毫无疑问，Netflix 是近十年来全球流媒体行业的定义者与领跑者。从 DVD 邮寄业务到长视频流媒体，再到如今的互动娱乐生态，它几乎在每一次技术范式转移（从互联网到移动互联网，再到 AI）中都成功完成了自我迭代，始终屹立不倒。

　　常有人问：Netflix 的护城河究竟是什么？ 是海量的内容库？还是卓越的推荐算法？

　　创始人对话｜Netflix 的文化密码：如何重写全球娱乐业？关于人才密度、混沌边缘管理和反常识思维！

　　在我看来，这些只是表象。Netflix 真正的核心壁垒，在于其极具反直觉的企业文化与组织机制。正是这套机制，让它能够在不确定性中保持敏捷，在规模扩张中维持创新活力。

　　在「探显家」，我们长期深耕于 CTV 的产品普及，解构业务的策略，分析企业财报等等。我们习惯于关注业务本身。但今天，我想邀请大家进一步追问：为什么是这家公司做成了这件事？

　　我希望我的读者们不仅能看到台前的光鲜与数据的起伏，更能洞察幕后的驱动力——即企业文化的构建与组织能力的进化。只有将视角从“事”延伸到“人”与“组织”，我们才能多维度地理解一家伟大企业的底层逻辑，从而在自身的实践中找到更深层的启示。

　　这次，Netflix 产品与技术官（CPTO）Elizabeth Stone 重返 Lenny’s Podcast 播客，为我们揭开了这家巨头在 AI 浪潮下的组织进化逻辑。她指出，AI 并未让专业职能消失，反而凸显了“系统思维”与“专业匠心”的稀缺性；她重申了“卓越作为操作系统”（Excellence as an Operating System）的文化内核，强调高人才密度与反流程化的管理哲学。

　　这场深度对话，提供了一个关于“如何构建一个能持续产出卓越产品的组织”的绝佳样本。毕竟，在 AI 重构一切的当下，决定企业终局的，往往不是单一的业务策略，而是背后的组织基因。

　　1、从“专才”到“系统思考者”：人才画像的重构

　　随着 GenAI 的爆发，Netflix 的人才战略正经历深刻重构。Elizabeth Stone 指出，AI 时代让“狭窄的深度专业化”日益局限，公司更倾向于招聘具备“系统思维”（Systems Thinking）的通才。

　　所谓系统思维，即跳出单一职能视角，审视整个业务生态。工程师不再仅关注代码效率，更需要思考其可扩展性及对基础设施的贡献；设计师则从界面设计者转变为“设计系统”的思考者，通过模板化赋能团队，确保产品体验的连贯性。在 AI Agent 处理琐碎任务的背景下，人类的核心价值在于抽象能力——从复杂需求中提炼通用逻辑与平台能力。

　　2、“卓越作为操作系统”：文化即筛选器

　　Netflix 将文化概括为“卓越作为操作系统”：以高人才密度为前提，以自主权与问责制为机制。AI 降低了执行门槛，却也带来了质量与风险挑战。Netflix 不依赖繁琐流程，而是依靠高素质人才的自我驱动与判断力，鼓励在清晰边界内大胆试错、快速复原。

　　为维持高密度人才环境，Netflix 坚持使用“留任测试”（Keeper Test）。管理者需自问：“若此人辞职，我会拼命挽留吗？” 若答案是否定的，即便表现合格也可能面临离职。在 AI 时代，这一标准未降反升，对员工的学习能力与适应意愿提出了更高要求。固守旧习、拒绝新工具者，将难以通过这一考验。

　　3、AI 素养 ：新的通用语言

　　面对 AI 冲击，Netflix 提出了覆盖全员的“AI 素养”（AI Fluency）期望。这并非要求人人成为算法专家，而是具备判断 AI 适用边界、利用其提升效率的智慧。

　　对于初级员工，AI 虽降低了入门门槛，但也带来了“知其然不知其所以然”的风险。因此，Netflix 依然强调技艺磨练，导师制重点转向评估 AI 产出、诊断系统问题及定义优秀体验。有趣的是，这种学习是双向的：年轻员工对新技术的直觉往往能反向指导资深员工，促进团队共同成长。

　　4、吸引顶尖人才：使命感的回归

　　在前沿 AI 实验室高薪挖角的当下，Netflix 依靠独特的“甜蜜点”保持吸引力：技术、产品与娱乐的深度融合。相比基础模型研究，Netflix 为人才提供了在大规模消费级产品中见证技术落地的舞台。在这里，AI 是优化推荐、提升制作效率、增强互动体验的实际工具，而非象牙塔里的实验品。

　　Elizabeth 坚信，尽管 GenAI 日益逼真，但人性共鸣始终是故事讲述的核心。Netflix 的使命是利用 AI 解决真正重要的问题，创造令人惊叹的娱乐体验。这种以用户价值为导向的使命感，构成了其在人才竞争中的核心壁垒。

　　综上所述，Netflix 的人才革新是在高绩效文化基础上的深化。它要求人才从执行者进化为系统思考者，从被动使用者进化为 AI 驾驭者。对于从业者而言，行动指南清晰可见：不与 AI 比拼细分技能的速度，而致力于培养跨领域系统视角与抽象能力。 唯有既能仰望星空思考宏观架构，又能脚踏实地确保输出质量的人，方能在“人人都是 builde”的新世界中，找到不可替代的位置。

　　以下是这场深度访谈的详细内容，探显家对此进行了编译与梳理。

　　AI 时代的角色重塑与职能边界

　　Lenny：今天，我的嘉宾是 Netflix 的产品与技术官（CPTO）Elizabeth Stone。这是 Elizabeth 第二次做客本播客。她第一次来访时还只是 CTO，那期节目在很长一段时间里都是本播客最受欢迎的单集之一。你很快就会明白为什么这次的对话如此精彩，因为在我们两年半前交谈时，AI 才刚刚崭露头角。作为长期的工程、产品和数据科学负责人，Elizabeth 对未来的发展趋势和值得关注的重点有着独特的视角。在加入 Netflix 之前，Elizabeth 曾担任 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。

　　Elizabeth：谢谢。我很荣幸能来到这里，而且是第二次。

　　Lenny：到现在已经过去两年半了，很多事情都发生了变化。显然，AI 让人们觉得自己似乎可以胜任任何角色。现在有一种观点认为，产品经理可以发布代码，设计师可以撰写 PRD，工程师可以做产品，每个人都是多面手。关于这个话题有几个层面，其中之一是我听到很多人表达了一种困惑和挫败感：我的工作到底是什么？作为产品经理或设计师，我到底该对什么负责？你有过类似的经历吗？

　　Elizabeth：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时，尤其是像 GenAI 这样具有变革性的技术，在事物进入“成型阶段”之前，都会经历一个“震荡磨合期”。我认为我们目前正处于这个阶段。但这并不意味着我们应该把 AI 重新束之高阁，并宣称不再使用它，仅仅因为它让我们对角色的固有认知变得复杂。但我确实认为，这意味着我们必须更深入地思考，如何在降低成本的同时获取技术带来的红利。

　　我认为人们正在尝试如何更快地发展创意、制作原型，并编写初始代码来进行测试，这是一件好事。那么这意味着任何人都应该直接将代码发布到生产环境吗？意味着每个人都应该包揽所有工作吗？可能并非如此，但我认为鼓励人们探索更多可能性这件事是大有裨益的。

　　正如我之前提到的，将产品与技术团队整合在一起的好处在于，如果业务问题清晰，我认为角色之间保持一定的流动性是合理且健康的。因为产品与设计团队无需等待工程团队准备好即可更快地推进原型制作。但他们仍应与工程伙伴共同思考：如何将其转化为成熟产品、如何扩展规模、需要设置哪些边界机制？因此，我认为这并不会让职能专业知识过时，而是意味着团队必须更从容地接受这种变化，或许它能帮助我们在特定方向上加速前进。

　　从组织层面来看，为了让这一切更连贯、减少挫败感，我们需要落实一些基础设施，以确保我们获得的是收益而非成本。这包括明确“单一事实来源”的数据，以及对代码发布到生产环境或测试环境的边界机制。

　　在进行重大变更之前，我们需要思考哪些场景可以信任 AI 的输出，哪些场景需要流程或审查机制来确保高质量的结果。同时，必须反复强调人类仍需对最终结果负责。即使代码是由 AI Agent 编写的，或者我在非专业背景下借助 AI 完成了分析，这并不能免除创造者应承担的责任。因此，我认为投资于这些核心基础设施和实践，并重申对结果的问责制与责任感，有助于在“技术能做什么”与“我们实际应该做什么”之间取得平衡。

　　超越代码：AI 在内容创作与分析中的深度应用

　　Lenny：我们上次的对话还是发生在 AI 成为全球性巨大变革之前，所以我们可以在此探索一个非常酷的演变轨迹，即我们所经历的转变，并重新审视产品和技术团队的角色。我很好奇这些角色在过去两年半里发生了多大变化。如果考虑产品、工程、设计、数据科学、用户研究，哪些角色变化最大，哪些变化最小？自两年半前以来，你认为最大的不同是什么？

　　Elizabeth：你提到了一些很重要的点，我会重申并在此基础上展开。我发现，与几年前相比，产品经理、设计师和数据科学家在产品开发生命周期中能够走得更远，而无需工程团队在前期介入来解锁各种限制。

　　我对此保持谨慎态度。正如我们之前讨论的，如果这些原型不能解决业务中的核心问题，那么突然涌现出数千个原型并非好事。工程团队需要明确我们正在解决的问题，并了解设计师和产品经理将牵头主导创意的初步构建。但这并不意味着在真空中闭门造车，也不是盲目试错。相反，当面对正确的问题，并以深思熟虑且目标对齐的方式去推进时，我看到产品设计和数据科学团队能够更快地朝着“验证假设的可测试性”这一方向迈进。这才是原型制作和代码编写的真正意义所在。

　　我观察到的另一个极具价值的方面，是 Netflix 内部沉淀了海量的信息资产。我们拥有数十年积累的实验数据、来自消费者的深刻洞察，以及跨业务线利益相关者的反馈。过去，如何从这庞大的知识宝库中萃取最大价值，并将其应用于当前问题——无论是判断路径的可行性，还是复用既有经验以加速推进——这一直是个巨大挑战。而 AI 在信息提炼、全域扫描、深度分析及核心洞察提取方面展现出强大能力。虽然我不建议完全依赖它，但将其作为起点，无疑能带来显著的“先发优势”。

　　我发现即使在我自己的日常工作中，我也不必再发邮件打扰别人问“提醒一下，我们哪年做过什么研究，问题是什么，运行了什么测试”，我现在几乎可以瞬间找到这些信息，然后形成我自己的判断。

　　我觉得有趣的是，我现在可以跳过中间环节，直接追问：这里有哪些可落地的实操建议？这正是数据分析、建模和信息提炼的价值所在。针对你最初的问题，我看到越来越多的人正在践行这一点。因此，这不再仅仅是那些在公司深耕 20 年、见证过所有实验并熟知数据出路的专家的“专利”。现在，我们在产品和技术领域，乃至跨所有职能，都能更高效地实现这一目标。对我们而言，一个巨大的突破在于，身处财务、内容和广告部门的业务利益相关者也能独立完成初步分析，并带着假设回来，与数据科学家和工程师展开更深入的协作。

　　因此，在假设生成、原型制作和深度问题思考方面，进程显然正在加速，各职能间的协作也变得更加流畅。但我依然能看到比较优势的存在：数据科学家仍是评估“数据可信度与解读准确性”的专家，并能精准判断何时应依赖数据、何时应诉诸直觉；产品经理则擅长审视“问题框架”，确保我们解决的是真正值得解决的核心痛点；而工程师依然掌握着关于“如何实现”的精湛技能——包括系统扩展性、高质量标准定义，以及预判构建与部署方式可能引发的潜在风险。因此，这些比较优势的核心价值并未消失，变化在于我们能够更流畅地跨越过去那些常设的阻碍环节。

　　Excellence as an OS：Netflix 的文化内核

　　Lenny：这里有很多有趣的内容。其中之一就是你提到的最后一点，这也是我一直在思考的。如果我们都成为 builders，我们还需要独立的职能部门吗？现在业界有一种‘去头衔化’的趋势，比如‘技术专员’角色日益流行。这意味着人们不再被严格限定在某个特定头衔或岗位里，而是可以更自由地定义自己的角色。你在这里表达的是，你相信我们将继续保留专业分工，如产品人员、工程师、数据科学家、设计师，尽管他们会承担更多其他职能的工作。这依然具有巨大价值。请确认我是否理解正确：你依然高度重视特定的专业学科、技能深度以及背景经验，对吗？

　　Elizabeth：我依然坚信，各学科中的专业匠心至关重要，且短期内不会消失，即便跨职能工作的边界正日益模糊。这回归到我之前的观点：我们仍需人类来确保决策的合理性，确保我们以最优方式解决 Netflix 会员及业务利益相关者面临的真正问题。诚然，得益于 AI 工具的赋能，工程师、数据科学家和设计师如今能驾驭更多的技术‘语言’（即掌握更多样的工具和技能），技能边界得以拓展。但在审视其专业素养及对“卓越”标准的定义时，仍存在不可取代的核心价值。这一规律适用于所有层级。事实上，顶尖的工程能力、数据科学洞察力与创造力依然稀缺。因此，尽管某些任务变得更为便捷，但专业价值的核心地位在我眼中并未动摇。

　　Lenny：你是否发现某些职能的招聘需求在增加？比如饼图在扩大，可能是工程、产品经理或设计。而在 AI 工具的加持下，哪些职能的需求在减少？

　　Elizabeth：虽然这不完全对应具体职能，但我可以告诉你，我们目前最紧缺的是具备系统思维的人才：在 AI 时代，我们需要更多具备系统思维的人，这种需求在不同职能中的表现形式略有不同。

　　我可以举几个例子。以 Netflix 的核心基础设施和中央工程团队为例，过去让我们取得成功的关键，在于那些直面具体业务问题的一线团队能够快速交付。他们过去往往认为无需遵循中央统一的‘铺平道路’（Paved Paths标准化最佳实践路径，这是 Netflix 的内部术语），而是自行构建所需的技术栈来解决问题并产生影响力。然而，在 AI 时代，Agents 需要在多个系统间协同运作，且极度依赖“单一事实来源”的数据。此时，建立首选的标准化路径以最大化收益、设置护栏机制以确保工作质量，就变得至关重要。通过通用基础设施和标准化流程，利用核心能力集一次性解决共性问题，其重要性日益凸显。

　　因此，我们正在招聘更多具备全局视野的人才，他们能够纵观所有业务领域，并将其抽象为“AI 时代所需的核心构建模块”。这不仅是一次视角的转变，更源于一个认知：

　　“成就 Netflix 现在的辉煌，未必能引领 Netflix 走向未来”。

　　为了在未来保持敏捷，我们必须构建更强大的基础设施。这意味着，工程人才的画像将更偏向于分布式系统、基础设施架构以及系统思维，而不再仅仅局限于局部业务专长。

　　当然，我们仍然有深耕个性化、广告和内容交付的人才。拥有这种核心基础设施和系统思维，对我们来说更多是一种补充。

　　以设计为例，我们的体验设计团队正在开发模板，并再次运用系统思维来定义“在 Netflix 什么是优秀的用户设计”，这极其重要。这样他们就能赋能更多人，包括那些未经设计培训的人，去开发连贯且符合端到端会员体验的产品。如果各团队使用不同的设计语言或交互模式，最终导致产品像‘弗兰肯斯坦’一样由各种碎片拼凑而成，我会感到非常不安。因此，我们需要招聘具备设计系统思维的设计师，思考我们该如何看待模板、品牌表达以及优秀用户体验的样貌。什么是 Netflix，什么是 Netflix 独特的差异化优势？因此，我们需要更多具备这种系统思维的设计师，而不仅仅是专注于执行单一产品功能的执行者。

　　因此，我认为这种退后一步审视全局的做法正在每一个职能中发生。这要求现有团队进行一定的技能重塑，并招聘具备此类专业知识的人才。贯穿这一切的，是一种思维模式的转变。我们不会招聘那些对探索新事物不感兴趣、无法适应变化且对模糊性感到不适的人。他们必须能够接受工作方式和合作模式的边界模糊。无论是对已经在 Netflix 的员工，还是我们新加入团队的成员，这种好奇心和创新思维都至关重要。至少在我从事这个领域的这段时间里，它从未像现在这样重要过。

　　Lenny：关于系统思维，它变得如此重要的原因，是因为人们行动太快，所以你需要投资于平台、框架和设计语言，本质上是为了‘授人以渔’，减少开发过程中的阻碍？还是另有原因？

　　Elizabeth：我认为原因可能确实是速度。平台确实具有杠杆效应。通常来说，无论是否有 AI，平台都能帮助大多数团队完成 80% 的工作，这样他们就不必重新发明那些构建模块。我们在整个业务中进行了更多尝试，试图构建更多东西。因此，平台思维是有益的，这也是 Netflix 相对较晚才开始深入思考并视为关键推动力的领域。

　　在 AI 世界中，还有一种“脚手架”的需求。不仅是速度更快，而且越来越多的人正在从事不同或全新的工作类型，正如我们所讨论的。这伴随着风险：在这种情况下，你该如何考虑访问权限和身份验证？该如何考虑安全性？该如何考虑发布高质量的代码、设计和用户体验？因此，如果让每个构建者都去自行摸索“这里的优秀标准是什么？我应该牢记哪些边界机制？” 我认为这种模式在规模化上是行不通的。

　　我认为我们需要将这些编码到我们的“铺平道路”和工作方式中。对于数据科学或分析领域，需要明确编码：这是单一事实来源的数据，这是解读方式，这是访问方式，这是应该做或不该做的事情，对某些类型的数据要保持谨慎。对于拥有数千名员工的组织而言，不能再依赖‘部落知识’（Tribal Knowledge，即仅存在于个别员工头脑中的隐性知识），不能指望每次都能找到那个‘唯一知情者’。这是 AI 出现前就存在的挑战，在 AI 时代可能变得更加紧迫。我喜欢利用 AI 或任何新技术来推动这一点的想法。就像我们早就知道这是我们需要做的工作。现在正是整个团队加大投资的最佳时机。

　　Lenny：我想知道，这变得更有价值的另一个原因，是否是因为 AI Agent，而给它们提供上下文、脚手架和设计语言，只会让这一切加速。

　　Elizabeth：是的，我们在 Netflix 的愿景之一是，我们将拥有大量协助工作的 AI Agents，你需要具备在整个流程中进行逻辑推理和合理性验证的能力。人类是指导“我们需要解决什么问题”的人。我是否认为我们产出的是有影响力且高质量的输出？工作将由人类和代理共同完成，这既创造了速度和收益，也带来了风险。我认为，尤其是从工程角度来看，弄清楚如何管理这种局面至关重要，既要让我们快速前进，又不会给公司带来不必要的负面影响或风险。

　　Lenny：这与之前做客播客的 Jenny Wang 的观点直接呼应。她曾是 Figma 的设计负责人，提出了“整个设计流程已死”的论点。她的核心观点是，现在没有时间走完整的设计流程，作为设计师，你更多是在引导人们、指明方向并进行调整。当你有时间时，再去思考宏观大局。这听起来与你描述的策略很相似：通过搭建平台赋能他人快速行动，从而省去针对每个新功能重复走完整个设计流程的时间。

　　Elizabeth：我对此心情复杂，因为我们确实希望通过基础设施和系统思维，赋能更多人做出包含强大设计元素的出色工作。但在处理最高优先级的任务时，我们为何不充分利用新技术带来的机遇呢？

　　设计对于以正确的方式解决问题至关重要。我们确实仍会为重要的设计工作留出时间。设计可以推进得更快，设计师自身拥有更多的工具，因此他们可以以更快的速度完成令人惊叹的工作，展示更多选项，并更快地学习、迭代和测试。但我认为，如果说设计和深度的设计思维被挤压出局，那将是一个错误。仅仅因为我们能更快地编写代码、更快地进行数据分析，就认为可以舍弃设计，对于像 Netflix 这样的大规模消费级产品来说，我觉得我们会失去一些东西。

　　Netflix 的伟大之处之一，在于通过产品、技术和设计的深度融合，将背后的复杂性隐藏起来，为用户创造出无缝流畅的体验。因此，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模式。（这跟 Apple 的产品哲学不谋而合）

　　人才战略：吸引、评估与培养新一代构建者

　　Lenny：这是一个非常棒的反驳观点。所以我听到的是，某些技能和特质正在呈上升趋势。你寻找的是系统思维，以及一种对变化和即将到来的事物感到舒适和兴奋，且不固步自封的心态。你发现什么正在呈下降趋势？你不再像过去那样看重什么？

　　Elizabeth：在我看来，那种极度垂直、深度细分的纯专家模式正逐渐显现出局限性。当然，仍有例外情况：在某些极具行业壁垒或技术深度的领域（如视频编码算法或播放系统底层架构），全球真正精通其运作机理的人才寥寥无几。对于 Netflix 而言，这些领域曾是我们创新的核心驱动力，因此我们依然需要这类顶尖的专项实践者。但就整体趋势而言，与五到十年前相比，纯粹的专家比例正在下降，取而代之的是更多具备多向适应力的通才。这种适应性不仅体现在跨职能的专业知识融合上，也体现在跨越不同工程领域（如从前端到后端，或从应用层到基础设施）的灵活切换能力上。

　　所以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？我认为现在的心态必须是：我能快速学会它。

　　这又回到了系统思维。我认为，与过去相比，专家现在可以更容易地学习掌握更广泛的工具。我们可能需要更少的纯粹的专家，也许是因为人才能够向那个方向成长。

　　固守狭窄的专业领域，往往让我担心其缺乏‘向多元方向成长’的动力，这容易让人陷入思维定势甚至感到乏味。即使在我自己的评估中，我也不想过于狭隘。但关键在于，即便是专家，也应保持一种自觉：‘我要尝试用新方法解决老问题，而非简单沿袭过往经验。

　　Lenny：当你提到专家时，你是指像前端工程师与后端工程师的区别吗？

　　Elizabeth：没错，也可以指特定领域的专业知识。举个例子，有人是支付领域的专家，有人是广告市场设计专家，还有人精通工作室制作使用的某种特定工具。只要这个人愿意成长并拓展思维，思考“这真的是正确的工具或解决问题的正确方式吗？”，他们的专业知识和主题专长就是一种优势。

　　因此，我认为从工程角度看，技术栈中某些层级的专业壁垒正在降低，尤其是那些迭代迅速、难以形成固定惯性的工具领域。我认为我们会希望拥有能够创新和想象“这的未来版本会是什么样？”的人才。因此，我们需要更多这样的人才。

　　Lenny：太棒了，回到系统思维这一点，听到这些的人可能会想，好吧，我必须提升我的系统思维技能。人们如何培养这种技能？是仅仅通过长时间参与许多复杂项目来积累吗？就像大家经常引用的那本封面有弹簧玩具的书《系统之美》(Thinking in Systems)。人们究竟该如何学习这个？

　　Elizabeth：分享一个小技巧：面对每个待解决的问题，试着向外退一步（Zoom Out），审视更宏观的格局。问问自己：在解决这个具体问题时，我对更广阔背景所做的假设是否依然成立？

　　例如，当我接到一个为 Netflix 会员体验开发新功能的任务时，我会先停顿片刻，思考以下问题：

　　我们试图解决的底层消费者痛点究竟是什么？

　　该功能将支持哪些类型的内容？

　　我计划的构建方式是否具备可扩展性，能否适配多种内容形态？或者，它是否能沉淀为一项通用能力，进而赋能跨领域的平台产品集？

　　随着娱乐版图的扩张以及我们对个性化、沉浸式体验的追求，这个功能所解决的问题，是否属于 Netflix 当前亟需攻克的核心消费者痛点之一？

　　你无需把这些问题复杂化，也不必试图解决 Netflix 的整体战略或竞争定位。你只需针对手头负责的工作，做一次‘缩小视图’（Zoom Out），重新审视并质疑你正在解决的问题。我不会在质疑阶段停留过久，以免陷入停滞。但这有助于培养系统思维。我们要不断追问：我们是否正在以对用户真正有价值的方式，解决那个最正确的问题？

　　Lenny：另一种方式，正如你所描述的，我思考的另一种方式是：想象一下，如果你站在你或你经理的角度，他们会有怎样更广阔的视角？不仅仅局限于你的一个团队、一个问题和一个 KPI，而是更大的全局？

　　Elizabeth：多年来，我曾收到过一条类似的建议：思考如何通过做好本职工作，来助力经理更好地完成他们的目标。因此，如果我思考所有我直接负责的事情，但从经理的视角出发，不仅考虑产品和技术，还考虑财务、内容和业务的其他部分，我自然会 Zoom Out，思考所有这些组成部分需要如何协同，以及整体如何大于部分之和。我认为这是非常有用的思考方式。

　　对于工程师而言，这意味着要思考：‘我如何为系统留下更优质的遗产？如何确保我的产出具备高质量和可扩展性，从而惠及他人？这不仅关乎如何助力上级，更关乎如何成就同事。” 这契合了 Netflix 的核心工程原则之一：做对整个组织最有利的事，而非仅对局部团队有利。这也正是系统思维的体现。

　　因此，这与资历无关，而取决于你解决问题的方式：我构建的这套方案，能否为同事带来价值？我是否为未来的创新迭代留下了更坚实、更具扩展性的基础？

　　Lenny：这是一个非常棒的战术建议。让你的经理工作更轻松，在职业发展上始终是一个好策略。

　　顺着这个话题，我知道 Netflix 最近引入了职业发展阶梯和职级体系。这对你们来说曾是个新事物，过去并没有这套机制。那么，在 AI 时代，你们是否在职业阶梯中增加了新的要求或期望？比如，是否有某些能力是你们希望员工重点投入、或者在招聘中更看重的？还是说，你们的职业阶梯和绩效标准其实并未改变？

　　Elizabeth：目前，我们并未试图在每个职级上精确界定 AI 如何改变具体要求，而是面向 Netflix 全体员工及招聘团队，统一叠加了一层对 “AI 素养”（AI Fluency）的期望。

　　这种期望的具体表现因职能、职级及岗位类型而异。AI Fluency 本身难以精确定义：它是指具备实验思维？是能判断 AI 的适用边界？还是指真正用 AI 构建过产品？由于技术迭代极快，我们对这一素养的定义及其在职业阶梯中的体现，几乎每季度甚至每月都在演进。因此，最有效的做法并非将其与特定职级或角色绑定，而是鼓励全员提升 AI 素养。这绝非为了用技术而用技术，而是在技术真正有价值时具备精准判断力，并保持开放心态去探索与尝试新事物。

　　这是所有岗位的硬性要求，即便对 Netflix 的最高管理层也不例外。并且我们强调，即使是日常不写代码的高管，也必须具备深厚的 AI Fluency。这一转变已深刻融入我们的招聘实践：在面试中，我们会深入考察候选人对 AI 及技术的思考框架、日常应用场景，以及他们面对变革与探索时的适应能力。

　　甚至在编码面试中，我们也允许候选人使用 AI 工具，因为这已是现代工作流的一部分。虽然这些转变已经发生，但我认为这远非终点——我们正身处这场变革的洪流中心。

　　娱乐的未来与人性化叙事

　　Lenny：你提到 Netflix 在 AI 和 ML 领域起步非常早。年轻人可能不记得了，但你们曾举办过优化这些技术的竞赛：Netflix Prize，这正好展示了你们在 AI 和 ML 领域起步有多早。我记得那是一百万美元的奖金，用于稍微优化 Netflix 的排名算法，谁能优化得最多谁就获胜。我认为获胜者只优化了几个百分点。我觉得那在当时是一件大事。全世界所有超级聪明的人都参与其中，而且这发生过几次，对吧？

　　Elizabeth：你说到了点子上。常有人问 Netflix 如何看待 AI，适时提醒大众‘这对我们而言并非新事物’很有必要经常有人问 Netflix 是如何看待 AI 的，提醒大家这一点很好，即这对我们来说并不新鲜，尤其是对于个性化而言，它一直是向 Netflix 会员提供卓越体验的核心。

　　我们拥有的内容广度是难以想象的。内容越来越多，这是我们面临的挑战之一，而如何让内容发现变得越来越容易，这也是 Netflix 面临的挑战。使用 AI 和 ML 一直是实现这一目标的方法。你希望在正确的时刻为正确的人个性化推荐正确的标题。这个问题变得越来越难。我们的目录越令人兴奋，我们拥有的内容广度越大，不仅是电影和电视，还有游戏、直播和播客，个性化变得更加重要，这种体验也变得更加重要。因此，我们可以回顾那段历史并说，好吧，现在我们该如何解决这个问题？因为技术更加强大，但它让我们在一开始就清楚地知道需要解决的问题，以及 Netflix 为会员解决这个问题有多么重要。正如我提到的，这在创意方面也是如此。

　　AI 和 ML 早已深入视觉特效、语言本地化等领域。如今，随着技术能力的跃升，我们在思考：下一个时代将呈现何种面貌？在这两种情况下，它最终都利用了 Netflix 的优势，即将娱乐与技术相结合，并确保我们保持领先，以提供更好的产品。所以我很高兴它是我们历史的一部分。它仍然是一种优势，考虑到我们在保持卓越体验的同时，面临着娱乐内容广度方面的巨大挑战，它必须且继续成为我们的优势。

　　Lenny：是的，我很喜欢这一点。那时它被称为机器学习，而 AI 则是，不，不，那不是 AI。AI 永远不会那样，永远不会发生。

　　Elizabeth：那只是 ML。好吧，然后突然之间，把所有东西都称为 AI，其中一些是由机器学习驱动的，你知道，这取决于当时用来描述的流行词汇。所以我认为我们现在把所有这些都归为 AI。而且有很多 AI 用例并非生成式用例。因此，我们可以深入探讨所有具体的细节，但总的来说，我认为 Netflix 正在广泛使用这些技术，并对可能的未来感到兴奋，这不会让任何人觉得惊讶。

　　对于在这里工作的人来说，Netflix 的有趣之处在于，如果你对技术的应用充满热情，无论是创意出口、消费产品还是基础设施，我们都有所有这些问题。而 AI 正处于这些问题的中心。即使 Netflix 没有被冠以 AI 公司的品牌，也不要忘记这一点，这是很好的。AI 是我们非常乐意使用的工具，以获得这些出色的娱乐和技术成果。

　　Lenny：另一个非常有趣的事情，如果你看看 Netflix 早期的文化手册，以及我们上次的对话，从中浮现出的一些事情，比如高自主权。这在一开始就是 Netflix 的核心。高自主权、高人才密度、非常自下而上的思考、超快速的实验和发布、支付市场最高薪酬。这些都是每个 AI Lab 喜欢的东西。这就是我现在经常听到的顶级 AI Lab 的运作方式。所以我们最终都汇聚于此，而这正是 Netflix 一直以来的状态。

　　Elizabeth：是的，理解什么让人才变得卓越，这确实有些先见之明。

　　我曾深思 Netflix 文化的各个维度，这听起来或许有些‘极客’，但我将其概括为‘以卓越为内核的操作系统’。这些文化元素本身并非目的，它们不是为了单纯地增加员工的责任负担，也不是为了盲目地消除所有流程。相反，这是一个坚定的信念：唯有通过赋予员工充分的自主权与问责制，将决策权下沉至组织最前线，并聘请那些具备卓越判断力、值得信任的人才，才能实现真正的卓越。

　　这套机制不仅能催生惊人成果，更能激发强烈的内驱力与责任感。它让每位团队成员都深切感受到：‘我拥有充分的自主权，同时也对结果承担全部责任。当你意识到自己承载着如此深厚的信任与责任时，你自然会竭尽全力做到最好。因此，Netflix 的文化始终直觉般地指向一个目标——追求卓越。

　　当你拥有优秀的人才，并赋予他们做好且最佳工作的能力，而不进行微观管理或用流程淹没他们时，你实际上会获得更好的结果。因此，我确实认为新时代的公司正在采纳一些对我们来说非常熟悉的东西，而这并非易事。因此，拥有文化并非一成不变。文化需要成长和演变。随着公司变大，你解决的问题类型也会改变，但“我们追求卓越，并相信卓越的人才需要能够发挥其最佳水平”这一理念并未改变，我认为这继续成为我们的独特优势。

　　Lenny：我喜欢这个概念，卓越即系统。你可能会说，这非常具有系统思维。

　　Elizabeth：关于如何建立一家公司。完全正确，Lenny。

　　Lenny：所以对于喜欢这个概念的听众来说，每个人都希望构造以卓越为底层的操作系统，谁会不想要呢？让人们了解实现这一目标的要素会很有帮助。一个是显然的高人才密度，只雇佣最优秀的人。二是问责制，有点像输入和输出，本质上是输入，优秀的人才，顶尖的人才，留住他们，赋予他们自主权。你会说创建这种“卓越即系统”的支柱是什么？如果创始人正在听这个，我希望他们能做到这一点。

　　Elizabeth：好吧，人才密度是不可妥协的底线，这是一切的基础。若缺乏高密度的人才，组织便无法在各层级建立起对决策的信心，更无从谈起赋予员工承担风险、快速创新的权限。

　　这是 Netflix 文化中“卓越”的核心组成部分——即对风险的高度包容。我们不试图规避失败，而是致力于在失败后快速复原。进军直播领域（Live）便是一个极佳的例证：我们乐于承担巨大风险，深知初期表现未必完美，但确信能通过快速学习实现迭代优化。目睹团队攻克这一挑战的过程，我深感自豪。因此，唯有具备人才密度，你才能放心地提供背景信息，信任员工运用卓越的判断力去冒险，并为业务争取最佳结果。

　　你必须保持清醒：一切行动皆旨在为消费者和 Netflix 创造价值。Netflix 的利益与会员体验高于一切，这与个人成功或偏好无关。这种‘去自我化’的无私精神，正是这套‘卓越操作系统’的关键组件。

　　此外，还有一些反直觉的管理实践需要适应。例如，当我看到下属做出与我预期不同的决策时，我会问自己：“这真的是最优解吗？”但在 Netflix 的文化中，我的职责并非事事介入、否决或质疑，尤其是当这些决策非关键性、不会造成灾难性后果时。我会放手让员工决策并从中学习，仅在事后引导他们进行复盘反思：“进展如何？我们从中学到了什么？”

　　也许我错了，也许这个决定很棒，但这与承担风险等有关。帮助人们学习如何舒适地做出自己的决定，特别是当这些决定并非总是正确，且他们将从中吸取艰难教训时。

　　我自己对此也深有体会，我的老板和同事对我说，这是你的决定，你知道，我可以提供意见，我可以帮你头脑风暴，但最终这是你的决定。当风险很高时，当我感到对组织的所作所为负责时，让人们倾向于承担风险可能会让人感到不适，这并不自然。

　　这也意味着，当事情进展不顺时，千万不要想当然地认为增加流程就能解决问题。过去几年的经验告诉我，每当规划陷入困境，我从未听人说过：“只要我们完善规划、反馈、评级或薪酬流程，问题就能迎刃而解。” 相反，每当我们试图通过增加流程来应对，结果往往是耗时更多，成效却未提升。这又是另一项反直觉的管理实践。面对复杂难题，人的本能是通过施加约束来‘简化’问题，但这往往适得其反。我们更应追问：是否有更具创意的方式去优化规划、人才决策或优先级排序，从而真正实现更优的结果？因此，我们需要抵制那些大公司习以为常的做法，并学会在这种“不适感”中保持从容。这是我作为管理者的切身感受，相信许多 Netflix 员工也深有同感——因为我们始终致力于打破常规，拒绝平庸的标准化路径。

　　Lenny：说起来容易，听起来也容易，但我非常明白你的意思，当有人搞砸了，你会想，好吧，出了什么问题？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，你需要抵制这种做法，因为这会拖慢进度。最优秀的人不想在一个充满各种检查表（checklist）和流程关卡的地方工作。

　　Elizabeth：不，我认为最优秀的人知道会有一个无指责的复盘，他们会感到如此个人负责，以至于他们会说，我如何确保这不再发生？不是通过流程，而是通过，我如何分享这些经验教训？我如何以不同的方式工作，以确保下次获得更好的结果？当你信任人们进行这些反思、学习和成长时，我认为随着时间的推移，你会获得更好的结果，并建立更强大的常规，我认为这是我们作为领导者的角色的一部分，你正在努力培养一个具有韧性、持久性并知道如何产生巨大影响的团队。你不是试图控制一切。

　　Lenny：这是构建高人才密度团队的关键。我想就此简要探讨两点：一是招聘，二是留人。你因推行 Keeper Test（留任测试）而闻名，我们上次也聊过这个话题。对大多数人来说，这又是一项反直觉的做法。那么，在过去几年里，这一机制有何演变？它是否依然是 Netflix 文化的核心？

　　备注：Keeper Test（留任测试） 是 Netflix 企业文化中最著名、也最具争议的人才管理工具之一，由前首席人才官 Patty McCord 提出，并在《Netflix 文化手册》中广泛传播。其核心逻辑是「管理者需要定期问自己一个残酷但诚实的问题：如果我的这位下属今天告诉我他要辞职去竞争对手那里，我会拼命挽留他吗？」

　　Elizabeth：人们常误以为 Keeper Test 仅用于决定解雇那些‘不再适合岗位’的员工。但实际上，它同样频繁用于探讨员工的高光表现——即他们做得有多出色。

　　其切入点通常是双向的：要么我问下属，要么下属问我：我在你的 Keeper Test 中表现如何？在绝大多数情况下，我的回答是：我会不惜一切代价留住你。让我列举一些我认为你做得很好的事情，你的优势是什么，你在哪里产生了巨大影响。这是你可以做得更好的地方。

　　因此，这通常是一个积极且令人振奋的对话起点，核心问题是：我通过考核了吗？当然，也存在艰难时刻——当我评估某人未通过考核，或他们主动询问时。坦白说，说出‘你目前未通过考核’是最难的。我认为在某些情况下你可以达到，这需要反馈。这些里程碑是什么？或者在某些情况下，你会说我们真的尝试过，但我看不到成功的路径。所以它只是一个锚点和对话的切入点，可以走向许多不同的方向。

　　我欣赏这一点：它将反馈与进度检查固化为一种良好习惯，既迫使双方直面艰难对话而非回避，也确保了对优秀人才的及时认可与激励。

　　这是让人们感到被认可和重视的重要组成部分。所以我不想让人觉得我们对它只有非常负面的看法。我认为这枚硬币也有积极的一面。

　　Lenny：我会试着简要解释一下。这里的想法，作为 Netflix 文化的一部分，是当你有人向你汇报时，你应该始终思考，如果我知道关于他们的一切，我今天还会雇佣这个人吗？如果不是，那么我可能应该让他们离开。这里的想法是保持高标准，永远不要只是将就，好吗？这个人，他们在这里，我想我们就让他们待着。这大致是理解它的方式吗？

　　Elizabeth：是的，这可以看作是一个推论：如果那个人今天来找我，说他们要离开，我会拼命留住他们吗？或者我会说什么？如果我的感觉是松了一口气，哦，是的，也许让其他人担任这个角色会更好。我应该早点采取行动并进行那次对话。

　　Lenny：我很喜欢这一点。正如你所说，为了维持这种高标准状态，你必须去做许多令人感到不适的事情。

　　Elizabeth：没错，Keeper Test 就是其中之一。它的核心在于维持人才密度和充分的信息同步（Context），而非对员工进行微观控制。我们常提到要“高度对齐，松散耦合”，这意味着我们要建立极简的流程——仅保留确保优先级清晰且能高效执行的最小必要环节。这些做法往往违背人性本能，也不是规模化组织自然演进的方向。因此，我们需要付出持续的努力，去呵护那些让 Netflix 变得独特的特质。毕竟，最终吸引并留住顶尖人才的，正是这里的工作挑战与文化氛围。而这些，正是我们迈向卓越企业的基石。

　　Lenny：为了让这套体系运转，你必须吸引最顶尖的人才。但这一直很难，如今随着巨额资金涌入那些光鲜亮丽的 AI 实验室，竞争更是白热化。局面简直疯狂。你发现了哪些有效的方法，能说服顶尖人才依然选择加入 Netflix，而不是去那些看似更“性感”的地方？

　　Elizabeth：我们一直身处激烈的人才竞争中。虽然现在的感官冲击更强，但我们的团队依然汇聚了卓越的人才。这或许不言而喻，但我仍想大声强调，因为我对此深信不疑：Netflix 拥有令人惊叹的人才阵容，无论是新晋员工还是资深骨干。我对团队的工作成果始终印象深刻。因此，我并不认为我们正在流失人才，也不觉得其他公司吸走了所有精英——因为许多顶尖高手其实就在 Netflix。

　　不过，我们确实需要更清晰地界定：哪类人才在 Netflix 能如鱼得水，而非在其他地方（如前沿 AI 实验室）。

　　在 Netflix thrive（蓬勃发展）的人，必须对“应用技术构建产品以解决具体问题”充满热情。

　　你必须热爱娱乐；

　　你必须热爱大规模消费品业务；

　　你必须热爱其全球影响力。

　　许多才华横溢的人正钟情于这一“甜蜜交汇点”，我就是其中之一。关键在于：你如何以卓越的方式，将技术、产品与娱乐深度融合？AI 只是实现这一目标的工具之一。这种融合带来的挑战与成就感，才是驱动你对 Netflix 角色感到兴奋的核心动力。

　　相反，如果你更受前沿模型公司底层基础研究的启发，那当然也很令人兴奋，但那是另一种职业特质和问题领域。

　　这是截然不同的赛道。但我坚信，不乏那些对“技术应用”本身感到兴奋，并渴望将其与自己日常热爱的产品（如 Netflix）联系起来的人才。这种使命感让我每天清晨充满动力，我相信许多团队成员也是如此。我们常互相激励：这是只有 Netflix 人才能完成的独特使命——在深度应用技术的行业中，重新定义娱乐体验。这本身就极具鼓舞性。

　　Lenny：可以谈谈我在我们即将进入的 AI 世界中一直在思考的几件事。一个是初级人员，感觉每个人都像这样，举个例子。你正在雇佣许多已经证明自己很棒的优秀高级人才。而且，你知道，高人才密度，高标准。此外，AI 让做事变得如此容易，以至于人们可能没有学习如何做事情，比如我考虑的初级工程师，或者初级产品经理，初级设计师，就像，新人如何成为这些优秀的高级人才？

　　你有什么想法吗？你在雇佣初级人员吗？你如何看待这个问题？初级人员不一定学习或没有途径学习成为高级人员，这会发生什么？

　　Elizabeth：我们仍在雇佣初级人员，他们对我们的人才战略非常重要，所以我们仍有实习生项目，我们仍有新毕业生项目，这在几年前对我们来说是新的。所以在几年前之前，我们只在所有职能部门雇佣更有经验的人才。现在我们确实直接从本科和研究生项目中雇佣人员，并将继续这样做。

　　因此，即使在 AI 让某些事情变得更容易的世界里，我们之前谈到了心态和 AI 流利度。根据我的经验，年轻人思想更开放。他们往往更自然地适应像 Netflix 这样的公司的一些新工作方式。他们也非常熟悉娱乐如何变化，消费者行为如何变化，产品和科技如何影响他们正在使用的产品。这对我们的团队来说非常重要。这不仅关乎“应届工程师”的身份，更关乎“20 多岁的年轻人”这一群体所特有的、备受珍视的世界观，以及他们对世界变迁的天然适应力。这就是为什么我说这是我们人才战略的关键部分。

　　所以你步入这个角色，你拥有以前不存在的 AI 工具。或者 10 年前，我会说掌握技艺仍然非常重要。回到作为团队成员，我负责提交生产的代码质量。我负责构建的产品的质量，它们的设计方式，以及用户体验是什么。这些都不会消失。

　　因此，如果我考虑团队中更初级或职业生涯早期的人才，我们需要在指导“什么是优秀”方面投入同样多的精力。这就是你使用这些工具的方式，但你仍然要对结果和输出质量负责。

　　我认为我之前提到过，我发现这种掌握和技艺卓越仍然稀缺。所以我们想确保我们在教授这一点。我认为这是一个合理的担忧，比如，如果我不像过去那样亲力亲为，我该如何获得这种能力？我们仍然承担着审查代码、测试代码、能够诊断问题、知道好产品是什么样子的责任。就像我认为这是一种非常稀缺的技能，可以说这是在解决重要问题的产品及其设计方式上的卓越。我不认为技艺掌握的重要性会消失。可能我们培训和培养人才的方式必须改变，因为他们将使用不同的工具。我可以向你保证，职业生涯早期的人才也将教我这样的老家伙许多新东西。

　　所以我认为这是双向的。

　　Lenny：你认为工程在未来 5 到 10 年会走向何方？你认为人们仍然需要理解代码吗？或者你认为顶部会有一个抽象层，你甚至不需要学习 C++、Java、Python 或其他什么？

　　Elizabeth：我我认为，“用特定语言（如 Python 或 C++）编写代码”与“深刻理解代码、计算机系统及产品运作机理”之间存在本质区别。我不认为后者会消失，因为如果我们信任代理了解所有语言并编写所有代码，我们将不知道某物为什么是好产品还是坏产品？当它不按预期工作时，它是如何工作的？

　　正如前文所述，我们崇尚‘快速试错、快速复原’。这要求我们必须深刻理解系统运作机理。虽然我会借助 AI Agent 辅助理解、检测异常或分类故障，但我仍然需要流利地知道，我们正在构建的这个东西是什么，它是如何工作的？这样我知道它是否好，我知道如何修复它，我不知道，我希望这不会消失，因为，你知道，那就像，我们如何通过我们正在构建的东西让世界变得更美好，我认为这需要对我们构建的东西有一定的理解。

　　Lenny：我听到的是，这是有道理的，你可能不需要编写代码，但你必须理解它以及正在发生的事情。但是，作为一个人，不编写它却实际上要将其灌输给你，这要困难得多。

　　Elizabeth：我认为这是目前学习曲线非常陡峭的事情之一。因此，看看这些模型或代理正在编写的一些代码，它们很难理解。就像，我知道我从中获得了更好的性能，但我不知道为什么。如果这个东西坏了，我将不知道如何修复它，这让我感到不安。你知道，也许那是因为我仍然处于那个学习曲线上，比如，我们如何在那个世界中运作？比如，我们需要进行哪些测试或合理化理解才能适应它？但乍一看，它看起来非常陌生且令人不安。所以我认为随着时间的推移，工程将演变为适应这一点，并熟练掌握它，并知道如何指导新技术、代理和新功能，以确保我们对输出结果感到非常满意。

　　Lenny：我想知道这个的隐喻是什么，就像这样，我继续对工程在两年内发生的巨大转变感到震惊。这就像一个完全不同的下拉菜单。你过去习惯于坐在那里编写代码，现在你只是与代理交谈、审查代码并每天发布 100 个 PR。

　　Elizabeth：感觉这是工程变化速度的加速。但如果你回顾过去 10 年或 20 年，你也会说同样的话。所以有些事情正在加速发展，我们很难理解它在过去几年中移动得有多快，但工程、数据科学或产品发生这些重大转变并不完全陌生，就像电影制作的工作方式一样。如果你回顾过去 100 年，由于我们带来的技术和新工具，它变得令人难以置信的不同，感觉就像周期正在加速。

　　Lenny：好的，我想简要谈谈娱乐，我只是好奇娱乐将如何随着时间变化，比如未来 5 年，我不知道，5 到 10 年。如今用户打开 Netflix 的行为模式已趋于固定，但在 TikTok 和 Instagram 等短视频平台的冲击下，这种单一的消费习惯正在被打破。你认为这在，我不知道，五年内会有多大不同？

　　Elizabeth：我们该如何定义娱乐？我认为 Netflix 的认知已在演变：娱乐绝非单一形态，无论现在还是未来。因此，我们在产品中超越电影和电视的部分原因是，消费者期望在格式、设备和一天中的不同时刻有更多样化的选择，Netflix 需要能够很好地服务，以满足消费者的期望，并希望随着时间的推移超越这些期望。

　　当我们考虑增加移动和电视或云游戏、直播内容、播客，以及与现在在 Netflix 服务上的更广泛的创作者合作时，所有这些都创造了更广泛的娱乐概念。Netflix 能够定义和扩展这一点。这提出了更高的期望，我们如何为 Netflix 会员理解这一点？

　　因此，我们致力于为你打造无缝的体验旅程：从收听 Bill Simmons 的播客，到观看 NFL 赛事（如聚焦四分卫的节目）。这些都是 Netflix 在传统影视领域之外的拓展，我玩最新的 FIFA 云游戏，我希望能够在电视和手机上做到这一点，因为现在我在移动中，我希望能够在一天中的不同时刻发现并与内容互动。这已经是我们正在构建到 Netflix 中的旅程，我认为随着时间的推移，这将变得越来越强大。因此，娱乐的未来不会是一成不变的，它将必须更加个性化、更加沉浸式、更加互动。

　　带着这种感觉，这是一个我可以根据当前需求向许多不同方向探索的世界。Netflix 面临的挑战是，我们必须让发现和互动比今天感觉容易得多。我们有大量内容。它可能会感觉非常分散，特别是当你考虑所有现有的服务或产品时。我认为 Netflix 非常有能力理解如何在娱乐、产品和技术领域解决这个问题。

　　Lenny：这方面的另一个元素是 AI。显然，作为一个外部观察者，看到科技界对 AI 的态度如此有趣，就像，我爱它，它是未来，它是最好的，而在好莱坞，就像，不，关闭它。

　　Elizabeth：这是一种混合，有非常广泛的范围。因此，我们 Netflix 在这方面的作用是赋能创作者，使用他们想要使用的任何工具来实现他们的愿景。会有一些创作者或电影制作人处于频谱的极端，说绝对不，不要 AI，那不是我做制作的方式。这不符合我的愿景，没关系。我们与这些创作者合作。还有其他创作者，数量越来越多，我想说，他们非常有兴趣探索，等等，这些 Gen AI 工具能否让以前不可能的事情成为可能？

　　我能以新的方式讲述故事吗？我能让这个故事质量更高，更能引起观众共鸣吗？我能做更具创意的事情吗？我如何思考让故事栩栩如生？我们也支持他们，并支持所有处于中间地带的人。

　　我认为这对我们来说是一个非常重要的立场，再次强调，因为娱乐不会是一成不变的，不会有一种格式。我认为会有感觉传统的电影和电视类型，然后会有令人难以置信的创作者帮助实现的全新格式。Netflix 希望参与其中，这意味着我们需要在提供的工具和合作伙伴类型方面保持灵活性。并真正拥有创作者赋能的观点，而不是规定性的，比如我们只以这种方式做事。

　　Lenny：我认为人们会对 AI 内容的质量感到惊讶。就像 Spencer Pratt 的。他们就像，每个人都像，哇，这很有趣，显然是 AI，但它非常有趣。你认为，我们会不会达到这样一个地步，即整个电视节目都是 AI 生成的，而人们喜欢它？

　　Elizabeth：我很难想象没有“人”作为核心的娱乐。在故事创作中，人性的注入是一种稀缺且珍贵的能力。讲故事本质上就是人性的体现，它关乎如何与他人建立情感联结。因此，我认为人类将始终是故事最关键的灵魂。如果在屏幕上看到的角色缺乏这种人性，对我而言便失去了吸引力。讲故事的真正力量，在于看见另一个鲜活的人，看他们如何演绎角色、如何将情感具象化。这是一种极其人性化的体验。当然，AI 技术肯定会在某些制作环节发挥重要作用，比如帮助我们实现特定的视觉风格或氛围感。但我无法想象一个没有人类作为脊梁的娱乐版本。

　　Lenny：有一句我认为被错误归因于 Salman Rushdie 的名言，即当孩子出生时，他们首先要求食物、水和投影。然后他们要求，给我讲个故事。

　　Elizabeth：自开天辟地以来，讲故事一直是社区、社交网络、人类情感和联系的关键部分。所以我喜欢技术可以放大这一点，并以非常新颖、新奇、令人兴奋的方式将其带入生活的想法。但如果说讲故事没有以人性为中心，感觉就会缺少一些东西。

　　Lenny：在未来几年，我们将看到一些疯狂的事情。

　　Elizabeth：哦，毫无疑问。其中很多可能会非常有趣，你知道我也不争论这一点。但我认为会有广泛的范围。我认为 Netflix 需要处于塑造这一点并将其带入生活的中心，这是我们的计划。

　　快问快答与总结

　　Lenny：太棒了，好吧，Elizabeth，我们讨论了很多内容，在进入非常激动人心的快问快答环节之前，你还有什么想与听众分享的吗？或者也可以再次强调我们讨论过的一些事情？

　　Elizabeth：这一点或许贯穿了我们的对话，但我仍想特别强调：现在正是在娱乐领域构建产品的激动人心时刻。无论是科技与消费者的变迁，还是对“娱乐”本身的重定义，我们都正处于一个难以置信的高速创新期。这正是我留在 Netflix 的原因——这里充满了乐趣与挑战。

　　此外，作为行业从业者，我们有时过于沉迷于纯粹的技术或能力的讨论，反而只见树木，不见森林。我们要铭记，终极目标是构建用户喜爱的伟大的消费产品，制作打动人心的优质娱乐内容。这是我最珍视的初心，不应在技术喧嚣中迷失。毕竟，底层的技术与产品固然惊艳，但真正鼓舞人心的，始终是我们为全球用户带来的价值与体验。

　　Lenny：顺着这个思路，现在的消费市场出现了一种与“过剩”截然相反的现象：优质新产品和卓越消费体验的“干旱”。成功案例寥寥无几，消费类初创公司更是举步维艰。AI 似乎为破局提供了新契机。而在我看来，Netflix 是少数能持续交付出色消费产品与商业成果的公司和品牌之一。

　　Elizabeth：确实如此，这样的公司屈指可数。谢谢夸奖，我们会继续保持。

　　Lenny：好了，让我们进入激动人心的快速问答环节。我有五个问题要问你。第一个，你发现自己最常向其他人推荐的两三本书是什么？

　　Elizabeth：我得想几本和上次不一样的书。我依然钟爱那些能带人“回溯”过往的作品。我现在脑海中浮现出两本：Jon Krakauer 的《Into Thin Air》（《进入空气稀薄地带》）和 Michael Lewis 的《Liar's Poker》（《说谎者的扑克牌》）。因为我曾在华尔街工作，我喜欢通过这些书提醒人们回顾那个时代的模样。

　　Lenny：最近最喜欢的电影或电视节目是什么？这对在 Netflix 工作的人来说可能有点难为人了。

　　Elizabeth：清单确实很长。但我最近看了《Remarkably Bright Creatures》，这是我母亲推荐的。这是一部催人泪下的作品，深刻诠释了故事中的人性光辉。

　　Lenny：你最近发现并真正喜爱的一款产品是什么？

　　Elizabeth：一款对我的健康和睡眠至关重要的产品。

　　Lenny：你在工作或生活中经常回顾的人生座右铭是什么？

　　Elizabeth：我常回想父母早年灌输给我的教诲。冒着重复的风险，我想分享两点：第一，即使在最紧张的时刻，也要留意每天发生的好事；第二，最后 5% 的努力往往能决定最终的成败。

　　Lenny：太棒了，这些话深深触动了我。最后一个问题。我记得你提到过正在参与一项自行车活动。能跟我们说说吗？你在做什么？

　　Elizabeth：我和丈夫计划了一次旅行，在环法自行车赛的最后一周随行骑行。环法全程三周，最后一周包含多个山地赛段。我们每天早上骑行部分赛道，下午观看比赛。这绝非胆小者敢尝试的挑战，所以我正在刻苦训练，以确保能享受这段旅程。毕竟，这本质上应该是个假期。

　　Lenny：天哪，我喜欢这种“去比赛”的假期方式。

　　Elizabeth：就像骑行一样，我热爱职业体育。能亲身参与其中乐趣无穷。

　　Lenny：所以你是像正式比赛那样去骑，还是只是漫不经心地穿越赛道？

　　Elizabeth：心态上可以漫不经心，但正如我所说，这在身心上都极具挑战。虽然这不是正式比赛，但我不想落在队伍末尾，所以我必须保持足够的体能和状态来跟上节奏。

　　Lenny：哇，我喜欢这种与你日常工作形成的鲜明反差，感觉很棒。

　　Elizabeth：这是一种很好的平衡，让我走向户外，换个视角看世界，所以我非常期待。

　　Lenny：你太棒了。最后两个问题：如果人们想关注你或联系你，去哪里找？听众如何与你互动？

　　Elizabeth：找到我及了解我们工作的最佳途径是 Netflix 技术博客，我们在那里发布了许多我刚才提到的内容。我们正努力更好地分享我们正在做的有趣之事。此外，听众可以通过实际行动支持我们：尝试我们推出的新功能，观看直播活动，玩游戏，体验移动端名为 Clips 的新垂直视频流，并向我们发送反馈。我们希望做得更好。其中许多项目对我们而言都是从 0 到 1 的探索，我们正全力以赴，力求尽快达到卓越标准。

　　Lenny：我喜欢这个“家庭作业”——去看 Netflix。

　　Elizabeth：你也可以看其他内容，但请告诉我们如何能做得更好。我非常有兴趣知道，我们如何在 Netflix 做得更出色？

　　Lenny：我喜欢这个态度，我会去做的。Elizabeth，非常感谢你的到来，再次感谢。

　　Elizabeth：谢谢邀请，很高兴与大家交流。

　　Lenny：非常感谢大家的收听。

　　本文来源：【探显家Attention】公众号

　　版权归原作者所有，仅用于分享交流。

责任编辑：赵莹