招聘那些对探索、尝试新事物不感兴趣的人，不会招聘那些无法面对诸多变化、无法适应模糊性的人，也不会招聘那些对我们工作方式和协作方式变得模糊感到不适的人。这对于Netflix现有员工和新加入我们团队的人都是一样适用的。至少在我从事这个领域的这段时间里，这种好奇心和创新思维变得前所未有地重要。
为什么系统思维是各个职能部门日益重要的核心技能
主持人Lenny： 关于系统思维这一块，它变得越来越重要的原因，是不是因为大家推进的速度太快，所以需要投资平台、框架和设计语言，基本上是“授人以渔”，让他们不被阻塞？还是有其他原因？
伊丽莎白·斯通： 我认为可能是因为速度。平台确实具有杠杆效应。总的来说，无论有没有人工智能，这都是一个机会，让平台帮助大多数团队完成80%的工作，这样他们就不必重复造轮子。我们在整个业务中押注了更多项目，试图构建更多东西，因此平台思维是非常好的。对于Netflix来说，将平台视为真正的关键赋能者，这种观念是相对近期才形成的。
在人工智能的世界里，还有搭建脚手架的意义。这不仅仅是追求更高的速度，而是有更多的人在做更多不同或全新的工作，就像我们刚才讨论的那样。随之而来的是风险：在这种情况下，你如何考虑访问权限和身份认证？如何考虑安全？如何考虑交付高质量的代码、设计和用户体验？因此，我认为如果让每个构建东西的人都必须自己去弄清楚“提醒一下，这里优秀的标准是什么，我应该记住哪些边界或护栏”，这是难以规模化扩展的。
我认为我们需要将这些标准编码到我们的既定路径和工作方式中。对于数据科学或分析领域，需要编码的是：这是权威数据源。这是如何解释它的方法。这是如何访问它的方法。这是如何处理或不处理它的指南，并且要对某些类型的数据保持谨慎。我认为，一个拥有数千人的组织不能再依赖经验主义，或者去满世界找那一个懂行的人。
所以这是人工智能出现之前就存在的挑战。在人工智能时代，这可能是一个更紧迫的挑战。我喜欢利用人工智能或任何新技术作为动力的想法，就像我们知道这是我们必须要做的工作。机不可失，现在正是全团队加大这方面投资的好时机。
主持人Lenny： 我在想，这变得更有价值的另一个原因是不是因为智能体现在可以做很多工作，给它们提供上下文、脚手架和设计语言，就能大大加快这一切。
伊丽莎白·斯通： 是的，Netflix的愿景之一是我们会有很多智能体参与完成工作，你需要能够在整个过程中进行推理并理清逻辑。
人类负责引导我们要解决什么问题，评估我们的产出是否具有影响力和高质量。但具体工作将由人类和智能体共同完成。
这带来了速度和收益，也带来了风险。我认为这很重要，特别是从工程的角度来看，我们需要弄清楚如何对其进行管理，既能让人们快速推进，又不会给公司带来过度的负面影响或风险。
设计流程已死？
主持人Lenny： 这直接呼应了Ginny Wen上播客时谈到的内容。她曾是Claude Code和Cowork的协同设计负责人，提出了“整个设计流程已死”的论点。她的核心观点是，根本没有时间做设计、走设计流程。相反，作为设计师，你只需要引导大家，指明方向并进行调整，同时在有空闲时思考宏观大局。
这感觉就像你在这里描述的，建立平台让人们快速推进，然后就没有时间去走具体新功能的设计流程了。
伊丽莎白·斯通： 对此我心情有些复杂，因为我们确实希望通过基础设施和系统思维，赋能更多人完成卓越的工作，并将出色的设计融入其中。为什么不抓住新技术提供的这个机会呢？
但对于我们最重要的优先事项，设计对于以正确的方式解决问题至关重要。所以我们仍然会为重要的设计工作留出时间。它可以推进得更快，设计师自己的工具箱里也有了更多的工具，因此他们能以更快的速度完成出色的工作，展示更多选项，更快地学习、迭代和测试。
但我认为，如果说设计和深度的设计专业知识与思维仅仅因为我们能更快地编写代码、更快地进行数据分析就被边缘化，那将是一个错误。我觉得，至少对于像Netflix这样的大规模消费级产品，我们会失去让Netflix如此卓越的要素之一，即产品、技术和设计将大量的复杂性隐藏起来，从而打造无缝的客户体验。
这种设计思维必须是其核心。所以工作本身的形式可能会有所不同，但我认为我们不会失去这种思维。
呈下降趋势的技能
主持人Lenny： 这是一个极好的对立观点。所以我听到的是呈上升趋势的技能和属性，比如系统思维，以及这种乐于拥抱变化、对即将到来的一切感到兴奋、不拘泥于固有方式的思维模式。那你发现哪些技能在呈下降趋势？哪些你曾经高度看重、现在却不再那么看重的东西？
伊丽莎白·斯通： 极度狭窄的深度专业化时代，我感觉已经接近尾声。我能举出我们仍然需要这种能力的例子，因为在某些行业或技术领域，世界上只有极少数人真正懂得其运作原理。我们团队中就有关于编码或我们的播放系统如何运作的例子，这些都是Netflix极具创新性和新颖性的领域。我仍然认为我们需要这些领域的专业从业者。
但总体而言，与五年或十年前相比，我认为我们的专家越来越少，而通才或多方向发展的人才越来越多。这种适应性可以跨越职能专长，也可以跨越不同类型的工程领域。
比如，我能否同时驾驭后端和前端系统？我能否凭借丰富的专业知识接入基础设施？我认为现在的思维模式必须是“我能快速学会这些”，这就回到了系统思维。所以我认为，专家们可以比过去更容易地学习掌握更广泛的工具。因此我们或许需要更少的纯专家，因为人才能够朝着那个方向成长。
坚持在狭窄的专业领域可能会让我担忧，那种在不同方向成长和探索的思维模式去哪儿了。我不想对自己的评估过于狭隘，但重要的是，即使是专业人士也应该有这种意识：我想尝试解决问题的新方法，而不是沿用过去的方式。
主持人Lenny： 当你提到专家时，你指的是像前端这样的吗？比如“我是前端工程师，而不是后端工程师或其他方向？”
伊丽莎白·斯通： 是的。
主持人Lenny： 是的，比如“我是数字支付专家”。
伊丽莎白·斯通： 我是支付领域的专家，也是广告市场设计专家，还精通工作室制作所使用的特定工具。因此，这些专才的领域专业知识是一大优势，前提是这个人愿意成长并拓展思维，去反思这是否依然是正确的工具，或是否还是思考该问题的正确方式。
所以我认为，从工程角度来看，技术栈各层级的专业性要求没那么高，而且这些工具不太可能一成不变，或者说它们往往带有很大的惯性(难以改变)。我们需要的是能够创新并构想出这些工具未来形态的人。因此，我们渴望更多这样的人才。
主持人Lenny： 太棒了。那么回到系统思维(Systems Thinking)这个话题，听到这里的人可能会想：好的，我得提升一下我的系统思维能力了。人们该如何培养这项技能呢？或者说，是不是只要长期做很多复杂的项目就行了？比如大家总是提到那本封面画着弹簧玩具的书——《系统之美》。人们究竟是如何学会这种思维的？
伊丽莎白·斯通： 有个小窍门。在尝试解决每个问题时，往宏观层面退一步思考：在解决这个问题时，我对更广阔的领域做了哪些想当然的假设？比如，我接到一个任务，要为Netflix的会员体验打造一项新功能。让我先停下来想一想，我们在此要解决的更大的消费者痛点是什么？这项功能将支持什么类型的内容？
我计划的构建方式，能否以合理的方式扩展到多种内容类型？或者，它能否成为一种能力，进而作为平台级功能提供给多个业务领域？随着我们的娱乐版图不断扩大，并致力于实现更个性化和沉浸式的体验，我用这项功能解决的消费者问题，会不会是Netflix未来最需要解决的核心消费者问题之一？
思考这些问题并不意味着你要贪大求全(boil the ocean)。你不需要去解决Netflix的整体战略问题，也不用去考虑我们在竞争中的相对定位。你只需要针对自己负责的事情，把正在解决的问题拉远视角，进行一番审视。
不过，不要在这种审视状态中停留太久，否则你会陷入停滞，无法取得实质性进展。但我认为，这有助于人们建立系统思维，并审视我们是否在用对终端消费者有意义的方式，去解决正确的问题。
主持人Lenny： 听你这么一说，我想到的另一个角度是：假设你是你的经理，他们会怎么看？不仅是局限于你所在团队的具体问题和KPI，而是从更宏观的全局视角去审视？
伊丽莎白·斯通： 多年来我收到过类似的建议，那就是：我能否在完成本职工作的同时，也帮助经理更好地开展工作？因此，如果我把所有直接负责的事情，从经理的视角重新思考——不仅限于产品和技术，还包括财务、内容以及业务的其他部分——我自然就会拉高视角，思考所有这些组成部分该如何协同整合，如何让整体大于部分之和。我认为这是一种非常有用的思维方式。
对于工程师来说，还要思考：我该如何为这些系统留下一个更完善的版本？我该如何打造出高质量且能为他人扩展使用的成果？这既包含了如何帮助经理，也包含了如何帮助同事，这正是我们部分工程原则的核心：做对整个大组织最有利的事，而不仅仅是对局部自己有利的事。
这也是系统思维的体现。因此，这不仅关乎资历深浅，更关乎我解决问题和构建系统时的视野广度：这对我的同事有帮助吗？我能否为我们未来的创新留下一套更强健的体系？
AI素养与Netflix职级体系的融合
主持人Lenny： 这个战术建议太棒了。从职业发展的角度来看，让经理的工作更轻松始终是个好策略。顺着这个话题往下聊，我知道你们最近刚刚引入了职级和晋升阶梯。这算是个新举措，以前并没有这些。那么顺着这条线索，在如今这个AI时代，你们在职级体系中增加了什么内容吗？有没有哪些是你们希望大家更加侧重、或者你们更加看重的能力？或者说，你们并没有修改职级体系和绩效标准吗？
伊丽莎白·斯通： 到目前为止，我们的做法是：不去试图具体阐明AI在每个职级上究竟如何改变这些期望，而是针对Netflix的所有人才、团队成员以及招聘人员，提出一个关于AI素养的总体愿景(overlay)。其具体表现形式会因职能而异，也会根据你在职业生涯中所处的阶段而有所不同——这可能取决于你的职级，或者你从事的角色类型和具体工作性质。
对AI素养的追求很难精确定义。它是指我具备实验思维吗？是指我清楚AI在哪些地方有用、哪些地方没用吗？还是指我已经实际使用AI构建过东西？我觉得，这种素养在职级体系中的体现以及我们的讨论方式，几乎每个季度、每个月甚至每天都在演变，因为技术本身的进步太快了。
因此，最实用的做法不是将其限定为特定职级或特定岗位的要求，而是鼓励所有人达到对AI素养的期望。这并不意味着为了技术而使用技术，而是在技术有用的地方去使用它，对此做出明智的判断，并保持开放的心态去探索和尝试新事物。这是所有岗位不可妥协的底线。在Netflix的最高管理层也是如此，我们也常说，即使日常本职工作不需要写代码，我们也必须对AI具备深厚的素养。
所以，情况已经发生了变化，这也体现在了我们的招聘实践中。我们在面试中更加从容地去探索候选人对AI或技术的看法，他们在日常或当前工作中使用了哪些工具？他们对变化和探索的接受度如何？甚至在代码面试等环节，我们当然允许候选人使用AI工具，因为这也将成为现在工作要求的一部分。这些是我们已经做出的转变，但我认为这个转变还远未结束，我们正处于转型的半途。
编程之外的AI应用案例
主持人Lenny： 我就顺着这个话题继续聊。显然，AI对编程具有变革性意义，它极大地释放了原型设计的潜力。在Netflix，是否还有其他产生了重大影响、但人们可能没有想到或没有意识到的AI应用案例？
伊丽莎白·斯通： 我想到了两个应用场景。第一个是数据分析、信息提炼和建模，也就是利用这些工具来全面掌握我们拥有的所有洞察，这和我之前提到的类似。我们做过哪些实验？针对某个问题我应该关注哪些指标？我们做过哪些消费者调研？这种方式不仅速度更快，质量也更高。
前提是你要验证结果是否有效，你需要和身边的数据科学家合作，确认使用的是唯一真实数据源。但这一直是个非常棒的应用，我个人也认为这是我最常使用这些工具的领域之一。因此，这已经超越了原型设计和编码，延伸到一般的分析思维，以及将数据转化为行动和洞察。
另一个应用在于业务的内容制作和创作部分，这里有很多应用场景。在生成式人工智能出现之前就已经如此了。机器学习和人工智能被深度应用于许多制作工具中。我们用它们来思考如何大规模制作宣传素材，如何进行字幕和配音的本地化。因此，生成式人工智能在创意构思方面的影响力实现了跃升。我们称之为预可视化，或者基本上就是在把演员带到片场开始实际制作之前，将创作者的愿景变为现实。
后期制作中有很多用例。最近我们收购了一家由本·阿弗莱克创立的公司Interpositive，他们构建了一系列模型和能力，让你在拍摄完成后，能够重新打光、重新构图、重新拍摄、修改对白。这些方式对提升内容质量有着非常显著的影响，同时依然由电影创作者主导，他们会说，我想尝试一些其他的东西来把这个愿景变为现实。这种影响极具前景。我们看到许多剧组都在利用不同的工具，其中一些是内部开发的，另一些是我们通过其他供应商提供的，用于这些内容创作场景。
接着，当我们思考内容如何呈现在产品中时，我提到了本地化、字幕和配音，还包括我们如何大规模制作高质量的预告片、图片和美术作品，从而帮助确保这些作品能在全球找到它们的受众。当考虑人工智能的影响时，这些都是巨大的杠杆。所以这再次远远超越了原型设计或编码，延伸到了创意用例中。你可以想象，就像它们适用于电影和电视的工作室制作一样，它们也同样适用于广告、营销、站外营销活动，这些都是我们正在探索的领域。
Netflix的AI历史
主持人Lenny： 你提到Netflix很早就开始应用人工智能和机器学习。年轻人可能不记得了，但你们当时举办了一个优化比赛，也就是Netflix大奖。这能举例说明你们在人工智能和机器学习领域起步有多早。我记得奖金是100万美元，用来稍微优化一下Netflix的排名算法，谁能优化得最多谁就赢。我认为获胜者将其优化了几个百分点左右。这在当时可是件大事，全球所有最聪明的人都参与进来了。而且这还举办了好几次，对吧？
伊丽莎白·斯通： 你算是替我把想说的都说了。当有人问及Netflix是如何思考人工智能时，我通常会借此提醒大家，这对我们来说并不新鲜，尤其是在个性化方面，它一直是为会员提供出色体验的核心。面对海量的内容，内容还在不断增加，这是我们面临的挑战之一。要让内容发现变得越来越容易，这也是Netflix面临的挑战之一，而使用人工智能和机器学习正是实现这一目标的方法。
你想在恰当的时刻为恰当的人推荐合适的作品。随着我们的片库越来越丰富，内容越来越广泛，不仅有电影和电视，还有游戏、直播和播客，这个问题就变得越来越难解决。个性化变得愈发重要，体验的质量也随之提升。因此，我们可以借鉴过去的经验，思考现在该如何解决这个问题。技术变得更加强大了，这让我们在明确待解问题、以及Netflix为会员解决这些问题的重要性方面，具备了先发优势。
同样，正如我之前提到的创意制作方面也是如此。人工智能和机器学习应用于视觉特效或语言本地化等领域已经有很长一段时间了。现在我们要问的是，当技术更加强大时，下一个时代会是什么样？在这两种情况下，最终都发挥了Netflix的优势，即将娱乐与科技相结合，确保我们始终领先一步，提供更优质的内容。
所以我很高兴这成为我们历史的一部分。它仍然是我们的优势，而且鉴于我们在丰富娱乐内容的同时还要保持出色体验所面临的巨大挑战，它必须继续成为我们的优势。
主持人Lenny： 是的。我很喜欢以前把它叫做机器学习，而谈到人工智能时，大家总是说，不，这不是人工智能，人工智能永远不会取得任何突破，这仅仅是机器学习。
伊丽莎白·斯通： 然后突然间，你把一切都称为人工智能，而其中一些其实只是机器学习。没错。这取决于当下流行的描述词汇，现在我们倾向于把它们全部统称为人工智能。
还有很多人工智能用例并非生成式用例。我们可以深入探讨所有具体的细节，但总的来说，我想Netflix正在广泛使用这些技术，并对未来的可能性充满热情，这应该不会让任何人感到惊讶。
对于Netflix的员工来说，有趣的一点是，如果你真的对技术在创意表达、消费级产品或基础设施方面的应用充满热情，我们恰好面临所有这些挑战，而人工智能正是解决这些问题的核心。
以卓越为操作系统
有一点不应忘记，即使Netflix不被贴上人工智能公司的标签，这也是事实。人工智能是我们非常乐于使用的一种工具，旨在实现这些出色的娱乐和科技成果。
主持人Lenny： 另一个非常有趣的地方是，请允许我继续称赞一下Netflix，如果你看看Netflix早期的文化手册，还有我们上次的对话，从中浮现出的核心理念包括极高的主观能动性。这在Netflix创立之初就是其核心基因。极高的主观能动性、自主权、极高的人才密度、彻底的自下而上的思考方式、超级快速的实验和发布，以及支付市场最高水平的薪酬。这正是所有AI实验室的常态，我现在经常听到顶尖AI实验室就是这么运作的。所以我们最终殊途同归，而这正是Netflix一直以来的做法。
伊丽莎白·斯通： 是的，在理解什么能让人才变得卓越这方面，Netflix确实有些先见之明。我常把Netflix文化的所有这些方面看作——这听起来可能有点极客——卓越即操作系统。因此，所有这些文化元素的终极目标并非其本身。并不是说我们要确保员工承担尽可能多的责任，也不是说我们不喜欢流程，所以就要确保完全没有流程。
相反，我们坚信，要达成卓越，就必须赋予员工极大的自主权和问责制，尽可能将决策权下放至组织深层，并招聘值得信任、具备良好判断力且能做出正确决策的优秀人才。
这最终会带来令人惊叹的成果，同时极大提升员工的动力和责任感。
这意味着团队中的每个人都能感受到自己被赋予了极大的权限，并对这里发生的一切承担重大责任。我个人也深有体会，当你知道自己承载着这般信任与责任时，你会渴望做到最好。
因此，Netflix的文化始终致力于追求卓越，这让人感觉顺理成章。当你拥有顶尖人才，并赋予他们发挥最佳水平的能力，而不是事必躬亲地微观管理或用繁文缛节淹没他们时，你实际上能获得好得多的成果。
所以我确实认为，新时代的公司正在领悟一些让我们感到非常熟悉的东西。而这并非易事，文化建设绝非一成不变。
随着公司规模扩大、所解决的问题类型发生变化，文化也需要成长与演进。但我们追求卓越的信念，以及相信顶尖人才需要能够发挥最佳水平，这一点始终未变，我认为这也是我们持续成功的独家秘诀。
卓越操作系统的支柱
主持人Lenny： 我非常喜欢这个概念。卓越即操作系统。这非常有系统思维的特点。
伊丽莎白·斯通： 没错，Lenny。
主持人Lenny： 那么，对于正在收听这期节目的所有人来说，大家都希望拥有“卓越即操作系统”，谁不想要呢？听听实现这一目标的具体要素会对大家有所帮助。第一，显然是极高的人才密度，只招聘最优秀的人。第二是问责制，本质上这就像是输入和输出。输入：优秀的人才、顶尖的人才，留住他们，让他们承担责任，赋予他们自主权。如果创始人正在听这期节目，并且想打造这样的卓越操作系统，你会如何概括其核心支柱呢？
伊丽莎白·斯通： 首先，人才密度是不可妥协的前提。你必须从这里起步。如果没有这一点，你就无法达到对组织各个层级的决策都充满信心的境界，也就无法让员工敢于冒险、快速创新。
这正是Netflix文化中卓越的重要组成部分，即对承担风险感到非常坦然。我们不会试图避免失败，而是努力在失败发生后迅速恢复。
我认为这有很多绝佳的例子。我们进军直播领域就是一个极好的例证，展现了坦然承担巨大风险的姿态，明知过程不会完美，但深知我们能快速学习并从中获益。看到团队如何攻坚克难，我从未如此为他们感到骄傲。所以，人才密度是基础。
你要对员工充满信心，相信他们会利用你提供的背景信息，凭借出色的判断力勇于承担风险，并全力以赴争取对企业最有利的成果。你必须非常明确，你所做的一切都是为了推动消费者和Netflix取得成功。也就是说，Netflix很重要，Netflix的会员很重要。这不是关于我个人的成功或个人偏好。因此，这种无私精神也是卓越操作系统的一部分。
此外，我还想说的是，有些事情对人类的天性来说确实有些反直觉。我可以举几个例子，说说需要坦然面对的情况。比如，肯定会有这样的时候：你看到别人做出某个决定，心里会想，嗯，换作是我会做不同的决定，这真的是最好的选择吗？
但我的工作，尤其是在Netflix的文化中，不是在每一种情况下都插手去推翻、否决或质疑别人的决定，特别是当事情无关紧要、不会造成严重后果时。要让员工自己做决定并从中学习，事后再进行复盘：结果如何？也许我错了。也许那个决定非常棒。
这与承担风险有关，也是帮助人们学会坦然做出自己的决定，尤其是当这些决定未必全都正确，且他们会从中汲取深刻教训时。我自己也有过这样的体会，我的老板和同事会对我说，这是你的决定。我可以提供意见，可以帮你头脑风暴，但最终决定权在你。
这并非自然而然就能做到的。当利害关系重大，当我对组织的行动负有责任感时，放手让别人去冒险可能会让人感到不安。我认为，这也意味着当事情进展不顺时（再举一个例子），不要想当然地认为增加流程就能解决问题。
如果说我在过去几年学到了什么，那就是当规划遇到困难时，我从未听人说过，我们找到了完美的规划方式，或者找到了完美的反馈、定级和薪酬评估流程。但每次遇到这种情况并增加更多流程时，我们只是耗费了更多时间，却没有得到更好的成果。
因此，这又是一件反直觉的事。我认为，当事情变得艰难复杂时，每个人的本能反应都是试图通过设置重重限制来简化问题，但这实际上违背了初衷，我们真正应该思考的是：有没有更具创意的方式进行规划、做出人事决策或确定优先级，从而真正带来更好的成果？
所以，这需要抵制许多大公司惯常做法的诱惑，并经常在这种不适感中保持坦然。
这是我在自己的角色中深切体会到的。我相信Netflix的很多人也有同感，因为我们总是尽量避免墨守成规。
主持人Lenny： 说起来容易，听起来也容易，但我完全明白你的意思。当有人搞砸了事情，你可能会想，好吧，哪里出错了？让我们制定一个流程来避免这种情况再次发生。而你的意思是，你必须抵制这种冲动，因为这会拖慢进度。最优秀的人才不想在充斥着各种检查清单、流程关卡和繁文缛节的地方工作。
伊丽莎白·斯通： 不，我认为最优秀的人才渴望知道将会有一场无指责的复盘，并且他们会感到强烈的个人责任感，从而自问：我该如何确保此类问题不再发生？不是通过增加流程，而是思考：我该如何分享这些经验教训？我该如何调整工作方式，以确保下次取得更好的结果？
当你信任员工，让他们去反思、学习和成长时，假以时日，你会收获更好的成果，并打造出一支更强大的团队。我认为这也是我们作为领导者的职责之一：你是在努力培养一支具备韧性、经得起考验且懂得如何产生巨大影响力的团队，而不是试图控制一切。
留任测试——以及为何它主要是一场积极的对话
主持人Lenny： 这是打造高人才密度团队的关键。这方面有两个层面，我想简要探讨一下：一是招聘，二是留任。您以“留任测试”而闻名，我们上次聊过这个话题。这对人们来说又是一件反直觉的事。想了解具体内容的听众可以去听第一期对话。但在过去几年里，这一做法有什么演变吗？留任测试这个理念依然是文化的核心吗？
伊丽莎白·斯通： 人们常常这样引用它：认为留任测试就是在你决定解雇某人、认为他们不适合该职位时进行的那种谈话。但它同样常用于探讨某位员工有多么出色、在岗位上表现得有多好。因为它的切入点可以是问我的某位直接下属，或者他们问我：“我在您的留任测试中表现如何？”
绝大多数情况下，我的回答是：我会拼尽全力留住你。让我来列举一些你做得非常出色的地方、你的优势所在，以及你产生巨大影响力的领域。这里是你可以做得更好的方向。因此，这是一场非常积极、能鼓舞人心的对话的开端。但问题的框架始终是：我通过留任测试了吗？
当然，也会遇到更棘手的情况，比如我在评估某人是否通过留任测试，或者他们主动来问我。说实话，最难说出口的话就是：“你目前没有通过测试。”在某些情况下，我认为他们可以达到要求，这就需要给予反馈并明确那些里程碑。而在另一些情况下，你只能说：我们已经付出了很大努力，但我看不到成功的希望。所以，它只是一个锚点和对话的切入点，而对话的方向可以有很多种。
我喜欢它的一点是，它有助于保持良好的反馈习惯，及时跟进工作进展，有时还能促使我们展开艰难的对话，而不是回避问题。
同时，为了留住优秀人才，你确实需要告诉他们“你做得很棒”。这是让人们感到被认可和重视的重要环节。所以，我不希望给人一种我们对此只有负面看法的印象。我认为这枚硬币也有其积极的一面。
主持人Lenny： 太棒了。为了向听众解释一下这是什么，免得他们去听一整期其他播客，我试着简要说明一下。这里的理念是，作为Netflix文化的一部分，当有员工向你汇报工作时，你应该始终思考一个问题：如果今天让我重新招聘，基于我对他们的了解，我还会录用这个人吗？如果答案是否定的，那我可能应该让他们离开。这一理念的目的是保持高标准，绝不将就，而不是想着“好吧，这个人已经在这儿了，我们就留着他们吧”。大致是这样理解的吧？
伊丽莎白·斯通： 是的，这可以算是一个推论。如果今天这个人来向我辞职，我会极力挽留他们吗？还是说，如果我的第一反应是松了一口气，觉得“是啊，换个人来做这个职位可能更好”，那就说明我应该早点采取行动，进行那场谈话。
主持人Lenny： 我非常喜欢。正如你所说，为了维持这一切，你必须做许多令人不适的事情。
伊丽莎白·斯通： 是的，留任测试就是其中之一。维持人才密度，对领导层“提供上下文而非控制”。我们常说要“高度协同但松散耦合”，这意味着采用轻量级的流程，也就是确保大家对优先事项有清晰认识并能执行的最少流程，这才是我们要解决的问题。所有这些都不是人类天性或大规模组织通常会做的事情。
在前沿AI实验室时代吸引顶尖人才
伊丽莎白·斯通： 因此，必须时刻保持警惕，努力维护那些让Netflix成为特别之处的特质。因为归根结底，正是工作本身和文化吸引了人才并留住了人才。我们需要以此来取得商业上的成功。
主持人Lenny： 这正是我想探讨的方向。为了让这一切运转，你需要吸引最优秀的人才。吸引顶尖人才一直都非常困难。而在如今这个资金四处流动、各类前沿AI实验室林立、竞争极其激烈的时代，这感觉更是难上加难。简直疯狂到了极点。您发现有什么有效的方法，能够说服顶尖人才依然选择加入Netflix，而不是去其他那些光鲜亮丽的地方？
伊丽莎白·斯通： 是的，我们在人才竞争上一直面临着激烈的局面。现在的感受可能更强烈，但我们团队中拥有顶尖人才。虽然这可能是理所当然的事，但我还是想大声说出来，因为我深信不疑。Netflix拥有极其出色的人才，无论是新入职的员工还是资深老员工。团队所做的工作总是令我印象深刻。所以我并不觉得我们受到了冲击，也不觉得其他公司把优秀的人都吸走了，因为我认为他们中的很多人其实就在Netflix。
确实，我们必须更明确地指出，相较于其他公司比如一些前沿实验室，什么样的人才更容易在Netflix蓬勃发展。
在Netflix，员工必须对技术应用充满热情，热衷于利用技术构建产品来解决一系列特定问题。你必须热爱娱乐业，热爱大规模的消费品业务，并热爱其全球化特质。有许多极其优秀的人才就热爱这个完美契合点。我就是其中之一，热衷于技术、产品与娱乐的结合。你要如何将这些元素融合在一起，创造出非凡的成果？你可以利用AI来实现，也可以利用其他技术和产品来实现。但这必须是一种能驱动你对Netflix众多岗位充满热情与兴奋的动力。
相反，如果你是被前沿模型公司正在做的一些基础性工作所激发，那固然有其激动人心之处，但那是另一类人才画像。那是另一种诉求，比如“这就是我想要深耕的问题领域”。但我认为，对那些对技术应用充满热情，并能将其与自己热爱且每天使用的事物（比如Netflix）联系起来的人，我们并不缺乏。
正是这一点每天让我充满动力，我认为也激励着许多团队成员。我们曾有过这样的交流：这是只有Netflix的人才能够做到的非凡之事，或者换作其他深度投入应用的行业也一样。我认为这非常鼓舞人心。
初级人才、专业精通与导师指导之问
主持人Lenny： 我想谈谈在当前这个我们正步入的AI世界中，我一直在思考的几个问题。首先是初级员工。感觉大家都在说，举个例子，你们正在招聘大量优秀的资深人士，他们已经证明了自己非常出色，人才密度高，门槛也高。同时，AI让做事变得太容易了，人们可能不再学习如何真正去做事。我在想初级工程师、初级产品经理、初级设计师的情况。新人们如何才能成长为这些优秀的资深人士呢？对此你有什么想法？你们还在招初级员工吗？如果初级员工不一定在学习，或者没有途径成长为资深员工，你们是怎么看待这个问题的？
伊丽莎白·斯通： 我们仍然在招聘初级员工，他们对我们的人才战略非常重要。我们依然有实习生项目，也有几年前新设立的校招项目。在几年前，我们在各个职能领域只招聘更有经验的人才。现在，我们直接从本科和研究生项目中招人，并且会继续这么做。所以，即使在AI让某些事情变得更容易的世界里——我们之前也讨论过这一点——心态和AI熟练度依然关键。根据我的经验，年轻人思想更开放，他们往往更习惯这些新的工作方式。对于像Netflix这样的公司，他们也非常熟悉娱乐行业正在发生的变化、消费者行为的变化，以及产品和技术如何影响他们所使用的产品。把这些特质带入我们的团队非常重要。因此，这不仅关乎你作为一个刚毕业的工程师是什么样的人，也关乎作为一个二十出头、对世界有极高价值视角且能从容应对世界变化的人，你具备怎样的特质。这就是为什么我说这是我们人才战略的重要组成部分。
至于说步入岗位后，用上了五年前或十年前不存在的AI工具。我想说，精通专业技能依然非常重要。回到团队成员的角度，我要对自己提交上线的代码质量负责，要对自己构建的产品质量负责，包括它的设计、用户体验等。这些责任都不会消失。
所以，如果考虑到团队中较初级或职业生涯早期的员工，我们同样需要投入大量精力去指导他们什么是优秀，如何使用这些工具，同时依然要对结果和产出质量负责。我前面也提到过，我发现精通工艺和追求卓越的人才依然稀缺。因此，我们必须确保把这些教给他们。
我认为，对于“如果我不像以前那样亲力亲为，该如何获得这些能力”这一担忧是合理的。但你依然要承担审查代码、测试代码、诊断问题、判断好产品长什么样的责任。我认为，能够评判什么是解决重要问题的优秀产品及其设计水准，这是一种非常稀缺的能力。所以我不认为工艺精通的重要性会消失。可能我们培养和发展人才的方式必须改变，因为工具不同了。
未来5到10年工程领域的发展走向
我可以向你保证，职业生涯早期的员工也会教我们这些老员工很多新东西。所以我认为这是双向的。
主持人Lenny： 你认为未来五年、十年工程领域会走向何方？你认为人们还需要理解代码吗？还是说会有一个抽象层覆盖在上面，你甚至不需要学习C、Java、Python或其他语言了？
伊丽莎白·斯通： 我认为用Python或C++等特定语言写代码，与理解代码、计算机系统、产品如何运行，这两者之间是有区别的。我认为后者不会消失。
因为如果我们完全信任智能体去掌握所有语言并编写所有代码，我们就无从知道原因所在，也无法判断它是好产品还是坏产品，或在未按预期运行时无从下手。正如我之前提到的，我们承担很多风险，快速试错，快速恢复。这要求我们理解这些系统是如何运作的。
我可能会用智能体来帮助我理解这些事物，帮助我更快地发现异常或故障并进行排查。但我仍然需要清楚地知道我们正在构建的是什么，它是如何运作的，这样我才能知道它好不好，以及该如何修复它。
我不知道，我只希望这不要消失，因为这关乎我们如何通过构建这些东西让世界变得更美好，而我认为这需要对我们所构建的东西有一定的理解。
主持人Lenny： 我听到的意思是，这很合理，你可能不需要亲自写代码，但必须理解代码以及正在发生的事情。不过，对于不亲自写代码的人来说，要真正内化这种理解，其实是难得多。
伊丽莎白·斯通： 我认为这正是目前学习曲线非常陡峭的原因之一。看看这些模型或智能体写出的一些代码，非常难以理解。就像是，我知道这带来了更好的性能，但我完全不知道为什么。如果这个东西出故障了，我也完全不知道该怎么修。
这让我感到不安。也许是因为我还处于学习曲线中，不知道该如何在那个世界里工作，我们需要什么样的测试、推理和理解才能对此感到安心。但乍一看，这显得非常陌生和令人不安。所以我认为，随着时间的推移，工程领域会不断演进，让大家适应这一点，熟练掌握它，并知道如何引导新技术、智能体和新功能，确保我们对产出结果非常满意。
主持人Lenny： 我不知道这该用什么比喻，工程领域在过去两年里的转变之快总是让我惊叹。这完全是另一番景象了。你以前只是坐在IDE里写代码，现在你只是在和智能体对话、审查代码、每天提交上百个PR。
伊丽莎白·斯通： 感觉工程变革的步伐在加速。但如果你看看过去10年或20年，你也会得出同样的结论。只是现在某些事物的运转速度更快了。我们很难理解过去几年里它发展得有多快，但事实并非毫无规律可循。
娱乐的未来：超越电影和电视
工程、数据科学或产品领域经历这样的重大转变，并不是什么完全陌生的事，就像电影制作的工作方式一样。如果你看看过去100年，由于技术和新工具的引入，它已经发生了难以置信的变化。只是感觉这个周期正在加速。
主持人Lenny： 好的，我想简单聊一下娱乐行业。我很好奇，在未来五年或十年里，娱乐行业会随时间发生怎样的变化。你知道，今天我们打开Netflix，看些剧集，看些视频。这种模式已经有一阵子没变了，就是那种“太棒了，我要一口气刷完那部剧”或者“我要看部电影”的感觉。我也刷TikTok，刷Instagram，看各种信息流。你认为五年后这会变得多么不同？我们体验娱乐的方式……
伊丽莎白·斯通： 我认为Netflix内部已经在发生改变，因为未来的娱乐绝不仅限于单一形态，甚至现在就已经多元化了。因此，我们之所以在内容上超越传统的电影和电视，部分原因是消费者期望在内容格式、设备种类以及一天的不同时间段都能获得更加丰富多样的体验。Netflix必须出色地满足这些期待，并希望随着时间的推移不断超越它们。
因此，当我们考虑增加移动端、电视端或云游戏(Cloud Games)、直播内容、播客，以及与更多目前在Netflix平台上的创作者合作时，所有这些都极大地拓展了娱乐的边界，而Netflix有能力去定义和扩展这一边界。这也提高了对我们的标准或期望，即我们如何为Netflix会员梳理和呈现这一切。
那么，我们该如何向您展示这段无缝的体验旅程呢？比如：我先是听了比尔·西蒙斯(Bill Simmons)的播客，接着看了《四分卫》(Quarterback)——因为我喜欢Netflix在传统影视领域提供的这类内容，然后再去玩最新的《FIFA》云游戏。我希望能在电视和手机上无缝切换，因为我现在可能在路上，我希望能在一天中的不同时刻都能发现和参与这些内容。这已经是我们正在Netflix构建的体验旅程，而且我认为随着时间的推移，它会变得越来越强大。
好莱坞的AI：Netflix赋能创作者的立场
因此，未来的娱乐形态绝不会是单一的，它必定更加个性化、更具沉浸感和互动性。它会让人觉得这是一个可以向四面八方探索的世界，全凭你当下的心之所向。 Netflix面临的挑战在于，我们必须让内容的发现和互动变得比现在轻松得多。我们拥有海量内容，但有时会让人感觉非常碎片化，特别是当你考虑到市面上所有的服务或产品时。我认为Netflix非常有优势，能够跨越娱乐、产品和技术领域来解决这个问题。
主持人Lenny： 显然，这其中的另一个核心要素就是AI。作为一个局外人，观察这种反差非常有趣：在科技界，大家对AI的态度是“我爱AI，它是未来，它是最棒的”；而在好莱坞，人们的态度却是“不，赶紧关掉它”。
伊丽莎白·斯通： 其实是一种混合状态，态度非常多样。在这个过程中，Netflix的角色是为创作者赋能(Creator Enablement)，让他们能够使用任何想要的工具，将自己的愿景变为现实。
有些创作者或电影制作人处于光谱的一端，他们会说：“绝对不行，拒绝AI。这不是我的制作方式。这与我的愿景不符。”没关系，我们同样会与这些创作者合作。
还有其他创作者——我想说这部分人的数量正在不断增加——他们非常有兴趣探索：“等等，这些生成式AI(Gen AI)工具能否让过去不可能的事情成为可能？我能否用一种全新的方式讲述故事？我能否让故事质量更高、更能引起观众共鸣？在构思如何呈现故事时，我能否做出更具创意的尝试？”我们也支持他们，同时也支持所有处于这两种态度之间的人。
我认为对我们来说，这是一个非常重要的立场。再次强调，娱乐不会是单一的形态，也不会只有一种格式。我认为既会有感觉十分传统的影视类型，也会有由才华横溢的创作者们打造的全新格式。
Netflix希望参与其中，这意味着我们在提供工具和合作方式上需要具备灵活性。我们要真正秉持赋能创作者的理念，而不是硬性规定“我们只采用这一种方式”。
主持人Lenny： 我认为人们会对AI内容的精良程度感到惊讶。比如斯宾塞·普拉特(Spencer Pratt)的视频，大家的反应都是：“哇，这太有趣了。”虽然很明显是AI生成的，但依然引人入胜。你认为我们会发展到那种地步吗？比如整部电视剧完全由AI制作，而且深受观众喜爱？
伊丽莎白·斯通： 我很难想象缺乏人类作为核心的娱乐形式。也就是说，人类在故事创作中不可或缺，我认为这是一种稀缺而宝贵的技能。讲故事与人性、与懂得如何触动人心是密不可分的。因此，我认为人类将永远是故事的核心或关键组成部分。
而且我认为，看着屏幕上那些缺乏人性的角色，对我来说吸引力大打折扣。讲故事的真正力量在于：看到另一个活生生的人，看他们如何演绎一个角色，或者如何将一种情感注入生命。 这是一种极其深刻的人性元素。AI能帮助我们将这些变为现实吗？它会在某些影视制作中，或者在塑造特定的视觉效果和质感方面发挥实质性作用吗？
肯定会，但我无法预见任何一种没有人类作为骨干的未来版本。
主持人Lenny： 有一句名言（虽然我认为被误传是萨尔曼·拉什迪(Salman Rushdie)说的），大意是：“当一个孩子出生时，他们首先需要食物、水和保护，紧接着，他们就会渴求‘给我讲个故事’。”
伊丽莎白·斯通： 自人类诞生之初，讲故事就一直是维系社区、社交网络以及人类情感与连接的关键纽带。所以我非常喜欢这样一个理念：技术能够放大这种力量，并以全新、奇特且激动人心的方式将其呈现出来。但如果要说讲故事不再以人性为核心，那就让人觉得一定缺失了灵魂。
主持人Lenny： 未来几年，我们肯定会见证一些极其疯狂的事物。
快问快答与最终寄语
伊丽莎白·斯通： 哦，那是毫无疑问的。而且其中很多内容肯定会非常有趣，我对此毫不怀疑。但我认为未来的可能性将非常广阔，Netflix需要站在塑造这一切并将其变为现实的核心位置，这正是我们的计划。
主持人Lenny： 太棒了。伊丽莎白，我们今天聊了很多。在进入令人兴奋的快问快答环节之前，您还有什么想分享的？有什么寄语想留给听众，或者想再次强调一下我们谈过的某些内容吗？
伊丽莎白·斯通： 这可能已经贯穿了我们整个的谈话，但我还是想强调：对于打造产品和娱乐来说，现在真的是一个激动人心的时代。我们谈到了技术和消费者的变化，以及娱乐本质的演变，我们正处在一个令人难以置信的高速创新期。
这正是我留在Netflix的原因。我觉得这是一个充满乐趣的地方。如果我不再次强调这一点，总觉得有些意犹未尽。
我还认为，作为一个行业，我们有时会花大量时间去讨论纯粹的技术或能力，结果难免只见树木不见森林。我们的初衷是打造人们热爱的卓越消费产品，创造人们钟情的精彩娱乐内容，让它成为他们生活中的最爱。
我不希望这个初衷被遗忘。当然，底层有令人惊叹的技术和产品作为支撑，但归根结底，真正最鼓舞人心的，始终是我们能为全世界的人们带来什么。
主持人Lenny： 顺带一提，现在出现了一种与过剩完全相反的现象，那就是新消费产品与消费体验的匮乏。几乎没有成功案例，差不多没有哪家消费者初创公司能取得成功。而人工智能让人感觉是其他领域破局的一个契机。我觉得Netflix是少数能够持续提供出色消费产品和业务的罕见公司之一。这样的公司真的寥寥无几。
伊丽莎白·斯通： 是的。
主持人Lenny： 那么，接下来我们进入非常令人期待的快问快答环节。我有五个问题要问你。你准备好了吗？
伊丽莎白·斯通： 好的，我准备好了。
主持人Lenny： 好吧。你最常向别人推荐的两三本书是什么？
伊丽莎白·斯通： 我得想几本和上次不同的书。不知道。我还是喜欢重温经典。所以我脑海中浮现的两本书是乔恩·克拉考尔的《进入空气稀薄地带》，以及迈克尔·刘易斯的《说谎者的扑克牌》。我曾在华尔街工作，喜欢通过这些书提醒大家很久以前的华尔街是什么样子。
主持人Lenny： 最近你非常喜欢的一部电影或电视剧是什么？这对在Netflix工作的人来说可能有点难回答，但我猜猜你会提什么。
伊丽莎白·斯通： 可选的名单很长。最近我看的是《格外明亮的生物》，这是在我妈妈的推荐下看的。这是一部非常感人的作品，真正展现了故事中动人的人性部分。
主持人Lenny： 你最近发现并非常喜爱的一款产品是什么？
伊丽莎白·斯通： 对我的健康和福祉至关重要，那就是Eight Sleep智能床垫。
主持人Lenny： 你在工作或生活中有没有一句经常想起的人生格言？
伊丽莎白·斯通： 我常常会回想起父母在我很小的时候灌输给我的道理。首先，每天都会发生美好的事情，去留意它，即使是在压力最大的时候。其次，最后5%的努力往往能起到决定性作用。
主持人Lenny： 这些太棒了，深深触动了我。最后一个问题。我对这个不太了解，但你提到要参加一个骑行活动。
伊丽莎白·斯通： 哦，对。
主持人Lenny： 跟我们说说是怎么回事吧。你要去做什么？
伊丽莎白·斯通： 我和我丈夫计划了一次旅行，在环法自行车赛最后一周期间沿着赛道骑行。环法赛事为期三周，最后一周有很多山地赛段。所以我们每天早上可以骑行部分路线，下午观看比赛。这可不是胆小鬼能玩的。所以我正在努力训练，以便能享受那些骑行。毕竟这应该是一次度假。
主持人Lenny： 我的天，我太喜欢这种度假方式了。
伊丽莎白·斯通： 我热爱骑行，热爱职业体育。能够亲身参与其中真的很有趣。
主持人Lenny： 那么这是比赛性质，还是你只是打算漫不经心地骑完整个赛程？
伊丽莎白·斯通： 如果漫不经心的话，我想我提过这在身心上都极具挑战性。这不是比赛，但我不想落在队伍最后。所以我必须保持足够的状态来跟上大家。
主持人Lenny： 哇。我太喜欢这种和你工作截然不同的体验了。
伊丽莎白·斯通： 这很好。这是一种很好的平衡，能让我走到户外，也给了我一些美好的新视角。所以我非常期待。
主持人Lenny： 伊丽莎白，你太棒了。最后两个问题。如果网友们想关注你，或者就刚才提到的任何内容进行联系，他们在网上哪里能找到你？听众又能如何帮到你呢？
伊丽莎白·斯通： 找到我以及了解我们一些工作的最好途径，其实是Netflix技术博客，我把一直在谈论的很多内容都发布在那里。我们努力在沟通方面做得更好，分享我们正在做的有趣工作。所以这通常是个很好的第一站。至于听众如何帮到我们，去体验我们推出的所有新东西。观看直播活动，玩游戏。在我们推出的名为Clips的手机端竖屏视频信息流中寻找乐趣，并给我们发送反馈。这样我们就能把它做得更好。其中很多东西对我们来说都是全新的从零到一(Zero to One)的尝试。所以我们希望尽可能快地达到卓越和完美的水平。
主持人Lenny： 我太喜欢这个作业了，就是去看Netflix，然后……
伊丽莎白·斯通： 你也可以看其他内容，告诉我们如何能做得更好，但我确实非常关注我们在Netflix如何才能做得更好。
主持人Lenny： 太棒了。我这就去，我这就去体验。伊丽莎白，非常感谢你来到这里，再次作客我们的节目。
伊丽莎白·斯通： 谢谢你们的邀请。
参考资料: https://www.youtube.com/watch?v=t0GiTyz4syY，公开发表于2026年07月19日
热门跟贴