Guillermo Rauch：产品聚焦、AI 界面与投资

Guillermo Rauch 在阿根廷长大，小时候开始编程，围绕自己的兴趣建立网站，并通过反复尝试学习 HTML。后来他参与了 JavaScript 项目 MooTools。17 岁时，一家瑞士公司的工作邀请与完成高中学业发生冲突；他选择了工作，最终搬到旧金山。

Rauch 12 岁时就通过 Mercado Libre 的推荐计划开始在网上赚钱。后来，自由开发工作和修复软件问题的小额报酬帮助他的家庭在阿根廷支付生活开支。他说，这些收入很有用，但并不稳定，因此既带来机会，也带来压力。

尽管未来不确定，父母仍支持他离开要求严格的教育路径，转而从事软件工作。到那时，多年的收入和开源贡献已经向家人证明互联网可以改变他们的处境。Rauch 既肯定自己的努力，也感谢父母愿意承担风险。

Rauch 说，驱动他的是把一项成就变成下一项成就的起点。搬到美国后，他更容易接触资本、人脉和志趣相投的人。他仍认为旧金山有优势，但也表示那里并非唯一可以建立公司的地方。

Rauch 认为，可靠的基础设施和高效的制度能够改变人们可以完成的事情。他相信，移民可能尤其懂得珍惜迁入地的机会；与自己在阿根廷的经历相比，他对美国制度的制衡表达了信心。这些是他的个人观察和假设，并非适用于所有移民的已证实规律。

评估人才时，Rauch 会寻找可展示的实际工作：产品、链接、文章，或其他体现思考和执行能力的成果。他希望候选人能把技术贡献与改善用户或开发者体验联系起来。这与他创立并领导的 Vercel 的使命相符；该公司销售用于构建网络产品的工具和基础设施。

Stebbings 提醒，有些善于讲故事的人可能比实际做事更擅长推销。Rauch 同意，并建议深入询问实现选择、替代方案和取舍，以检验概念理解的深度。他也承认，可见产品并非适用于所有职位的完美测试，尤其是更偏理论的工作。

Rauch 曾犯过的招聘错误，是过分看重简历上的知名雇主。品牌名称只是能力的间接指标，不能证明一个人的实际贡献。两人都说，创始人可能会把熟悉的履历误当成对候选人技能的直接验证。

Stebbings 更喜欢连续创业者，因为他们已经从错误中学习。Rauch 同意经验是一个有用的筛选条件，但指出这样会缩小候选范围。他也重视早期初创企业员工：他们曾近距离观察决策，并能说明自己创业时会如何做得不同。

被问到简单是否总是更好时，Rauch 说没有普遍答案。他欣赏表面简单却隐藏复杂基础设施的体验，例如搜索框或 API。他提到自己早期投资的 Auth0，以及他称自己欣赏但没有投资的 Stripe，作为有效简化的例子。

随着公司成长，让第一款产品成功的方法可能不足以支撑下一阶段。长期参与开源的 Rauch 回忆了一次讨论：开源有助于市场认知，但本身并不能解决所有规模化问题。他认为融资阶段标签并不完美，但先后顺序和适应能力很重要。

一家拥有多款产品的公司，看起来可能比最初切入市场时复杂得多。新进入者可以简化一个市场，但 Rauch 说，领导者必须反复重新考虑客户需求和公司阶段。Stebbings 提醒，增加企业功能可能导致功能蔓延，使产品更难使用。

Rauch 的回答是选择要打的仗，而不是解决客户的每一个问题或进入每个市场。有时等待实验揭示更好的方法，比立即做出反应更明智。他以 Apple 善于选择时机为例，认为做对有时比抢先更重要。

他说，在 Vercel，团队为质量设定高标准，并在发布前进行内部测试。为了兼顾速度与可靠性，他建议限制实验的影响范围，在更大规模推出之前积累证据。这是他对 Vercel 流程的描述，并非对其产品的独立评估。

Stebbings 问，严格验证是否会让发布速度太慢。Rauch 认为，团队可以通过分享方法和案例，把快速而审慎的工作方式融入组织，而不必让 CEO 检查每个项目。他用工厂对飞机机翼进行压力测试作类比，说明如何通过超出常规运行条件的测试建立信心。

Stebbings 认为 AI 可能让用户界面变得不那么重要。Rauch 同意界面会改变，但预计信息和选项仍需要呈现。自然语言请求可能取代仪表盘上的多次点击，而新工具会让人们创建不同类型的界面；Vercel 在这些工具上有商业利益。

Rauch 预计，人们需要完成的任务——沟通、决策和数据可视化——仍会存在，尽管方法会改变。他认为产品设计师如今多了一种工具：语言模型，因此可以重新审视旧软件中固有的假设。他对未来设计的设想是判断，而非已经实现的结果。

Stebbings 认为，AI 最终可能销售完成的工作而非工具：用户只需指定广告目标和预算，代理就能处理决策。Rauch 说，长期来看这可能发生，但他认为近期产品必须从用户现状出发。他把这一转变比作移动软件：既结合了既有网页和桌面软件的思想，也引入新的能力。

Rauch 认为，一些 AI 界面可能需要展示更多选择，而不是更少。例如，Midjourney 会返回多张图片，因为它无法准确知道用户想要哪一种结果。与确定性的表单不同，生成式系统可能产生不同或不合适的输出，因此界面必须帮助用户评估和引导它。

Stebbings 担心选项太多会让用户不知所措。Rauch 说，答案取决于任务所处阶段：在创意探索中，备选方案和否定过程可以帮助人们发现自己想要什么。他认为优秀产品工作需要反复筛选，也认为助手应从反馈中学习，逐渐改善建议。

Rauch 区分提供建议的工具，如自动补全或 copilot，与无需监督就能行动的自主代理。在访谈当时，他看到后者的成功例子较少。他预测代理会进步，但更支持由人担任编辑，提供方向并拒绝不合适的工作；这是他提出的模式，并非代理未来发展方式的保证。

Stebbings 担心助手模式会让拥有渠道和现有产品的行业巨头受益，使初创公司更难融资。Rauch 认为，新进入者可以从根本上重新设计工作流程，从而不再需要那么多旧界面。他假设的 AI 文字处理器只是一个说明，并非声称这样的产品已经存在。

Stebbings 反驳说，Notion 和 Adobe 等公司已经迅速整合 AI。Rauch 同意不能低估现有企业，并称赞 Microsoft 较早在战略上重视 AI。尽管如此，他仍认为，即使现有企业改善已有产品，平台转变也可能把用户注意力转向不同的方法。

谈到商业模式时，Rauch 说 Vercel 结合了按席位收费的软件和按用量收费的基础设施。他预测更多 AI 产品会采用混合模式：基础工作流程收费，再根据额外计算使用量收费。这是一家采用此类模式的公司 CEO 的商业判断，并非普遍的定价结果。

被问及开放或封闭 AI 系统谁会获胜时，Rauch 说自己需要更多数据。他指出 Kubernetes、React 和 Linux 等生态标准可能带来开放模型的优势，同时认为技术先发优势也可能难以追赶。他对 Llama 和 GPT-4 的比较反映的是 2023 年录制时的判断。

在快问快答中，Rauch 不认同“投入 AI 公司的现金有 99% 会归零”的预测。他推测大约 20% 的投资可能产生积极结果，其中包括被收购；他明确表示，这不意味着 20% 会成为独角兽。这是个人预测，并非已测得的投资组合表现。

Rauch 说，自己的一些天使投资针对的是他希望解决、却没有时间亲自处理的问题。他投资了 Scale AI，并称选中这家公司部分靠运气。他认为，创始人的优势不仅来自已有领域经验，也可以来自坚持的意愿和快速学习的能力。

Rauch 认为市场需求很重要，但投资人即使认出了问题，也可能误判最佳解决方案。他回忆自己曾怀疑把身份验证外包给 Auth0 是否可行，尽管他投资了这家公司，也认识到把身份验证做好有多难。

他同样知道团队需要更好的沟通，但曾选择搭建 IRC 服务器作为解决方案。后来 Slack 提供了不同的答案，他回忆自己曾犹豫是否应该把公司沟通交给另一家供应商。这段经历让他学会对自己未必会打造的解决方案保持开放。

展望十年后，Rauch 希望 Vercel 能帮助开发者创造更好的产品，减少令人沮丧的软件体验。他预计 AI 将扩大能够参与创造的人群。这些是 Vercel CEO 的愿景与预测，他与公司成功有直接利益关系。