Karina Nguyen 最新访谈：揭秘OpenAI工作内幕，AI时代“软技能”为何无价？
继上次为大家解读了来自OpenAI的Karina Nguyen在斯坦福CS25这门课上做的名为《RL as a Co-Design of Product and Research》的精彩分享（如果你错过了，可以点击这里回顾：AI时代产品经理能力大不同：Karina Nguyen 解读 OpenAI 产品经理的“进化”之路）后，我最近又翻到一篇她在今年二月的时候在 Lenny’s Podcast 上的深度对话。
关于Karina Nguyen：她是在两大顶尖AI实验室 - OpenAI和Anthropic - 都担任过核心研究+产品角色的专家，除了是ChatGPT中Canvas、Tasks等创新功能的关键贡献者，也曾主导Claude 3模型的后训练与评估工作。
这期访谈信息量巨大，对于我们理解AI如何重塑工作，特别是产品经理岗位，具有极强的指导意义。因此，我将其中精华总结出来，并加入一些个人观点与大家分享。
一、模型训练的艺术：为什么数据质量比数量更重要
当谈到人们对模型训练最大的误解时，Karina指出：
“模型训练更像是一门艺术而非科学。我们作为模型训练师，最重要的工作之一就是思考数据质量——如何确保最高质量的数据来创造你想要的模型行为。”
数据的质量和处理方式，远比我们想象的要精细和复杂。她分享了一个有趣的例子：当模型被告知自己没有物理实体，但其训练数据中又包含了“设定闹钟”这类需要与物理世界交互的指令时，模型会陷入逻辑困惑，甚至导致“过度拒绝”帮助用户。
这与她在斯坦福分享中提到的“模型行为塑造的挑战与方法”不谋而合。要精细地塑造模型行为，高质量的数据策略至关重要。而在这次访谈中，Karina特别强调了合成数据（Synthetic Data）的价值：
- 突破“数据墙”的认知：当我们担心真实世界数据不足以支撑模型持续进步时，Karina指出，通过强化学习（RL）在无限的任务上进行后训练（post-training），并结合合成数据，是模型能力持续扩展的关键，尤其是在如OpenAI的o1系列模型的范式下。她强调，当前真正的瓶颈是评估，而不是数据（你需要产品思维来为模型定义何谓”做得好”的标准）；
- 产品迭代的催化剂：对于像OpenAI的Canvas和Tasks这样的新功能，合成数据是实现快速模型迭代、验证产品假设的核心。它比依赖大规模、高质量的人类标注数据更具可扩展性、成本效益和迭代速度。当然，Karina也提到，合成数据面临的核心挑战之一是如何确保其多样性；
二、OpenAI产品研发揭秘：以Canvas与Tasks为例的“敏捷研产”
Karina详细分享了她在OpenAI参与的Canvas和Tasks两个项目的研发过程，为我们生动展示了前沿AI产品的诞生逻辑：
Canvas：研究+产品高度融合的典范
这是一个从立项之初就汇聚了研究员、应用工程师、设计师和产品经理的跨学科团队。之前我写过的Joanne Jang也提到过在OpenAI”研究与产品团队间前所未有的高度融合”，Canvas项目正是这一理念的生动实践。
团队通过合成数据，针对性地训练了模型的三个核心行为：
- 触发时机的智能判断：模型需要理解用户意图，决定何时将传统聊天界面升级为Canvas这种更适合长内容创作和迭代的界面。例如，用户想写长篇论文应该触发Canvas，但问一个简单事实时就不应该触发；
- 文档编辑的精准操作：赋予模型一定的”自主权”，使其能够理解用户指令，并在文档中进行精确的定位、选择、删除、编辑甚至重写。比如用户说”把第二段改得更友好一些”，模型就需要找到第二段并调整语调；
- 评论反馈的建设性生成：利用o1模型模拟用户对话和批判性思维，训练模型对文档内容提出有建设性的评论和反馈；
Tasks：小切入撬动大体验
Tasks功能的核心思路是将用户熟悉的交互形态（如提醒事项、周期性通知）与AI的强大能力（如信息检索、内容生成、任务执行）相结合。其开发始于一位核心成员的原型设计和行为规范定义。Karina再次强调了Prompting即原型的理念，通过精心设计的Prompt，可以快速验证和迭代产品概念。
她还提到，对于这类工具型功能，定义清晰的工具规范（tool spec）至关重要，例如如何从用户自然语言中准确提取时间、任务等关键信息，并将其结构化为机器可执行的JSON schema。
在这两个案例中，评估（Evals）体系的构建都贯穿始终。无论是自动化的确定性评估（如Canvas的触发准确率、Tasks的时间识别准确率），还是人工参与的人类评估（对比不同模型输出的优劣），都是衡量模型进展、指导训练方向、确保产品质量的“指南针”。
产品经理需要深度参与到评估体系的设计和解读中，Karina会要求产品经理创建详细的电子表格，包含不同标签页，记录当前行为、理想行为以及原因和注释。这些表格既用于评估，也用于训练，因为o1模型可以根据这些表格学会良好的行为。
从上面的产品开发过程我们可以看到这其实就是AI产品开发的新范式：不是传统的”写PRD→开发→测试”，而是”定义行为→合成训练数据→评估改进“。这要求产品经理具备全新的技能栈 - 核心工作的重点是定义和评估AI的期望行为，而不是管理传统的开发流程。
三、职业觉醒：为何”软技能”将成为AI时代的硬通货？
Karina的职业转向很有代表性。她原本热爱前端工程，但在Anthropic工作期间意识到一个残酷的现实：
“Claude在前端开发方面越来越强，在编程方面越来越好。我觉得Claude能开发新应用，甚至能为我正在做的工作开发新功能。”
这种”被自己开发的AI超越”的体验，促使她从工程师转向了AI研究。那么，在AI日益强大的未来，她认为哪些人类技能会变得更加珍贵呢？
Karina给出的答案就是“软技能”：
- 创造性思维（Creative thinking）：不仅仅是执行，更重要的是能够天马行空地产生大量想法，并具备将其筛选、落地的能力。具体来说，这包括跨领域连接不同概念的能力、从用户痛点中发现创新机会的洞察力，以及将抽象想法转化为具体产品方案的设计思维；
- 深度倾听（Listening）：深刻理解用户需求、市场动态和技术边界，从而找到AI技术能创造独特价值的结合点。这不仅是听懂用户说什么，更是理解用户没有说出口的真实需求，以及在快速变化的技术环境中保持敏锐的洞察力；
- 高阶认知与协作能力：这包括了管理能力、领导力、同理心、跨团队协作、沟通技巧，以及在复杂信息中进行有效优先排序（Prioritization）的能力。Karina甚至认为，AI研究本身的进展，有时都会受限于研究管理和组织协同的效率；
- 对”美”和”深度创造”的追求：目前AI在美学判断、高级视觉设计，以及真正富有原创性和情感深度的写作方面，仍有很长的路要走。教会模型这些，是极具挑战性的前沿课题；
这些观点进一步强化了我在上一篇博客中的判断：AI时代的产品经理，早已不是传统意义上的需求翻译者或项目协调者，他们必须进化为模型能力的探索者与塑造者、研究与产品之间的桥梁与催化剂、模糊性与复杂性的驾驭者，乃至全新交互范式的创造者。而所有这些角色的成功扮演，都高度依赖于上述这些”软技能”。
四、巨头透视：OpenAI与Anthropic的文化基因差异
作为少数在两家顶级AI公司都工作过的人，Karina提供了对这两家公司文化和运作方式的珍贵内部视角：
- 相似之处：她认为两家公司本质上都属于一个致力于推动AI发展的“大型社区”，目标有很多共通之处；
- Anthropic：更侧重于模型行为的精心打磨和工艺感。Karina形容Claude模型的个性有时像一位“书呆子气的图书管理员”，这在某种程度上是其创造者团队文化和价值观的投射。Anthropic在早期也更强调聚焦和极致的优先级排序；
- OpenAI：在产品和研究方向上表现出更强的创新动力和冒险精神（risk-takers）。公司文化似乎更鼓励自下而上的探索，给予研究人员和产品团队更大的创新自由度；
这些差异，或许解释了我们在市面上看到的来自两家公司的产品风格和迭代节奏上的不同。
五、人机交互的下一站：从“聊天”到“信任型智能体”
对于人机交互的未来，Karina分享了一些前瞻性思考：
超越聊天界面的交互革命：虽然聊天是一个灵活的交互起点，但AI的潜力远不止于此。我们需要探索新的交互范式。引用她在斯坦福所言，”要实现真正的界面（interface）创新，你必须针对最终产品中期望的交互模式来训练模型。“
异步智能体（Asynchronous Agents）的兴起：交互模式正从用户与AI的同步实时问答，逐渐演变为AI智能体在后台异步工作、主动为用户完成任务。OpenAI的Operator就是这类智能体的尝试，用户可以说”在亚马逊上给我订一本书”，AI就会在虚拟环境中完成整个购买流程。
信任是新交互的基石：当AI智能体开始代表用户在数字世界行动时（例如预订、购买），用户与AI之间的信任变得至关重要。这种信任需要时间来培养，也需要模型展现出高度的可靠性和对用户意图的精准理解。
个性化模型的时代来临：未来的趋势是从”个人电脑（personal computers）”走向”个人模型（personal models）“。AI将深度学习用户的偏好、习惯和工作流程，提供高度个性化和预测性的辅助。
智能体面临的技术挑战：目前，让AI智能体流畅地操作图形界面（通常是基于像素而非结构化语言）、准确理解复杂且动态的人类意图（何时应该追问澄清？何时可以自主决策？），仍然是技术上的难点。这又回到了如何教会模型”人情世故”和”同理心”的软性层面。
结语：AI时代的“不变”与“万变”
无论是之前那篇斯坦福的深度分享，还是这次在Lenny’s Podcast上的坦诚对话，Karina Nguyen的洞见都清晰地指向一个事实：AI正在从根本上颠覆和重塑产品管理的角色与内涵。
在AI时代保持竞争力的关键是学会与AI协作，在AI强大的执行能力之上构建独特的人文价值。当技术能够处理越来越多结构化任务时，那些需要创意、共情和人际理解的”软技能”反而成为了最稀缺的”硬通货”。
有趣的是，当被问及如果AI完全取代了她的工作，她会做什么时，Karina的回答是成为一名作家（创作科幻小说）或从事艺术品修复工作。这或许也暗示了，在AI极度发达的未来，那些蕴含人类独特情感、创造力和人文关怀的领域，才是我们价值的最终归宿。
正如我在上一篇博客结尾所说：”在产品经理的世界中，只有变化才是永恒的～ 而这一次，AI带来的变化，或许是我们这一代产品人所能经历的最激动人心的变革之一。”
推荐阅读：