别再规划 2027：OpenAI 如何按 90 天节奏做产品 | Tara Sesha 与 Nan Yu

访谈从一个刻意承认不完美的界面选择开始：用开关区分 AI 产品的两种模式。Tara Sesha 描述自己如何从事先反复打磨的习惯，转向先让用户用上有价值的能力，再从实际使用中学习。

这并不意味着可以取消质量要求。她关心产品是否增加真实用途、内部发布后同事是否继续使用，以及是否打开了有价值的新场景，但没有给出统一的留存数字门槛。Nan Yu 则补充，用户如果能够理解产品演进的连贯故事，就更容易接受变化。

Sesha 多次提到，在快速变化的模型之上做产品，理想视野大约是两到三个月。只为今天建设，产品可能很快落后；对几年后的情况作过于具体的假设，又容易犯另一类错误。她甚至保留了一份自己预测失误的记录。

标题里的“90 天”需要放在这个背景下理解。嘉宾明确拿支付业务作对照：某些市场动力相对稳定，就可能适合更长期的计划。这是在特定变化速度下作判断的方法，不是禁止所有企业做年度规划，也不是对未来模型能力的保证。

Yu 认为，一个重要约束是用户能否理解并吸收产品提供的东西。模型可能已经具备有用能力，用户却没有发现，也不知道该如何应用。仅仅继续增加功能，并不会自动填平这个缺口。

Sesha 同时指出另一面的压力：企业客户可能已经被变化淹没，但迟迟不交付重要能力，也会让他们错过需要的价值。不能据此认定所有要求放慢的声音都不值得听。产品仍要帮助用户形成可用的心智模型，同时真正交付新的工作方式。

主持人问，用户应该面对一个通用智能体，还是多个专门身份？Yu 首先考虑同时管理大量工作线程的负担：人们可能自然地把活动归拢到一个协调入口之后。

Sesha 则把设计拉回具体用途：某次行动使用个人凭据，还是服务账号？智能体进入私密频道时，能带入哪些记忆？界面如何让用户理解这些区别？一个友好的统一身份不会消除这些架构选择，多个有名字的智能体也不会自动解决它们。

谈到平台时，嘉宾区分了原生功能、供其他应用接入的接口，以及计算机操作等后备交互。目标是围绕用户任务组合这些层次，而不是把每个功能都归结为必须在平台内或平台外的二选一。

Yu 特别强调，智能体几乎做完却卡在最后一步，会造成强烈的落差。按照这段讨论，计算机操作的吸引力在于它可能补上缺失的集成，即使耗时或 token 成本更高。但访谈中“总能完成”的热情表达并不是经过测量的可靠性保证，任务是否完成仍需检查。

Sesha 说，与研究团队合作，需要不同于与工程团队合作的方法。产品人员能提供的价值，首先是精确的用户目标、对实际交互过程的阅读，以及模型究竟在哪里没有达到预期。

她描述自己如何学习编写评测，并展示哪些提示或技能已经能引出目标行为，让后训练团队进一步研究能否把能力更直接地融入模型。这不意味着每个演示流程都能轻易训练进去，而是说明细致的证据为何比抽象的功能愿望更便于行动。

嘉宾保留了熟悉的产品能力：用户同理心、系统思考，以及对细节的关注；同时要求更快地完成实证反馈循环。Yu 认为，当用户面对智能系统和空白输入框，却不知道下一步做什么时，引导比以往更加重要。

Sesha 强调隐私、数据使用方式，以及用户能够理解的产品规范。半自主行为让“接下来可能发生什么”尤其需要可预期。直接接触用户很有帮助，但有效反馈往往需要继续追问确切输出和上下文，而不是停在第一句笼统抱怨。

访谈结尾，Sesha 看好语音作为更自然的交互入口，Yu 则设想产品能温和地引导用户使用自己，而不是留下一个空白输入框。主持人另外提出了硬件方面的预测。

这些是录制时对未来体验的期待，不是已经宣布的交付日期，也不能据此认定预测已经实现。它们最终回到同一个产品问题：不断增强的能力，怎样才能变成用户理解并真正用起来的东西？