陨石正在飞来：Intercom 首席产品官为什么把一切押在 AI 上

Paul Adams 从戛纳广告节的主旨演讲讲起。当时他在 Facebook，那是全球最大的广告舞台之一。前一年扎克伯格被问隐私，场面不好看，第二年轮到他上场。平日他只用提纲，这次却在媒体训练下把稿子逐字背熟。讲到三四分钟，他第一次忘了下一句，像恐慌发作一样走下台，麦克风还戴着，骂了一句，听见观众笑。他走回去把剩下的讲完，当晚在海边又出名又狼狈。那以后再也没发生过，可每次上台，心里仍有一点点怀疑。

Google 教给他另一种课。他做过 Buzz、Google Plus 这类社交项目，在他看来动机来自对 Facebook 的恐惧，而不是想给人们做出真正好用的东西。同期 Google 也在做地图和 Android，那些产品很强，他只是碰巧在社交这一侧。作为研究员，他在可用性测试之外多留二十分钟，让人画出自己的社交网络。做了十几个月、几十个人，同一模式反复出现：人们需要更好的方式和家人、密友的小群体说话。他现在觉得 WhatsApp 和 iMessage 就是那件东西。研究在一次会议上公开后，Facebook 找上门来。他在 Google Plus 尚未发布、高度保密时中途离开，有同事视他为叛徒，Google 还在他走时取证检查了笔记本。

这些经历把他拉向当时只有十来人的 Intercom。联合创始人 Eoghan 对他说：在 Facebook 你可以设计产品，在 Intercom 你可以设计公司。他相信高风险、高回报的大注，也接受大注经常下错。公司原则从「发了才能学」改成墙上那句：先发、早发、常发。发得早、改得快，前提是事情多半会先错。这和一家设计出身的公司「绝不想为发出去的东西丢脸」始终较劲，他们把这股张力摊在台面上管。

Adams 说，人们对 AI 大致分成两拨：一拨全押进去，一拨觉得又是加密货币、Web3、元宇宙之后的一轮炒作。他站在第一拨，认为 AI 对社会的改造会赶上甚至超过互联网，比移动浪潮更大。ChatGPT 上线那天大约是 11 月 29 日，从那天起他几乎每天醒来都在想 AI，读了很多，仍觉得自己落后。有人把噪声调低，掉进失望槽；他已经翻过那座山，ChatGPT 的视觉能力刚出来时，他仍觉得自己只碰到了皮。

对那些说没时间的忙碌的人，他的回答是：没有捷径，你得把时间挤出来。这不等于疯狂加班。他自己大约一周五十小时，再多决策会变差，也还得过日子。办法是在日程里留出专门时间去读、去玩工具。他举自己周五晚上和妻子吃饭、给菜拍照、试 GPT-4 Vision 为例。他拿大约十年前的移动浪潮做类比：当时有些公司早早摸索，后来得到了回报；若不好好探索 AI，它会把人甩在后面。

Lenny 问，要不要像扎克伯格或 Brian Chesky 要求所有设计稿必须是移动端那样，强制每件事都带 AI。Adams 觉得更难，因为很多改进藏在基础设施和大模型后面，他也不知道「AI 设计稿」该长什么样。他提醒别被酷技术带跑。先回到产品的核心前提：人们为什么用它、它解决什么问题，再问 AI 能不能干这件事——完全能、部分能，还是暂时不能。AI 已经能写、能摘要、能答问、能扫文本和图像，下一步还会去改机票这类动作。几乎所有带工作流的 B2B SaaS，都在这颗陨石的路径上，需要决定哪里替换、哪里增强。

ChatGPT 上线那天，Intercom 机器学习负责人 Fergal 宣布这是一道之前与之后的分界。公司几乎把整份战略撕掉，重新问人们为什么用 Intercom，然后埋头做 AI，带着一点把农场押上去的心态。不久 Sam Altman 说，客服会是最先被冲击的行业之一，这加重了他们的判断。他们先做了别的，后来才做出 Fin。Google 的 Bard 或许慢了半拍，但他认为这个技术周期还早，那些公司仍来得及。

Fin 首先是一个 AI 聊天机器人：客服团队的第一道防线是 Fin，而不是人。历史上客服多是邮件、电话和工单，后来变成类即时通讯的对话式支持，现在则是机器人优先。他说技术已经远超客户的吸收能力，真正的难处是组织变革：出现了对话设计师这类新岗位，专门设计 Fin 要走的对话。Fin 也进了 Intercom 收件箱，给人坐席建议答案、帮他们改措辞，既独自回答问题，也在增强人。

谈到影响，他说现在还早，取决于你拿什么当成功。若看兴趣，非常成功：客服负责人很好奇，它到底管不管用、够不够友善、懂不懂人情。客服岗位往往是高共情的人，会问机器人能否像人一样体贴。有些客户已经能用 Fin 回答 50% 到 70% 的进线问题。它还没有改写 Intercom 的财务。他把它比作指数曲线刚开始那段平缓底部：证据已经够他们相信这就是未来，眼下仍在摸清状况、教育市场。

ChatGPT 之前，Intercom 的机器人要由客服经理手工编排、教它说什么。之后模型自己就能回答许多基础问题，对这类问题几乎赶上人，有时也会错，人也会错。接着它显得能把事情想通，还能写代码。Intercom 大约是一名产品经理配五名工程师。他开始想：还需要那么多工程师吗，还是角色会变成审代码多于写代码？他玩过 ChatGPT 和其他大模型，包括 Anthropic，同样感到它能把事情想通。

视觉更让他震动。给自行车拍张照，它能判断哪里坏了、怎么修；十二世纪大教堂石头上的铭文，它能翻译。他提到在爱尔兰当放射科医生要训七年。AI 看起来已经更强，而且能吞下有史以来每一张 X 光片，人做不到这一点。工作会变成核对 AI 的判断，再去做床边沟通。爱尔兰医院排队很长，他认为这可能是件好事。

更边缘的能力是克隆声音和面孔，已经接近无法分辨。扎克伯格和 Lex Fridman 在虚拟空间里见面的演示让他第一次意识到，基于轨迹，这只会更好。模型还能吞下一个人说过、做过的一切，人死后仍可能被复现，你可以和去世的父母说话。他不知道这对人好不好。实时语音翻译也快到了：如果他只会西班牙语，这场播客仍可以对着他变成西班牙语。Lenny 补充说，自己的团队正在用 AI 给节目配音，并尝试对口型。

Adams 说，一切从优秀的机器学习工程师开始。OpenAI 和 Anthropic 提供地基，但要做出真正出色的东西，得在上面继续建。Intercom 已经按客服场景改过这些模型，将来也许会训自己的客服大模型，他也不确定每家公司会不会都有自己的模型。这些人才很抢手，所以必须认真扩建这个职能。他们的机器学习团队已经比以往任何时候都大。有的项目非常依赖这支团队；有的主要是前端设计问题，比如收件箱里已经有人在对话，AI 助手何时插入、如何表现才自然。越来越多产品小队可以建在过去一年打下的地基上。

第二条是不要把 AI 当成外挂。他在 Google 伦敦做移动 Gmail 和文档时，Mountain View 总部大约两百人，他们二十来人，没人在乎：谁会在手机上写完整文档？Intercom 尽量避免出现「只有 AI 收件箱团队才做 AI 功能」这种结构，希望每个人都学。他相信通才，自己的背景就是研究员、设计师、产品经理都做过。专才在必要时仍然重要，机器学习就是深度专精。工程上也更愿意要能学新语言、新框架、新界面的人。

要跟上进展，他读得很杂：Twitter 的推荐流、Matt Rickard 这类通讯、OpenAI 的博客和论文摘要。他建议先订半小时，钻进去，其余先收藏。他也试 Google 的 Bard，以及 Rewind 这种装在本地、当作增强记忆的应用，数据不出机器。他还故意去读唱反调的人，平衡自己那种他称为「过度乐观」的倾向。Web3 和加密货币他没有跟风，年纪越大越会去看另一面。

领导层包括 CEO Eoghan McCabe 和联合创始人 Des Traynor 都押在 AI 上，这让共识好做一些。仍有人问为什么全押。他老实的回答是受经验塑造的有根据的猜测，有点像产品品味。Fergal 甚至向几位产品负责人和 Des 讲过一套推演：若按某条路径走，两年后现在的路线图可能全无意义。他们人在「地平线一」，想的是未来十二到十八个月；那种讨论把含糊程度拉得很高。Adams 希望分享自己的确信，同时不要把同样站得住的另一种声音淹没。

Intercom 的口头禅是「适应或死亡」。客服是最显眼的靶子，他认为别的品类同样熟。Tableau 这类报表产品，今天是仪表盘、筛选、查询；将来也许就是一个输入框，问去年一月谁是最佳销售。项目管理工具也类似。对那些围着仪表盘和筛选养了一大支设计团队的公司，接受「界面变成一个框」会很难。他不确定报表是否真会那样演，但这正是新进入者可能带着完全不同范式过来的地方。

收尾时他想让人安心。他不会在办公室宣布以后每队只要两名工程师，也不认为事情会那样演。多年研究显示工作往往是挪位，而不是消失。客服流失率高，人数下降更可能来自有人离职后不再补招。末日剧本他觉得不会按那种强度发生。容易害怕，所以更要靠上去。

Adams 讲的第一套框架叫「之前 / 之后」：一次换品牌、一次新定价上线，之后什么都不一样了，必须重新出去和客户谈，核对自己对不对。他非常相信要和客户说话，而且不要把表面答案当真。Intercom 当时正在换品牌、重做定价，那些上线日都会变成分界。过了分界，就要开始学：做对了没有、人们怎么想。

这把他带到 Intercom 在定价上的伤痕。公司有一条原则：价格对齐价值。他说定价和引导上手一样，是他知道最难的设计问题之一。价值是主观的：同一份十个单位的价值，有人觉得值五美元，有人愿意付五千。他们偏避险，在旧的竞争失误上继续叠模型，最后定价模型多到必须勇敢地从头来过。

他能给的最要紧建议是保持简单。SaaS 很容易给新功能单独标价，做成插件：X 十块，Y 再另收，因为这是新能力、不该白送。随后出现有插件的客户和没有的客户，再叠加产品档位、档位里的档位。最后没人看得懂账单。他的劝告是拼命抵抗再多加一种收费方式的诱惑。这件事和他在戛纳台上卡住一样，也是会留下疤的那种教训。

他把 Kano 模型收成极简版：人买产品或换产品，通常被两股力推着。一股是新方案的吸引力，也就是差异化，而且必须是客户真正在乎的那种更好。Google Wave 在他看来非常创新，只是没人在乎。另一股是入场券，也就是必选项：往往很无聊、很容易被忽略。Intercom 多年更爱做差异化，结果潜在客户很想买，却因为缺一份基础报表或权限功能而买不成。现在资源大约对半开，两端都曾甩到七三。看路线图时，他会问这些事对客户此刻哪个更要紧。

对进入客服这种成熟品类的创业公司，早期 Intercom 缺少 Zendesk、Salesforce Service Cloud 那些堆了几十年的必选项，客户只能把它和那些大家伙一起买：现代消息体验放旁边，大袋必选项仍留在原处。花了好几年补齐之后，客户才能把那些工具换成 Intercom。他的结论是：创业公司必须把更多投入放在差异化上，成熟后再把账做平。具体怎么选，还取决于品类。

相关的框架叫「甩钟摆」：先看见一种不想要的状态，去修，然后修过了头。产品上他们在差异化和必选项之间来回甩。招人上，大约五年时觉得没人做过高速增长，就大量请来「做过的人」，那些人把上一家公司的文化搬了进来，多数情况并不合适，因为他们不想变成已经存在的那家大公司。专才在大公司极有价值，在含糊的创业文化里却容易溺水。他怀疑必须甩过界，才能知道边界在哪。在 Google，隐私讨论可以转一年、什么都不发；在 Facebook 他看到另一种做法：不过线，你就不知道线在哪。过线会疼，但停在自以为的边界前，线可能还在很远的地方。

Adams 把市场定义成：哪些人、他们有什么问题、这些问题他们有多在乎。好市场是很多人有同一问题，而且非常在乎。产品是解法。Google 的社交项目找到了很多人有同一问题，但他们并不够在乎，现有方案已经够用。他再加上第三项：故事。有时好产品碰上好市场仍会失败，因为讲法绕、过度知识化，人们听完不知道你在说什么。他举 Rdio 为例：和 Spotify 面对同一市场、同一组问题，许多人认为 Rdio 当时产品更好，却把故事讲错了。

他希望每个产品人，从设计师到研究员到数据科学，都像思考怎么做产品一样思考怎么讲产品。Lenny 把它连到定位，以及不久前做过节目的 April Dunford。Adams 同意，中心问题就是：你为什么更好，以及你能不能把这一点说清楚。故事有时会被说成营销，他仍觉得它对产品是否成立同样要紧。纸面上更弱的产品，也可能因为故事对了而赢。

Jobs to Be Done 方面，Intercom 多年前和 Bob Moesta 合作，跟的是那一派，而不是 ODI。他们觉得这套框架非常有用，前提是用得很简单：把团队钉在真实的客户问题上，并看人们对这个问题有多少能量。关于不同版本的细节争论，他认为顾客并不在乎。他们仍在用四力模型，覆盖换产品时的吸引力、习惯和焦虑。当年 Eoghan 和 Des 劝他离开 Facebook，还在几杯啤酒里按四力处理过他的焦虑。他觉得那套做法高明。目标只是做出能稍微改善人们生活的软件，有用的框架就留，学术辩论可以放下。

闪电轮里，Adams 推荐两本完全不同的书：Paul Arden 那本二十分钟能读完的《It's Not How Good You Are, It's How Good You Want to Be》，以及 Ray Dalio 的《原则》。他办公室里备着两本，也会买了送人。最近爱看的剧是《熊家餐馆》（The Bear），理由是它在某种程度上颂扬苦工。他年轻时在咖啡店打工读完大学，觉得苦工是把事情做成的一部分。产品上他仍在玩 ChatGPT Vision 和 Rewind，后者被 Des 等创始人用得很凶，他当成增强记忆。

面试上他不太依赖靠记忆的行为问题。前同事 Alyssa 教给他一个背景调查问题：这个人第一次绩效评估时，我会给他什么反馈？对方躲不开，答案往往很能说明问题。人生信条贴在显示器下方，挡掉一点屏幕，否则他不会看：只做最要紧的事；你无法控制的事就别操心。它们帮他少发当年那种怒气邮件——在都柏林醒来，看到旧金山深夜的邮件，手已经伸向键盘。

父母教他最有用的一课是对人好。你不知道对方生活里正在发生什么，工作上让你不舒服的举动，背后可能是完全另一回事。加入 Intercom 之前他没裁过人，后来做了不少次，发现两边往往都能过下去，更难的那件事常常才是更厚道的事，当事人甚至会松一口气。他请听众联系他，尤其是觉得他这套 AI 说法荒唐、更像加密货币和 Web3 的人。他的账号到处都是 padday。