每天挑选一期硅谷AI科技值得关注的播客，让你与前沿同频。如果你现在没空可以收藏进 晚点再听LaterCast，在通勤、走路或做家务时一篇篇轻松听完
"我已经不自己写软件了，现在是让AI来写。我会给它很多反馈和指导。"
"如果世界上最好的程序员为你工作，你会让他做什么？"
"同一件事做过五次后，差不多就该考虑把它自动化了。"
OpenAI联合创始人Greg Brockman曾担任Stripe的首席技术官，如今自己已经不再亲手写软件。代码由AI来写，他负责提要求、看结果、给修改意见。遇到公司里的问题，他也习惯先找AI：一份记不清放在哪的文档，或某个市场的增长数据，都可以让它去查。
他还想把更多工作交出去。比如让AI主动联系同事和合作方，把事情协调好，最后只请他批准一张采购单。不过，Greg也坦言，这一步还没有完全做到。
采访准备好了，后期还能交给AI吗
主持人Marina Mogilko也在尝试把自己的工作交给AI。采访前，她做了一个准备工具：输入嘉宾姓名、采访时长和希望达到的播放量，它就会搜集资料、建议话题，再生成一段播客，供她在录制前听。
她展示的界面里，已经有了嘉宾资料、采访问题、标题和视频封面方案。工具查过Greg过去的访谈，也读了OpenAI的新闻稿，不过还不能直接连接社交媒体。Marina想知道，它还能怎样参考自己过去的采访经验，做得更好。
Greg想到的却是采访结束后的工作。既然工具已经有了这些资料，能不能接着帮她完成后期制作？他设想：
"我很想看看，能不能做出这样一个应用：你只需要过一遍采访问题，看看是否满意；不满意就给反馈，让它改。然后你到场完成采访，其余工作都能处理好。"
Greg接着问，从采访结束到视频在YouTube上线，现在需要多少工作？Marina说，她已经做了12年内容，团队也积累了不少制作资料，但每一期仍至少要投入40个小时。
Greg接着问，如果能省下这些时间，她会拿来做什么？也许可以多想想该采访谁、该问什么，也许可以做更多期节目。对Marina来说，后期制作正是一项耗时很长、值得继续尝试用AI帮忙的工作。
Marina用这个工具查嘉宾资料、设定采访目标，并生成供自己提前收听的准备播客。
先想想你会让一个程序员替你做什么
Greg曾担任支付公司Stripe的首席技术官，本来就擅长写软件。如今他把写代码交给AI，自己负责提出要求、看结果，再给出修改意见。
他喜欢先让AI做个小游戏，看看多久能做出来，再提出更复杂的要求。做过一次，知道它能完成什么，才有下一次尝试的依据。
没有编程经验的人也可以从自己的工作里找需求。Greg讲了一位同事的经历：同事去一家古董表店买表，和店主聊起AI。店主觉得，自己只是开表店，似乎没什么地方用得上它。
聊下去才发现，店里还没有一个像样的网站。同事于是用语音向AI提出要求，请它做个网站。店主又想到，每块古董表都有自己的故事，也可以讲给AI，让它帮忙展示出来。说到这里，Greg问：
"如果世界上最好的程序员为你工作，你会让他做什么？"
AI越来越强，你做的产品还值钱吗
但如果每个人都能让AI做软件，用户为什么还要为你的产品付钱？模型下一次升级，会不会顺手就把你的产品能做的事也做了？Marina问起这些问题时，Greg区分了两种情况：
"有些事情会随着模型变聪明而做得更好，另一些事情则是在绕过模型目前的局限。后一种很难长久。"
针对模型的短处做改进，在某个阶段可能很有用。可如果用户选择你的产品，只因为它能补上模型暂时做不好的那一步，模型升级后，这个理由就可能消失。Greg也提到，模型能力变化时，往往又会需要新的使用界面，产品仍然有探索的空间。
相比之下，他更看重你对客户和业务的了解。比如做教育产品，就得同时考虑学生、教师、家长和学校管理者：各自需要哪些信息，哪些内容不能随意提供，最终又由谁付钱。代码写出来以后，这些问题仍然需要做产品的人想清楚。
医院的情况也类似，患者、医生、管理者和保险机构各有各的需求。一个已经了解这些需求、取得客户信任的团队，可以把更好的模型用进现有产品。按Greg的判断，这样的产品会随着模型升级变得更有用，也更难被其他产品替代。
Greg说，OpenAI的技术能用于很多领域，但到了某个具体行业，距离把事情做到最好还差得远。熟悉这门业务的人，才知道客户遇到哪些麻烦，也知道AI给出的结果能不能用。
Greg已经把哪些工作交给了AI
Greg自己已经养成了一个习惯：遇到与OpenAI有关的问题，先问AI助理。有人发过一份文档，他记不清放在哪里，就让助理去找；想了解某个市场的业务增长、用户是否持续使用产品，也可以让它去公司的数据仓库查询。
他仍有一位协助自己处理公司事务的幕僚长。过去，这些资料和数据问题可能都要请她帮忙；现在AI能回答其中不少，她也就不用逐一处理了。
聊到Greg怎样处理公司事务时，Marina特意说，别再只谈晨间简报了。Greg却觉得，同样叫晨间简报，能做的事情差别很大。如果只是把通知整理一遍，他自己滑动屏幕也能看；如果能指出哪些消息没回、该先处理谁的请求，就有用得多。
再进一步，AI可以先替他查资料。比如团队正在讨论某个市场的策略，它读过相关演示文稿和其他文件后，把作决定需要的信息整理好，告诉他该留意什么。Greg说，他现在已经在这样用。
他期待的下一步，是AI主动联系同事和外部合作方，把事情协调好，最后只请他批准一张采购单。但这部分仍在尝试中：
"这是我很期待的下一步，但我们还没有完全做到。"
Greg谈到，AI助理已经能替他查资料，但主动协调同事和合作方仍是他期待的下一步。
怎样知道AI有没有帮上忙
Marina追问，OpenAI怎样衡量模型是否提高了工作效率？Greg说，他们会看模型使用量与代码量、代码提交等产出之间的关系，不过这些都是间接指标，并不完美。
有时，内部系统短暂故障，员工用不了模型，就会觉得工作难以继续。Greg对此印象很深：几个月前还没有这些工具，如今只停用一会儿，大家就不习惯了。
除了工程团队，财务团队也用AI加快了结账流程。传播团队筹办记者活动时，一个人借助Codex就能处理座位安排、饮食偏好等大量琐事。这些都是Greg在公司里看到的变化。
不过，他并不赞成为了提高用量而盲目消耗token。Token是模型处理信息时使用的计量单位，用得多不一定说明工作做得好。看财务团队能否更快完成结账、活动组织者能否处理好那些琐事，比只看用了多少更容易理解AI究竟帮了什么忙。
先做上几遍，再考虑自动化
Marina最后问，如果这个周末只有一小时，想试试让AI多做一点，该从哪里开始？Greg建议，先挑一件小事，把解决它需要的资料交给AI。
前面聊到怎样起步时，他举过一封迟迟没回的邮件：你知道回复它要做不少准备，所以一直拖着。最初可以把邮件内容复制给AI，请它帮忙；如果有邮件连接功能，也可以让它读取相关内容。先做一次，看看还缺什么信息，哪些地方需要你来补充。
等类似的事情做过三次、五次，知道每一步要做什么，再考虑自动化。“五次左右”是Greg自己写软件时一直采用的经验。他要先弄清事情该怎么做，再决定哪些步骤值得写成程序。
即便AI能接手更多步骤，经营者仍然得看客户愿不愿意注册、愿不愿意付钱。Greg提醒，小企业的经营结果最终还是由经营者负责，因此不能不管细节。谈到哪些事应当留给人时，他说：
"人必须继续掌握控制权，由人来决定目标。这项技术的目的，是帮助人做成更多自己想做的事。"
写在最后
如果这个周末真要拿出一小时试试，可以先选那封迟迟没回的邮件，或者那个一直没空做的小工具。把要求和相关资料交给AI，看看它做到哪一步，再补充说明、继续修改。等做过几遍，你会更清楚哪些工作能省下来，哪些地方仍需要自己判断，再决定要不要把它变成每天都能用的工具。
内容来源："OpenAI Co-Founder: Start Building With AI Before You Feel Ready | Greg Brockman"丨Silicon Valley Girl（嘉宾：Greg Brockman（OpenAI联合创始人、前Stripe CTO））
原视频：https://www.youtube.com/watch?v=qy8Gr27yLMk
相关文章
《Amplitude创始人：为什么未来是全自动软件开发？丨Delphi》 《史上增长最快产品：ChatGPT团队如何运作丨Lenny’s Podcast》 《Box创始人Aaron：为什么AI时代属于创业公司丨Y Combinator》
如果你现在没空，可以收藏进晚点再听，通勤、走路或做家务时一次性听完⇣
⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣