Adam Mosseri:让 AI 从你的实际工作中学习

原标题Adam Mosseri: Make AI Learn From the Work You Actually Do

Instagram 负责人将 AI 草稿与自己最终发送的邮件比较,并把同样的反馈原则用于会议和创作者工具。

AMAdam Mosseri嘉宾 · Instagram
频道
Silicon Valley Girl
发布
2026年11月17日
视频
44:39
阅读
10 分钟
原文
英语
在 YouTube 打开
往下滚动阅读时,视频会缩到右下角继续播放。字幕跟随阅读语言。
阅读语言共 2 种语言可读
由 AI 从英语原文翻译。打开“对照原文”可以逐段核对。
摘要

30 秒看懂

Adam Mosseri 说,AI 从个人修改中学习,比生成通用草稿更有用。他的邮件助手会比较草稿与实际发送的邮件;会议工具则根据讨论和后续工作检查简报。他还用共享的个人记忆系统切换工具,避免每次重新教一遍。这位 Instagram 负责人提醒,token 使用量和观看量只是代理指标,不是目标:创作者和产品团队应该选择能服务于预期结果的衡量方式。

  1. 1将草稿与实际发出的邮件比较,才能改进Mosseri 亲自编辑并发送每封草稿。随后,助手比较两个版本,学习他的语气、价值观和日程。
  2. 2对照实际重点,会议简报才变得有用最初的简报增加了阅读量,却没有帮助。他说,将简报与会议记录和后续工作比较,一个月到两个月后就更有用了。
  3. 3共享记忆让切换个人 AI 工具更容易他的 Custodian 系统让不同工具检索和保存上下文,不必每换一个工具都重新教它。
  4. 4大量使用 AI 并不能证明生产力Mosseri 把 token 消耗等数量作为指标,而根据团队产生的影响和交付的成果评估工作。
  5. 5排序可能高估容易衡量的东西点击或分享比内容是否值得观众花时间更容易立即观察。Mosseri 说,两种结果都很重要。
  6. 6面对不同受众,创作者需要不同指标Mosseri 说,每次展示带来的分享数对触达非粉丝很重要,而观看时长和点赞率对现有粉丝更重要。
  7. 7Trial Reels 最初不是正式的 A/B 测试工具该功能让创作者在将 Reel 放到个人主页前先试发。Mosseri 说,Instagram 应支持合理比较,同时避免奖励反复上传几乎相同的内容。

要点建议

  1. 将 AI 草稿与最终成果比较,持续向助手提供具体反馈。
  2. 把工具使用量、观看量等容易统计的数字看作代理指标,衡量自己真正想达到的结果。
  3. 公开把决策交给最接近工作的人,让领导者不成为瓶颈。
  4. Mosseri 说,每次展示带来的分享数有助于判断 Reel 是否触达未关注账号的人。
  5. 选择机会时,不只看市场或一个人当前的状态,也要看是否在进步。
全文

按章节阅读整理后的全文

只看原始文稿
01

跟进事项的指挥中心

Mosseri 把请求、会议和行动项汇入个人工作界面。他说,对其他人而言,更简单的助手可能就够了。

Mosseri 说,AI 模型一开始对世界的理解比较通用。如果建立反馈循环,让系统看到用户真正想要什么,输出就会有用得多。

随着模型和工具改进,他的配置每个月都在变化。他说,要让 AI 发挥作用,就必须持续愿意学习,而不是掌握一套固定工作流程后一劳永逸。

他的一款工作工具叫 Roger,会跟踪会议、邮件和 Slack 中提出的请求。有人没有交付时,他可以看到尚未兑现的承诺并发送提醒。

这些请求汇入一份统一的待办清单。Mosseri 构建了一个类似桌面的界面,把最重要的任务放在前面,让他可以暂缓、编辑或处理其他任务。

他的指挥中心还汇集了会议材料、简报和历史记录。他说,这只是一个使用 SQLite 数据库的简单网页应用;夜间自动化程序会收集会议行动项、消息和邮件,更新其中的信息。

被问到非技术人员能否构建同样的系统时,Mosseri 说,如此复杂的系统仍需要反复给出指示和反馈。需求简单一些的话,一个获得邮件访问权限的助手就可以提醒用户回复重要邮件。

02

让草稿从实际发送的邮件中学习

Mosseri 亲自审阅 AI 邮件草稿,并将其与最终邮件比较。另一个循环通过会议的实际情况评估会前简报。

他的邮件助手负责起草回复,但不会发送。他自己阅读、修改并发送邮件,然后让系统比较草稿和最终发送的版本。

Mosseri 说,每天的比较帮助助手适应他的语气、价值观和日程。一封需要重写的通用草稿省不了多少时间;有用之处在于系统能从修改中学习,而不必每次都让他单独提供反馈。

在会议方面,一个智能体会总结长文档,找出他不应错过的三四件事。他仍然会阅读完整材料,只是先用简报确定重点。

最初的简报只是增加了阅读量,对他帮助不大。他改变反馈循环,让系统将预测与后来的会议记录、行动项、个人笔记和讨论作比较。他说,一个月到两个月后,系统学会了哪些问题和决策对他重要。

Mosseri 不认为每项任务都需要专门的应用。可视化桌面能帮助他查看一周的会议和已经收到的材料,但一次会议所需的背景也可以通过一条简单消息提供。

03

为家人构建小应用,让记忆可以随工具迁移

定制播客应用可调整主题、年龄和时长。共享个人记忆系统让不同 AI 工具检索相同的上下文。

在家里,他为三个儿子构建了一款播客应用。其中一个喜欢最新体育比分,因此他接入了获取近期赛果的 API,还加入日期背景,因为语言模型有时会弄不清当天的日期。

他的大儿子喜欢历史和体育排名。应用可以选择主题、听众年龄、时长以及适合儿童的声音;他还用年龄滑块为父亲生成了一段解释 AI 的内容。

Mosseri 经常更换个人 AI 工具,不喜欢每次都重新教它们了解自己。他把一个共享系统称为 Custodian,用它存储活动、记忆和技能,让多个工具都能使用他的邮件风格等信息。

他说,这些记忆以文本存储并建立索引,因此可以按概念而不只是关键词搜索。工具可以读取记忆,也可以遵循规则写入新记忆;他的工作环境使用独立系统。

04

授权决策,招聘善于学习的人

Mosseri 公开赋予能干的同事责任。他看重驱动力、学习速度和自我认知,并提醒不要把 AI 使用量当作成果。

Mosseri 用 AI 对决策做压力测试,但他尽量把许多决策交给更接近工作的能干同事。他说,如果团队的每个选择都依赖自己,他就会成为瓶颈。

他会公开授权,让同事知道谁负责某项决策。明确责任会改变团队的行动方式,也给决策者发挥领导作用的空间,而不是让所有问题又回到他这里。

无论招聘哪个岗位,他都看重驱动力、快速学习的能力和自我认知,也就是能够接受反馈并持续进步。他说,变化迅速使学习速度尤其有价值。

为了评估学习能力,他会询问候选人不熟悉的话题,观察其掌握得有多快。此前职责的增长,以及成功转到不同职能的经历,也可以作为证据。

他看到设计、工程和数据科学的边界正在模糊:设计师写代码,工程师分析数据。被问到会解雇谁时,他说自己担心的是那些无法持续适应和学习的人。

Mosseri 把学习新工作方式比作学习语言:人们必须愿意听起来有些笨拙,愿意尝试、接受纠正,也接受偶尔失败。他说,自己如今每天都在学习,这是多年来未曾有过的状态。

大量使用 AI 或消耗大量 token 本身不是目标。Mosseri 说,高使用量有时代表生产力,有时则是浪费钱,因此他把使用量看作可能的先行指标,而不是产生影响的证明。

他区分目标与代理指标:目标可能是让人们愿意分享,可衡量的代理指标则是有多少人分享了 Story。对团队而言,他关心的是交付了什么、Instagram 是否更有用,而不仅是 AI 活动次数。

05

衡量注意力的局限

Instagram 结合情绪和使用指标,但排序可能高估最容易衡量的东西。传播只有与创作者的目标相联系才有用。

Instagram 每天询问用户的满意度和感受,也追踪使用量、消息、Story 和展示次数。Mosseri 说,过于专注任何一个指标都可能导致不合理的决定。

他说,面对多到看不完的帖子,排序可以帮助人们找到内容,但这种排序并不完美。排序系统会优化它能够衡量的东西,而容易衡量的信号未必最有价值。

他把眼前享受甜甜圈与长期保持健康的愿望作比较。点击、点赞或分享比“视频是否值得花时间看、第二天是否还记得”更容易观察,但后者可能更重要。

Mogilko 说,她采访 Brian Chesky 的一期节目观看量较低,却被受访观众中的 44% 选为三期中最好的一期。她希望获得影响力和传播,而不是只追求爆款。

Mosseri 说,传播是建立社区或销售产品等目标的手段。人数较少但高度关注的受众,可能比仅凭短暂观看计数的大规模受众更有价值。

他以播客 Acquired 为例:即使它的总覆盖人数不是最多,其受众对商业广告主仍可能特别有价值。他说,创作者需要知道自己想要什么样的受众和业务。

06

减少押注,观察变化轨迹

决定构建什么时,Mosseri 考虑质量、值得信任的负责人和长期相关性。他偏好增长中的市场和持续学习的人。

被问到 Instagram 如何选择不做什么时,Mosseri 说,他努力让团队少做一些事,但把质量做得更高。构建产品越来越容易,以及竞争压力不断加大,都在推动相反的方向。

组织能处理多少困难项目,不能只看人数;真正的限制可能是有多少人能被信任去带领艰难的工作。他寻找几年后仍重要、符合 Instagram 定位和重要受众需求的机会。

对于职业或新产品,Mosseri 建议既看当前规模或能力,也看变化轨迹。他宁愿进入增长中的市场,也不愿进入规模更大却在萎缩的市场;他也更愿意招聘进步很快的人,而不是停止成长的人。

Mogilko 回忆,她的留学业务遇上疫情,后来转向不断增长的创作者经济。Mosseri 说,他通过研究、调查、评论和旅行寻找与文化相关的信号,包括走出去与美国以外的用户见面。

07

在受众反馈中寻找有用信号

Mosseri 利用私信、问题和 AI 助手辨别反馈。Mogilko 介绍了一种虽不扩大覆盖人数、却能加强与现有粉丝联系的内容。

Mosseri 说,由于 Instagram 覆盖的人很多,强烈意见和负面评论不可避免。他尝试从噪声中寻找有用信号,包括私信和每周问答中有意思的问题。

他现在用助手阅读消息请求,找出值得关注的联系人和有意思的问题。它帮助他发现可能错过的消息,而回复什么仍由他自己决定。

Mogilko 说,AI 帮助她看到,家庭和生活方式内容即使不能吸引新粉丝,也能重新激活现有粉丝。Mosseri 认为,创作者助手在受众互动、内容分析和发现趋势方面有潜力,同时表示几项功能仍需改进。

08

让创作者指标服务于目标

Mosseri 区分每次展示带来的私信分享数与观看时长、点赞数。他还讨论互动技巧,以及观看和测试 Reels 的功能。

Mosseri 说,要触达没有关注账号的人,每次展示带来的私信分享数很重要:看到 Reel 的人中有多少人会私下转给朋友?对于现有粉丝,他认为观看时长和点赞率更重要;比例比总量更有意义。

他自己的目的是解释 Instagram 的决定及其取舍,而不是单纯追求最多观看量。他说,创作者聚焦帖子的表现不如某些产品公告或个人帖子,但符合他突出创意人士的目标。

Mogilko 问到让观众评论关键词以获取链接的做法。她说这能提高覆盖人数和新闻简报订阅量;Mosseri 称它是一种有效的互动技巧,同时质疑额外传播是否意味着内容对观众真的更有用。

Mosseri 喜欢的功能包括 Blend:在私信中与他人共享的 Reels 信息流,以及查看和编辑系统推断兴趣的控制选项。他提醒,这些个人功能未必能帮助账号增长。

他推荐创作者使用 Trial Reels,先试发内容,再决定是否永久放到个人主页或展示给粉丝。Mogilko 想在同一视频上比较不同的文字叠加效果,但 Mosseri 说,这个功能最初并不是正式的 A/B 测试工具。

他说,Instagram 限制重复上传几乎相同的内容,因为一些用户试图通过多次发布只有细微差别的版本来扩大传播。他认为平台应该找到办法支持合理测试,同时避免这种滥用。

09

品味和学习都需要有意识地行动

Mosseri 根据内容选择音乐,并说反复实验帮助他更快地学习。

谈到品味,Mosseri 说,他给 Story 选音乐时会考虑歌手、曲目或歌词是否与内容的主题和氛围相连,而不是只因为某段音频正在流行。对他来说,品味往往来自有意识的选择。

他说,AI 让愿意学习变得更加有价值,也提出了更高要求。不断实验帮助他更快掌握新事物,尽管他最初觉得适应起来很困难。

同频道的其他文章

43:35EN → 简体中文
Silicon Valley Girl· 2026年11月10日Isomorphic Labs 的 Max Jaderberg:用 AI 缩小药物设计范围嘉宾 Max Jaderberg · 主持 Marina Mogilko这位研究者解释虚拟筛选、真实实验室验证,以及为何必须用实际成果衡量智能体表现。Drug DiscoveryAI for scienceAI agents+2
23:55EN → 简体中文
Silicon Valley Girl· 2026年11月5日Susan Wojcicki 的家人谈她的人生与肺癌研究嘉宾 Dennis Troper, Esther Wojcicki, Anne Wojcicki, Janet Wojcicki · 主持 Marina Mogilko家人回忆她作为母亲和领导者的优先选择,并讨论基金会关于研究与早期发现的目标。Public HealthAI in healthcareLeadership+1
53:41EN → 简体中文
Silicon Valley Girl· 2026年11月3日Ethan Mollick:创业、AI 智能体与保留人的判断嘉宾 Ethan Mollick · 主持 Marina Mogilko沃顿商学院教授解释如何把 AI 当作需要管理的合作者,同时保留对自己重要的技能与选择。AI agentsHuman-AI CollaborationEntrepreneurship+2
幻灯片51:35EN → 简体中文
Silicon Valley Girl· 2026年10月30日Karim Lakhani:与 AI 工作时如何保持学习和判断嘉宾 Karim R. Lakhani · 主持 Marina Mogilko这位哈佛商学院教授讨论,人们如何使用 AI,同时保持判断力和学习能力。Human-AI CollaborationAI AdoptionEducation+2
38:28EN → 简体中文
Silicon Valley Girl· 2026年1月9日Oscar Hoglund 谈价值链、AI 工具,以及创办 Epidemic Sound 而不赔上生活嘉宾 Oscar Hoglund · 主持 Marina MogilkoEpidemic Sound 联合创始人做客 Marina Mogilko 的节目,讲创意反差、从功能走到平台,以及把公司做成可持续事业背后的纪律。Company BuildingCreator EconomyContent Strategy+2