AI 转型发散收敛模型

2022年秋天(ChatGPT公开发布前几个月),Cohen 召集LinkedIn各团队负责人,主导了一次组织级的AI转型,分成明确的两个阶段:

第一阶段——回到问题本身,不是"给方案找用途":不是"我们有了这个很酷的技术,能用它做什么",而是"放下你已有的roadmap,回到你原本要解决的目标,现在有了这项技术,你要怎么把这个目标做得更好"。也就是说,起点永远是原有的问题陈述(problem statement),而不是技术本身。

第二阶段——发散(diverge)几周,刻意允许重复和混乱:

• 主动鼓励团队自由探索、被技术点燃创造力,不去圈住他们;
• 允许多个团队在一段时间里做出相似但实现方式不同的重复项目——这是刻意的,因为这个阶段的目的是"学习",而不是效率;
• 这段时间产出了大量内部实践积累(例如"prompt engineering"作为一套内部playbook被摸索出来,后来甚至反过来分享给OpenAI和Microsoft)。

第三阶段——收敛(converge),自上而下砍掉多余方向:几周之后,基于发散阶段看到的所有可能性,自上而下挑出"最好的几个大赌注"(best bets),把资源集中收拢到这几个方向上,不再允许"人人做自己想做的东西"——原因很直接:算力/人力/成本都是硬约束。Cohen 把常规的多主题产品评审(product jam)在这个阶段临时改为每周只审查这几个精选大赌注,以此向组织传达"这就是我们现在唯一在乎的事"。

Cohen 补充的一个连带认知:如果不给团队"发散探索"的空间和时间,组织里会积压大量"我一直想试试AI能不能做X"的挫败感,这种被压抑的探索欲迟早会以负面情绪或私下摸鱼的方式冒出来,不如主动、有时限地把它释放掉。