正在加载视频...
视频章节
前 Stripe、VS Code 团队成员 Kenneth Auchenberg 用短短一场演讲,反复强调一个看似朴素却极难做到的原则:产品的本质不是构想,而是尽快把东西交到真实的人手中。在 AI 时代,这个原则不仅没有过时,反而变得更加重要。
为什么“把东西交到人手里”永远是产品制胜法则
前 Stripe、VS Code 团队成员 Kenneth Auchenberg 用短短一场演讲,反复强调一个看似朴素却极难做到的原则:产品的本质不是构想,而是尽快把东西交到真实的人手中。在 AI 时代,这个原则不仅没有过时,反而变得更加重要。
一个被反复验证的原则:Shipping something to someone
为什么很多产品失败,并不是因为技术不够先进,而是因为它们从未真正被“交付”给某个人?Kenneth 在演讲一开始就抛出了他最核心的产品信条:“shipping something to someone always wins”。在他看来,做产品不是把想法打磨到完美,而是尽快把一个可用的东西交到具体的人手里。
这个原则并不新,但 Kenneth 特别强调,它在 AI 时代“比以往任何时候都更相关”。原因很简单:AI 极大降低了“做一个看起来很厉害的东西”的成本,却同时放大了“没人真正用”的风险。当生成代码、生成原型变得异常容易时,真正稀缺的反而是来自真实使用场景的反馈。
他反复提醒听众,不要把“产品构想”“技术实现”和“用户价值”混为一谈。只有当某个具体的人,真的用上了你做的东西,产品才开始存在。在此之前,一切都只是内部想象。这也是他后来所有方法论的出发点。
从滑板到汽车:迭代速度决定你能学到什么
快速迭代听起来像一句行业黑话,但 Kenneth 用一个极其经典的比喻把它讲清楚了:滑板与汽车。很多团队理解的迭代路径是“先造一辆不能开的汽车,慢慢加零件,最后变成一辆车”。而他认为,正确的方式是“先做一块滑板,再做踏板车,最后才是汽车”。
区别不在于终点,而在于学习速度。滑板虽然简单,但“真的能把人从 A 点带到 B 点”。这意味着你可以立刻获得真实用户的反馈:他们是否愿意用?哪里不顺手?什么地方是多余的?
Kenneth 指出,这种方式本质上是在压缩反馈回路。他在演讲中提到 OODA loop(Observe-Orient-Decide-Act,一种源自军事领域的快速决策反馈循环),并强调产品团队的竞争力,往往取决于“你能把这个循环跑得多快”。不是谁想得更远,而是谁学得更快。
Stripe 的实践:在写代码前,先写“发布说明”
抽象原则之所以有说服力,是因为它们被反复实践过。Kenneth 分享了他在 Stripe 工作时的一些具体做法,其中最反直觉的一点是:在写原型、写代码之前,团队往往先写发布说明(launch blog 或 PRD)。
这样做的目的,不是文档本身,而是“强迫你把事情说清楚”。当你要对外发布时,就必须回答几个无法回避的问题:这是给谁用的?他们现在为什么需要?这个版本到底解决了什么问题?Kenneth 说,这会迫使团队写下“非常具体的东西”,而不是停留在模糊的愿景里。
另一个重要经验是,不要过早让法律、合规、流程成为产品形态的主导力量。他并不是否认这些约束的必要性,而是强调:它们不应该在最早阶段“塑形”产品。真正的形状,应该来自一轮又一轮真实使用后的调整。
和真实的人在一起,而不是和假想用户对话
在演讲后半段,Kenneth 多次提到“高质量反馈”这个词。但他对高质量的定义非常具体:来自你认识的、你可以持续跟进的真实用户。他建议团队成员去“shadow”用户——看着他们如何使用产品,而不是只看数据仪表盘。
这种做法的价值在于,它能让你看到用户真实的犹豫、困惑和绕路行为。很多改进点,并不会出现在问卷或统计指标中,而是藏在用户的一次停顿、一次误点里。Kenneth 认为,真正优秀的产品,是在这些细节中被“磨”出来的。
当话题转向 AI 是否会改变产品工作的本质时,他给出了一个相对冷静的判断:工具变了,但工作没有变。“成本降低了,但责任没有。”AI 让构建更快,但“决定该构建什么、以及是否真的交付给人”,仍然是产品和工程团队的核心职责。
总结
回到演讲标题,Kenneth 想传达的信息其实异常简单:无论技术如何演进,把东西交到某个人手里,永远是赢的那一方。在 AI 让一切看起来都唾手可得的时代,这种朴素原则反而更难坚持。对每一位产品、工程或创业者来说,真正值得反复追问的,不是“我们还能不能做得更复杂”,而是“现在有没有一个人,真的在用我们做的东西”。
关键词: 产品迭代, 用户反馈, AI时代, Stripe经验, 快速交付
事实核查备注: 视频演讲者:Kenneth Auchenberg;核心原则原话:"shipping something to someone always wins";比喻:滑板到汽车;方法论:OODA loop;公司经历:Stripe;观点:AI 不改变产品工作的本质,只降低构建成本。