谷歌高管谈AI产品：先验证需求再追逐技术

AI模型能力快速迭代，让许多过去无法实现的功能突然可以通过提示词完成，也使产品团队面临新的取舍：是紧跟模型升级，还是先做出原型验证用户是否需要。谷歌任职17年的Josh Woodward在Lenny’s Podcast中分享了自己的方法。他目前负责Google Labs、Gemini应用和AI Studio，工作同时覆盖前沿实验项目与面向大规模用户的AI产品。

Woodward认为，好点子通常不是头脑风暴、设计冲刺或日程安排出来的，而是来自少数充满好奇心、会主动动手实践的人。团队需要为这类探索留出空间，并维护一份“几乎可以实现”的清单，持续观察技术边界；当某项能力跨过可行门槛，就迅速组织实验。他所在团队还整理了82条关于未来的预测，尽管大多数可能出错，仍需要主动形成判断。

技术演示带来的兴奋并不等于产品成功。评估机会时，团队既要关注用户是否真正产生需求、是否愿意持续使用和付费，也要观察更广泛的行为变化。Woodward回忆，第一次听到NotebookLM把英国议会辩论记录生成有趣播客时，团队立刻意识到其潜力；Google Flow以及此前的Whisk，也展示了模型降低创作门槛后可能带来的新体验。但有些演示在产品化后却并不好用，因此需要持续验证问题本身，而不是执着于某个具体方案。

他还强调，团队成员往往比管理者更早知道项目已经行不通，负责人应营造能够坦诚报告坏消息的环境，甚至在正式发布前叫停质量不足的功能。团队人数翻倍也不能证明产品找到了市场。随着AI提高效率，过去需要5至7人的探索团队，有时只需2至3人；值得重视的能力包括快速放下旧认知、持续投入以及建立信任，但会写代码和做原型并不意味着所有岗位都会变成同一种“构建者”。

在组织方式上，Woodward提到六个月滚动规划、50至100天的项目里程碑，以及冲刺和自由探索交替的节奏。他认为行业对模型基准测试投入了过多注意力，却不足够讨论产品应遵循的原则与价值观。团队还会从湾区以外的城市、教室和其他场所观察用户行为，思考娱乐、软件开发、创作及知识工作的未来，并根据模型延迟、语言范围和多模态能力判断哪些体验即将变得可行。

对话最后回到一个开放问题：当AI让越来越多产品都能被制造出来，未来会是大量独立应用，还是由少数统一入口提供个性化体验。Woodward没有给出确定答案，但认为探索者既要敢于押注未来，也必须在新证据出现时放弃原先的判断。