从管人到管AI： Julie Zhuo 谈未来领导力
从管人到管AI： Julie Zhuo 谈未来领导力
嘉宾： Julie Zhuo （朱莉·卓）｜ 前 Meta 产品设计总监、《打造产品管理者的秘密》作者、Sundial 创始人 ｜ 领域： AI 产品与领导力
背景与引子
过去三年，人工智能浪潮以难以想象的速度重塑了职场。当 AI 助手能够写代码、做分析、甚至生成设计方案时，一个根本性的问题浮现了： 管理的本质是什么？
Julie Zhuo 曾是 Facebook （后更名 Meta）产品设计总监，带领团队打造了覆盖全球超过 30 亿用户的产品。离开大公司后，她创立了 AI 数据分析公司 Sundial，服务于 OpenAI、Gamma、Character AI 等明星企业。从管人 3 亿用户的庞然大物，到管一个十几个人的小团队；从设计思维到数据驱动，Julie 的职业轨迹本身就是这个时代最独特的实验。
三年后，她带着全新修订版《打造产品管理者的秘密》再次做客 Lenny 的播客。这一次，话题的焦点不再是传统的管理技巧，而是 在 AI 时代，做一个优秀管理者意味着什么。Julie 的洞察既出人意料，又直击本质： 管理 AI 的核心能力，其实和管人如出一辙。
一、嘉宾是谁
Julie Zhuo 是硅谷最具影响力的产品思维者之一。
她在 Meta 度过了超过十年的职业生涯，亲历了这家科技巨头的兴衰起伏。她长期担任 Facebook 应用的产品设计总监——这个产品在全球拥有超过 30 亿活跃用户，是人类历史上使用最广泛的软件产品之一。在那个位置上，她几乎每天都在回答一个问题： 如何让一个如此庞大的产品保持生命力和竞争力？
2019 年，她出版了《打造产品管理者的秘密》（The Making of a Manager）。这本书迅速成为科技行业管理类书籍的现象级作品，被无数从业者视为「新世代的《高产出管理》」。书中没有晦涩的理论，而是以 Julie 本人从工程师转型为管理者的真实心路历程为线索，探讨了管理工作的本质。
2022 年，她创立了 Sundial —— 一家 AI 驱动的数据分析公司，致力于让每一个决策者都能像专业数据分析师一样高效运转。客户名单中包括 OpenAI、Gamma、Character AI 等站在 AI 浪潮最前沿的公司。
Julie 的独特之处在于，她同时拥有两个极端的经验光谱： 在全球最大的科技公司之一担任高管，以及在最小规模的创业公司中事必躬亲。正是这种跨越，让她对「管理」这件事有了远超常人的理解深度。
二、核心观点 TOP10
-
AI 时代，人人都是管理者 — 你不再管理员工，而是管理目标、模型和流程。管理的基础能力从未如此重要。
-
目标清晰是使用 AI 的第一能力 — 如果你自己都不清楚什么是成功，AI 也帮不了你。清晰定义成功标准，是让 AI 发挥价值的前提。
-
组织正在扁平化，「建造者」成为新身份 — 传统的前端工程师、后端工程师、产品经理的边界正在消融，每个人都可以用 AI 补足自己的短板。
-
不招产品经理的创业公司，反而运转更好 — Julie 在 Sundial 故意不设产品经理岗位，发现这反而逼着每个工程师必须自己思考产品问题，最终产出更高质量的成果。
-
用数据诊断，用设计治疗 — 数据不负责告诉你该做什么，它只负责告诉你「哪里有问题」。解决方案永远需要人类创造力的介入。
-
AI 是最好的学习加速器 — 把一份课程大纲丢给 ChatGPT，让它根据你的学习风格定制学习计划，Julie 已经把这变成了团队的标准工作方式。
-
管理者的核心技能是「在变化中保持稳健与灵活」 — 她把这个能力比喻为「垂柳」： 足够坚韧，又足够柔韧，能在风暴中存活而不折断。
-
反馈应该是每日实践，而非每半年一次的考核 — 持续的小反馈，比年度评估更能帮助团队实现指数级成长。
-
每一项优势同时也是劣势 — 深度思考的人往往难以快速反应；擅长快速决策的人往往缺乏耐心。了解自己的「维度图谱」，是自我管理的起点。
-
培养孩子情感调节能力，是 AI 时代最重要的育儿投资 — 无论工具如何变化，人类生理机制数千年来未曾改变。真正能让孩子在未来世界游刃有余的，是情绪的自我觉察与调节能力。
三、关键洞察
洞察一： 管理 AI 和管理团队，底层逻辑完全相同
Julie 指出，管理的本质从未改变： 你有一个目标，你需要调配资源去达成它。 过去资源是人——需要招聘合适的人才、确保目标一致、建立协作流程。现在资源变成了模型——不同的模型有不同的「性格」和擅长领域，你需要了解它们的边界，才能在正确的场景使用正确的工具。
Julie 说： 「你仍然需要一个北极星。你仍然需要明确成功是什么样子。你仍然需要理解你的工具（无论是人还是 AI 模型）的优势，然后根据具体目的选择合适的工具。这些管理的核心原则在 AI 时代依然适用，甚至更加重要。」
洞察二： 快增长的公司，往往靠的是「直觉和感觉」而非数据
这个反直觉的发现来自 Julie 在 AI 行业的深度观察。传统上，公司规模越大、数据基础设施越完善。但今天的 AI 原生公司经常在员工不足 20 人时就达到数亿美元 ARR。用户数以亿计，却几乎没有传统意义上的数据团队。
Julie 指出： 「这些公司完全靠直觉和感觉在运转。它们现在没问题，因为增长掩盖了所有问题。但增长不会永远持续。一旦增长放缓，缺乏数据基础设施的公司将陷入被动。届时才是真正需要数据的时候，但那时补课往往为时已晚。」
这揭示了一个重要真相： 数据不是锦上添花，而是危机时的救命索。
洞察三： 约束催生能力——不设产品经理，反而逼出更好的产品思维
Julie 在 Sundial 做了一个反直觉的实验： 故意不招聘产品经理。她的逻辑是： 当工程师知道「没有人会帮我定义产品」，他们就不得不自己去思考用户需要什么、什么是重要的、如何排优先级。这种被迫的主动性，反而产生了更高质量的产品决策。
Julie 说： 「传统的做法是： 我遇到产品定义问题，好，这是 PM 的工作，我交给他们就好了。但这错失了一个巨大的机会——如果我作为工程师也花时间去思考产品，成功率会高得多。」
当然，这并不意味着完全不需要产品技能。她说，关键是技能需要存在，但不必每个人都有所有技能。团队只需要确保整体拥有所需的全部技能，不需要每个人都成为通才。
洞察四： 真正的管理挑战是「做一棵垂柳」
Julie 用一个强有力的比喻总结了这个时代对管理者的要求： 「想想垂柳——它非常坚韧，能在风暴和灾难中存活。但它的枝条又非常柔韧，不会断裂。这就是今天管理的核心：既稳健又灵活。」
这个比喻回应了一个真实的困境： AI 带来的变化速度前所未有，没有人知道两年后会是什么样子。管理者既需要让团队相信「我们必须改变」，又不能让这种紧迫感变成恐慌和混乱。找到这个平衡，是当下管理者的核心挑战。
洞察五： 教育孩子的底层能力，在 AI 时代不会变
Julie 在谈到 AI 时代应该教孩子什么时，给出了一个令人深思的答案：情绪调节能力。
她说： 「技术让生活越来越舒适，越来越容易找到即时满足。但这也是它最危险的地方——我们开始用捷径回避困难的情绪和真实的人际互动。ChatGPT 可以是个完美的倾听者，可以给你安慰，让你暂时感觉良好。但如果一个人永远依赖这种方式逃避真实情感，TA 最终会失去和真实人类建立深层联系的能力。」
她最深的恐惧是： AI 让人变得「太舒适」，从而失去了成长的动力——而成长，永远发生在挑战和不适的边界上。
四、精彩金句
「你不再需要 10 个不同技能的人，因为 AI 可以让你一个人补足这 10 个短板。」
解读： AI 真正改变的不是效率，而是权力的分布——个人拥有了过去只有团队才能拥有的能力组合。
「数据不负责告诉你该做什么，它只负责告诉你哪里有问题。」
解读： 数据的价值在于提供「客观现实感」，而非决策公式。真正的产品创意和解决方案，依然需要人类创造力的介入。
「如果你不把反馈当作日常实践，而是每半年才做一次评估，你就是在浪费让团队快速成长的最有效工具。」
解读： Julie 把反馈比作「别人帮你照见后脑勺的叶子」——你自己永远看不到自己的盲点，而持续的反馈让这种校准变得日常化、高效化。
「每一个优势都是劣势，每一个人都是多维度的存在。不要把一个人某一维度的表现当成他们全部的身份。」
解读： 这不是鸡汤，而是实用的自我管理框架。当你能够把自己看成无限维度的集合而非单一标签的载体时，反馈和批评就不再威胁自我价值感，而是帮助你识别「哪个维度需要打磨」的工具。
「真正的自由是你可以选择困难的事情，并从中感到骄傲——而不是被迫为了生存去做困难的事。」
解读： 这个观点既是对个人成长的期许，也是 Julie 对 AI 时代的隐忧。过度依赖 AI 提供便利，可能让我们失去主动选择困难的权利和能力。
五、实战案例
案例一： 让工程师自己学会数据分析
Julie 在 Sundial 团队中推广了一种新模式：当工程师需要学习数据分析能力时，不再依赖找数据科学家讲解，而是把一份课程大纲丢给 ChatGPT，让 AI 根据自己的学习偏好（她自己是「需要大量例子」和「像跟 5 岁小孩解释一样」的学习者）定制学习计划。她把这描述为：「ChatGPT 比任何人类老师更会教，因为它能真正个性化。」
结果： 工程师不仅学得更快，还在这个过程中发现自己在业务理解上的盲点——他们知道「怎么做」但不知道「什么时候用」。
案例二： 为孩子用 AI 做礼物
Julie 用 AI 实现了一个温馨的亲情项目。儿子喜欢《我的世界》，于是她用 Replit 做了一个简单的 App，把儿子最喜欢的流行歌曲改写成以游戏为主题的恶搞版歌词，保持原曲节拍，然后自己演唱录制。她说： 「AI 让我一个人完成了过去需要一个团队才能完成的事情——写歌词、调节奏、做编曲。」这个项目让她的儿子在生日那天收到了世界上独一无二的家庭专辑。
案例三： 不设产品经理的团队实验
Julie 在 Sundial 的团队中，明确不设置传统意义上的产品经理角色。最初她担心工程师会感到不知所措——他们需要自己定义产品需求、自己排优先级、自己和用户对话。但结果是： 「当你去掉那个安全网，每个人都必须自己长出翅膀。」工程师的主动性被彻底激活，产品定义的质量反而更高。Julie 的经验是：约束往往比宽松更能释放创造力。
六、行动建议
建议一： 重新定义你的工作目标，精确到可衡量
当你准备用 AI 完成一项任务时，先问自己：「我如何知道这次成功了？」 把答案写下来，越具体越好。这个习惯在管理团队时同样适用——如果你不能清晰地描述成功标准，无论是人类下属还是 AI 助手，都无法做到最好。
如何开始： 下次给 AI 下指令前，先用一张纸写下三个要素： 背景（context）、目标（goal）、成功标准（what does done look like）。持续练习，你会发现你的提示词质量大幅提升。
建议二： 放弃「角色思维」，拥抱「技能思维」
不再问「我需要招聘一个 PM 吗？」，而是问「完成这个项目需要哪些技能？现有团队能否覆盖？」Julie 的经验表明，AI 正在打破传统职位的边界。团队可以更小、更灵活，每个人都可以用 AI 补足自己的短板。
如何开始： 列出一个你团队正在推进的项目。问自己：如果我没有这个职位（PM、设计师、数据分析师），我会怎么做？然后用 AI 工具尝试自己解决其中的部分问题。
建议三： 把数据当作镜子，而非决策机器
「用数据诊断，用设计治疗」——这个框架值得成为每个产品决策者的口头禅。数据告诉你「用户留存下降了」，但不告诉你「如何让用户更开心」。前者是数据的工作，后者需要同理心、直觉和创造力的介入。
如何开始： 下次开会讨论产品决策时，先让团队分别列出「我们认为数据说明了什么」和「我们直觉上感觉是什么」。然后对比两者，往往会发现真正的洞察就在两者的交叉处。
建议四： 建立每日反馈文化，从小切口开始
Julie 最推崇的管理习惯之一： 从合作的第一天起就建立「我们互相帮助彼此成长」的团队文化。 不要等到问题发生才给反馈——提前告诉对方「我希望你怎样帮助我」，比出了问题再批评要有效十倍。
如何开始： 下周找个时间和直属下属做一次 15 分钟的「反馈对话」。问对方：「你希望我怎样给你反馈——是当场说，还是事后聊？」把对方的偏好记下来照做。你会发现，建立信任比想象中快得多。
建议五： 用 AI 加速学习，而非只用它替代工作
Julie 在团队中推广的 AI 学习法值得每个知识工作者借鉴： 把一份你想学的课程大纲丢给 ChatGPT，让它根据你的学习风格定制学习路径。这是一个被严重低估的 AI 用法。
如何开始： 找一个你一直想学但因为「太忙」而搁置的技能（比如数据分析、写作、市场营销）。找到一门在线课程的目录，复制到 ChatGPT 中，让它给你制定一份为期 4 周的个人学习计划。今天就开始。
七、我的总结
Julie Zhuo 的这场对话，表面上在讨论 AI 和管理，实际上指向了一个更深的主题：在工具急剧变化的时代，什么是不变的？
管理的本质从未改变： 清晰的目标、合适的资源、高效的协作。AI 没有颠覆这一点，它只是让「资源」的边界大大扩展了——现在，一个人的能力边界不再由他「能做什么」决定，而由他「能否清晰表达目标」决定。
Julie 最打动人的洞察或许是： 最好的管理，是帮助自己和他人看到更丰富的可能性。 无论是管理 AI、管理团队还是管理自己——核心都是同一个： 你有多了解自己的目标？你有多理解面前工具的能力边界？你愿意在多大程度上走出舒适区，去接受那些让你不舒服但让你成长的挑战？
AI 时代，做一个优秀的管理者，就是做一个清醒的建造者。
📺 播客信息
- 发布时间：2025-09-21
- 时长：1小时36分钟24秒
- 播放量：54712 次观看
- 原版视频：『YouTube』