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
"我是该把工作做完，还是跟上AI，弄明白这些新工具和新流程对我的工作意味着什么？"
"现在，保护别人的注意力也是你的工作。"
"如果你做了一百个试验，却没有让成果落地、融入工作，那是行不通的。"
Every的资深编辑Jack Cheng给自己做了一个没有标签页的浏览器。他不想一直在网页之间来回切换，也不想再把一堆页面开在后台，最后却没读。既然AI已经能帮忙写程序，他便试着把浏览器改成适合自己工作的样子。
他遇到的困扰，也贯穿了这期对话：能做的事情增加了，能分给每件事的注意力却没有增加。新工具值得试，眼前的稿件、项目和日常工作也不能停。
在这期The Every Podcast中，主持人Natalia Quintero访问了公司的七位AI试验团队成员。Every是一家同时做媒体、软件和AI服务的公司；这个团队的任务，是先替同事摸清新模型能做什么，再把值得采用的成果带回日常工作。从能演示到真正有人愿意用，中间仍有许多工作。
不必每个人都追完每次更新
Every联合创始人兼CEO Dan Shipper很喜欢试新东西，但他也发现，如果大家一直追着最新模型跑，公司就很难持续交付别人可以依赖的产品和服务；反过来，只顾维护现有工作，又可能错过已经能改变做法的新能力。
他们为此设立了Frontier Team，可以理解为专门探索新模型用途的试验团队。让热衷探索的人先去试，其他人不必时时关注每个模型发布、每次内部试验。等发现值得采用的东西，再交给需要它的人。
Dan给这些试验留了不同的去处：有的只是让人学到一点东西，最后整理成文章或视频；少数更有价值的，才进入公司的产品、服务或内部流程。试验本身可以失败，也不必每次都变成一个长期项目。
"这让我们有空间去弄清未来会是什么样，而不必在事情准备好之前，就强迫公司的其他人关注它。"
从一线员工的角度，这种安排减掉了一件很耗神的事：不用在每次更新后，独自判断自己是不是又落后了。它也要求试验团队交出比“这个模型好厉害”更有用的东西——到底适合什么任务，现有工作要怎么改，哪些问题还没解决。
这套安排在Every运行了几个月后，Dan感受最深的变化，是团队可以快速试新东西，却不必让整家公司跟着分心。
先拿自己的工作试，再谈模型好不好
新模型发布后，通用分数很难直接告诉一个编辑，它能不能帮自己审稿；也很难告诉运营，它能不能整理好一份真实的业务记录。Every负责评测的Mike Taylor在做的，是把主观试用感受变成更容易比较的结果。
他帮助同事建立个人基准测试：保存一小组自己真正做过的任务，让不同模型反复跑，再比较表现。节目里展示的Checks，就是他们正在尝试内部使用的测试工具。它的意义在于，下一次判断模型进步了没有，可以回到同一份工作，而不用只凭一段惊艳的演示。
但有了任务，还得知道什么结果值得接受。团队里的写作者Katie Parrott的试验，正好把这个问题落到了写作上。她做的Compound Writing插件覆盖构思、大纲、起草到定稿，原本主要依赖两份说明：一份记录句式、用词和行文语气，另一份记录写什么、怎样谈论这些主题。
她后来发现，还缺一份关于读者的文件，于是加入audience.md。自己听起来像不像自己，和目标读者能不能看懂、读完能得到什么，是需要分别检查的事情。
演示中，她为自己的Working Overtime专栏设置了读者画像：既包括对AI好奇、刚开始探索的人，也包括想把AI用进日常工作的实践者。随后，她拿一篇“本想整理联系人，结果越弄越糟”的草稿，测试新增说明能带来什么反馈。
模型指出了文章在哪些地方可能让刚接触AI的读者跟不上，也追问失败造成了什么损失、付出了什么代价。这些意见比“写得再生动一点”更方便作者着手修改，因为它们对应的是读者缺了什么信息。
别把分享试验变成给同事加作业
Mike在分享这些试验时，又遇到了另一种麻烦。他做的试验越来越多，也经常往公司讨论频道里发新想法，以至于他形容，大家看到的仿佛到处都是“Mike、Mike、Mike”。内容产出变快以后，阅读和理解的负担落到了同事身上。
他最近给Checks做的一段讲解视频，展示了一种整理办法。要让没参与过项目的人明白它是什么，光展示界面不够，还得把此前散落在Slack消息和会议笔记里的思路重新组织起来。
他让Opus回查这些材料，把相关来源整理成资料库，再把产品的解释压缩成十二句话。每句话都能追溯到中间整理的记录，继续找到具体的会议内容。随后，模型找出他在Slack分享过的截图，为画面加说明，并调用Gemini生成配音，把这些内容剪成视频。
"做这段视频，以及做更多这样的内容，让我正在做的事情更容易被理解，我觉得这已经成了我的工作。"
这次制作并非一句提示词结束，Mike说自己和模型来回调整过。视频的价值也不只在于省掉剪辑：同事不用重看所有讨论，就能先理解这款工具；想追问某个说法，又能回到原始记录。
把这个例子放到日常协作里，提交一长串AI对话或发出一堆试验链接，并不等于别人已经接收了成果。需要对方知道什么、接下来能做什么，最好由分享的人先整理清楚。AI帮你省下的制作时间，不该全变成别人的阅读时间。
Mike将讲解整理成十二句话，并保留每句话对应的来源记录。
能演示，还不等于同事可以天天用
有人把新想法试出来以后，还需要有人接手处理那些演示里看不见的问题。Dan把这两类人叫作“海盗”和“建筑师”：前者愿意很快试很多方向，留下的东西可能很乱；后者擅长把其中有用的部分整理成可以理解、继续开发和维护的系统。
工程师Jannik Jung在团队里主要承担后一类工作。他接手过Dan做出的项目，其中包括协作编辑工具Proof，负责让它达到可以投入实际使用的状态。他的体会是，AI很擅长让一个想法先跑起来，但最初的实现可能只适合演示时的那一种情况。
"我觉得仍然需要建筑师这样的角色，具备相应的背景知识，知道怎样把东西做得可靠，并且能够长期维护。"
代码怎样组织、依赖哪些库、如何部署，以及以后怎么维护，都还需要判断。对于要接手工具的同事，这些会决定它出了问题能不能修、换一种用法会不会坏。
Jannik同时在试一个叫Minga的个人AI调度工具。他展示的项目，是为同事做一个发现社交平台热门讨论、便于跟进相关内容的工具。自己主要与调度Agent讨论目标和要求，Agent再拆出任务、排好依赖关系，在需要决定或查看界面草图时请他参与。
他希望进一步尝试多人一起工作的方式，让提出想法的人与负责技术的人共享背景、同时推进，而不用等一方做完再完整交接。
运营也能做工具，但得看清时间和钱花在哪
这些试验并不全由工程师主导。Arielle Shipper负责帮助团队整理探索过程和收获，也会自己动手做运营工具。她注意到，新模型不断推出，大家试得越多，模型用量和费用也越难一眼看清。
她展示了一套用量面板：从不同的AI工具中收集消耗记录，查看总费用、token数量（模型处理内容时的计量单位）、使用的模型及运行强度，也能按人查看。另一段流程会根据会话内容，归纳这些资源大致用在了什么工作上，再交给本人确认分类。
本人确认分类后，就能对照某类工作消耗的资源和得到的结果，判断值不值得继续投入。演示时，十月份的用量还没有收齐，她也会结合回顾分析来看。
"以前做运营时，想要这样的追踪功能，我得等模型服务商来加，或找工程师合作。现在，其中一部分我可以自己做了。"
这给熟悉业务、但不以编程为主的人留出了位置。知道数据该怎么分、什么结果需要本人确认，以及哪种比较才有意义，本来就是把工具做对的一部分。
最后，工具得把你带回想做的事情
回到Jack那款没有标签页的浏览器。最初他只想减少切换，后来为了日常审稿，又加了一个可以选用不同模型的侧栏；实际工作中偶尔还需要查资料，他便增加了临时打开页面、查完回到文档的模式。
这些修改都来自使用中的需要：少一点诱惑，但保留编辑工作真正用得上的操作。Jack不必等一家浏览器公司替自己决定这两件事怎样兼顾，便可以先尝试一种个人版本。
"我现在确实能做更多事了，但与此同时，我从没感觉自己的专注力承受过这么大的压力。"
他接下来想做的，也更多与保护注意力有关：帮助自己持续写作、创作，以及更好地与身边的社区连接。能制造更多东西，并没有让这些愿望自动实现，工具还得替它们让出时间。
Kieran Klaassen在节目末尾给试验团队的建议，也回到了这个问题。他认为，做试验既要启发同事，也得听同事需要什么；往频道里扔一百个试验，很容易让所有人不知所措。要让其中一些真正被采用，大家理解为什么用、怎样用，探索才回到了组织里。
对于每天需要交付的人，能否跟上AI，可以用这个结果来衡量：有用的新能力有没有进入自己的工作，是否让事情更容易做完。至于为了找到它，背后试过多少模型、淘汰多少方向，可以由承担探索的人先去消化。
Jack从减少标签页切换开始，尝试把浏览器改成适合自己编辑工作的样子。
写在最后
下一次看到一个新模型，可以先拿一份熟悉的真实任务试试，记下哪里有用、哪里还不能交给它。如果想推荐给同事，就把做法、结果和限制一起说明白。跟上AI未必需要每个人都追完所有更新，但需要有人把试验做到可以接手，让省下来的时间回到真正想完成的工作上。
内容来源："How a Frontier Team Can Help Your Company Keep Up With AI"丨Every
原视频：https://www.youtube.com/watch?v=LZbjIE2LeTQ
相关文章
《多邻国CEO：AI没让我裁一个人，但它改变了所有人的工作方式 | Silicon Valley Girl》 《Claude Code 实战：如何用一个工具支撑整个小团队丨Aakash Gupta》 《前 Facebook VP Julie : AI 不会取代领导者，但会改变领导力丨Lenny’s Podcast》
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 ⇣