LinkedIn CPO 揭秘：AI 如何彻底颠覆产品管理

嘉宾：Tomer Cohen ｜ LinkedIn 前首席产品官｜领域：AI 产品与未来趋势

背景与引子

2024 年年末，LinkedIn 宣布了一个震动行业的产品管理变革：他们正式停用了运行多年的 APM（Associate Product Manager）项目，取而代之的是一个名为”全栈构建者”（Full-Stack Builder）的新项目。这个项目的目标是让任何人——无论来自产品、工程、设计还是其他任何职能——都能端到端地将一个想法从构思变为上线产品。

这不是一次简单的组织架构调整，而是对产品开发全流程的一次根本性重新思考。LinkedIn CPO Tomer Cohen 在这场深度对话中首次详细披露了这套“全栈构建者”模型的完整设计思路，包括背后的动因、具体的实现路径、已经取得的初步成果，以及他认为最容易被忽视的文化层面挑战。

听完这场对话，我的感受是：这不是 LinkedIn 在玩概念，而是他们正在用实际行动为整个行业蹚出一条路。如果你想知道 AI 时代的产品团队应该怎么运作，LinkedIn 的答案可能是目前最完整、最系统的一个参考样本。

一、嘉宾是谁

Tomer Cohen 在 LinkedIn 工作了整整 14 年，从收购前就已经加入，亲眼见证了 LinkedIn 从一个相对沉闷的职业社交平台，转变为今天这个充满活力、拥有数亿用户的生态系统。他经历了 LinkedIn 向移动端的重大转型、Feed 算法的重塑、以及最近几年 AI 能力的全面整合。

在他看来，自己本质上是一个“构建者”（Builder）。他痴迷于讨论工艺、品味、主动性和产品市场契合度。他最常引用的一句话是：好的产品不是设计出来的，而是构建出来的。这次他带来的“全栈构建者”模型，正是这一理念的最新体现。

二、核心观点 TOP10

到 2030 年，做任何工作所需技能的 70% 将发生变化。 不管你是否打算换工作，你当前的工作本身正在改变。唯一的区别是你能否跟上这个变化的速度。
产品开发流程本身并不复杂，是人为的复杂性让它变得臃肿。 一个功能从构思到上线需要多个团队、多条代码库、多个迭代周期，这背后不是因为产品开发本质很难，而是我们把每个步骤都过度拆分了。
全栈构建者模型的核心目标是：让任何一个优秀的构建者能够将自己的想法独立推向市场。 不受职能边界的限制，不受团队归属的束缚。
人类应该专注于五件事：愿景、共情、沟通、创造力，以及最重要的——判断力。 其余的一切都在努力实现自动化。
判断力（Judgment）是未来构建者最核心的特质。 这是在复杂、模糊的情境中做出高质量决策的能力。AI 在这一点上目前还远不够好。
技术从来都是关于赋能的，而现在它终于可以服务于真正的精英制度。 让任何有能力的构建者都能独立完成完整的产品开发流程。
把 AI 工具直接接入现有的知识库是行不通的。 你必须精心筛选数据、构建专有的 agent，才能让 AI 在你的特定环境中真正发挥作用。
改变管理将是决定成败的关键因素。 只给工具是不够的，必须建立激励机制、展示成功案例、创造文化氛围，让人们真正愿意拥抱新的工作方式。
最先成功采用这些工具的，往往是组织中最顶尖的人才。 AI 不是让普通人变优秀，而是让已经优秀的人变得极其优秀。
不要等待正式的组织重组。从今天开始，用现有工具构建，展示成果，证明你的全栈思维。 这才是真正的开始方式。

三、关键洞察

洞察一：产品开发的“复杂度膨胀”是一个系统性问题

Tomer 分享了一个令人震惊的细节：在 LinkedIn，单是“研究问题”这一个步骤，团队就需要参考 10 到 15 种不同的信息来源——客户访谈、数据拉取、反馈工单、社交媒体、客户交互记录等等。而在产品评审环节，又存在着设计评审、隐私评审、安全评审等各种专项评审。

每一步拆分都有其存在的合理理由，但当所有这些步骤叠加在一起，就产生了 Tomer 所说的那种“令人窒息”的复杂度。他的原话是：“工作本身并不复杂，是我们让它变得复杂了。”

这让我意识到，很多公司的产品开发速度缓慢，根源不在于执行不力，而在于流程本身的结构性冗余。AI 的价值不仅在于加速某个步骤，更在于有可能从根本上简化这个流程。

洞察二：最好的 AI 落地案例，是为你的具体场景量身定制的 agent

LinkedIn 构建了一系列内部 agent——信任 agent、增长 agent、研究 agent、分析 agent 等等。每一个 agent 都整合了 LinkedIn 独有的人工智能和多年积累的领域知识。

一个非常有说服力的例子是信任 agent。当一个团队提交产品需求文档时，信任 agent 会自动识别潜在的信任风险点和可能的危害向量。他们曾用一个几年前的”Open to Work”功能需求重新过了一遍信任 agent，结果 agent 不仅发现了团队最初识别出的所有风险点，还找出了后期才陆续暴露出来的所有漏洞。

这个案例说明了一个重要道理：现成的 AI 工具在你的特定场景中表现往往平庸，真正的价值来自于你对 agent 的深度定制和优化。

洞察三：顶尖人才最先拥抱变革，而不是被变革所淘汰

Tomer 提到了一个有意思的现象：在 LinkedIn，最先、最大量使用这些新工具的人，恰恰是组织中最顶尖的人才。这与一个常见的焦虑——“AI 会取代普通人”——恰恰相反。

他的解释是：“顶尖人才有一种持续提升自身技艺的内在驱动力，他们对处于构建方式的尖端有着本能的渴望。” AI 工具对于这些人来说不是威胁，而是一种超级放大器。

这也提醒我们，组织的 AI 转型不应该是自下而上的草根运动，而需要自上而下的文化引导和激励机制设计。

四、精彩金句

“变化发生的速度比我们能够做出反应的速度还要快。”

这是 Tomer 对当下时代特征的核心判断，也是整个全栈构建者模型的出发点。当变化的常量变得比响应的常量更大时，旧的组织形式必然失效。

“你要自动化一切不在那五项特质中的事情，而且我在判断力上投入的精力最多。”

在 Tomer 看来，判断力——在复杂模糊的情境中做出高质量决策——是人类相对于 AI 的最后一块堡垒。这既是理想，也是挑战。

“只给他们工具是不够的。你必须建立激励机制、创造动力、展示成功案例。”

这是 Tomer 在谈文化变革时说的最重要的一句话。它点出了 AI 工具落地的核心矛盾：工具本身不会自动带来改变，改变需要系统性的文化支撑。

“如果你在等待一次正式的重组才能开始用不同的方式构建，那你等得太久了。”

这句话既是授权，也是催促。Tomer 的意思是：不要把责任推给组织，从你个人开始，用行动证明全栈思维。

“变得更好比变得完整更重要。”

这是 Tomer 的人生座右铭，也是他在 LinkedIn 推行全栈构建者模型的底层哲学。不是追求一个终态，而是爱上持续迭代的过程。

五、实战案例

案例一：从用户研究员到增长 PM

LinkedIn 团队中有一个非常典型的案例。一位在用户研究团队工作的同事，一直对增长领域充满热情。当增长团队的一个 PM 职位空缺出来时，她主动说：“我觉得我可以做这个。”然后她开始使用团队构建的所有 AI 工具来展示自己的能力。

结果，她真的拿到了这个职位，实现了从用户研究到增长 PM 的跨越。

Tomer 用这个案例来说明，全栈构建者模型不只是关于提升现有人员的效率，它还打开了全新的人才发展路径。当工具足够强大时，跨职能的迁移变得前所未有的简单。

案例二：合作伙伴负责人自己构建开发者门户

LinkedIn 的合作伙伴团队需要构建一套开发者门户和连接器。在传统模式下，这个需求会进入工程团队的排期，可能需要几周甚至几个月。

但这一次，合作伙伴团队的负责人——一个并不以技术背景著称的人——直接用现有工具自己完成了构建。不是委托给工程师，而是自己动手。

这个案例在组织内产生了巨大的示范效应。它清楚地传达了一个信号：全栈思维不是一个职位名称，而是一种工作方式。

案例三：语义搜索功能的诞生

LinkedIn 最近上线的语义人员搜索和语义职位搜索功能，背后就采用了部分全栈构建者的工具和方法。在这个功能开发过程中，PM 们直接使用工具构建自己的数据看板，不再等待设计资源的排期。设计师们也开始直接提交 PR，这在以前是不可想象的。

这展示了当团队获得正确的工具和思维方式时，生产力的提升是实质性的。

六、行动建议

建议一：停止给 AI 工具提供无差别的全部访问权限

很多公司在引入 AI 工具时犯的最大的错误，就是简单地把整个知识库开放给 AI 工具推理。但 Tomer 告诉我们，这样做的结果往往是“幻觉泛滥”，AI 会把某个研究员的一个有争议的观点当成确定的事实。

正确的做法是：认真思考 agent 需要在什么具体场景下使用，然后精心构建针对性的知识库和训练数据。这需要投入大量的前期工作，但这是让 AI 真正发挥作用的前提。

建议二：把改变管理当作产品来对待

Tomer 把全栈构建者模型比作一个内部产品，需要通过早期采纳者的反馈来迭代优化。但他特别强调，这个产品的用户不是普通的消费者，而是组织中最保守、最忙碌的那批人。

你要做的不是下达命令，而是创造渴望。展示成功案例、建立激励机制、让人们感受到“这是一个我想参与的运动”。

建议三：从招募和绩效评估开始重塑组织文化

LinkedIn 已经将 AI 使用能力纳入招聘标准和绩效考核体系。新员工入职时就开始考察他们的 AI 适应能力，而年度绩效评估中也会纳入这一维度。

对于想要推动类似变革的组织，Tomer 的建议是：不要等到全面铺开才开始做这件事。最顶尖的人才已经在用脚投票，他们对这种变化充满渴望。

建议四：接受工具不完美的现状，用使用行为来推动工具改进

很多团队不愿意采用新工具的原因是“还不够好用”。但 Tomer 的建议恰恰相反：正因为工具还不够完美，才更需要人们去使用它、反馈它、帮助它变得更好。

你不需要等到工具完美才开始行动，而是在使用过程中让它变得完美。

建议五：耐心投入基础设施，拒绝“即时满足”的诱惑

Tomer 在对话中反复强调这个观点：如果你不给你的平台做投资、不给你的工具做定制化开发，你最终得到的只是“平淡无奇的通用 agent”。

就像 LinkedIn 必须重新架构他们的整个代码库，才能让 Cursor、Copilot、Windsurf 这样的工具真正在他们特定的代码环境中工作。同样，你的组织也需要进行类似的前期投入。这个投入不会在第一周就看到回报，但它是一切后续收益的基础。

七、我的总结

这场对话最让我印象深刻的，不是 LinkedIn 构建了多少个 agent，或者节省了多少小时的工作时间，而是 Tomer 对整个变革的底层逻辑的清晰阐述。

他用“变化的速度已经超过我们做出反应的速度”这句话，为整个变革奠定了基调。当这个前提成立时，传统的职能划分、组织架构、开发流程都失去了它们存在的合理性基础。取而代之的，是一个更精简、更敏捷、更能跟上变化节奏的组织形态。

全栈构建者模型不是要消除团队协作，而是要让每个个体都拥有端到端构建的能力。就像海豹突击队的小型作战单元：每个人都是多面手，大家围绕任务快速组建、快速解散。组织因此变得更具适应性，能够真正匹配变化的步伐。

但最难的一环不是技术，是文化。Tomer 在这一点上非常坦诚：工具会准备好，平台会搭起来，但如果人们不愿意改变，一切都是空谈。改变管理需要激励机制、需要成功案例、需要时间——而这些，恰恰是大多数公司在追逐 AI 变革时最容易忽视的部分。

如果你正在思考 AI 如何重塑你的组织，LinkedIn 的实践提供了一个难得的参考框架。但记住：他们用了 14 年的积累才走到今天，过程中的耐心和系统性思考，才是真正值得借鉴的地方。

📺 播客信息

发布时间：2025-12-04
时长：1小时7分钟32秒
播放量：30806 次观看
原版视频：『YouTube』