OpenAI Codex 与 ChatGPT Work 的产品负责人 Tara Seshan 说，在今天这个阶段，能写出一份长文档，已经不能证明写作者认真思考过问题。
她在 Lenny's Podcast 一期时长 81 分钟的访谈中谈到，AI 已经能在几分钟内生成一份篇幅相当、结构工整、几乎挑不出明显问题的替代文本。她还给出一个判断：为当下的模型做产品会失败，为你以为一年后的模型做产品，同样会失败。
AI 产品演进：从对话到持久在线 Agent
Tara Seshan 将 AI 产品的发展分成三个阶段。
- 第一阶段是对话（Chat），用户提问，模型回答。
- 第二阶段是协作者（Co-pilot），在特定场景中辅助完成工作，例如写代码。
- 第三阶段是持久在线的 AI 同事（Agent），能够长期在线、保留上下文，并独立处理复杂任务。
她认为，人与 AI 的分工边界正在持续上移。早期模型更多是在补全下一行代码，如今则越来越多地演变成接收目标、再由自动化工作流在后台完成执行。
无论是 Codex 桌面端被描述为「智能体指挥中心」的形态，还是 ChatGPT Work 对表格、报告和商业分析任务的覆盖，都指向同一件事：执行层工作正在被 AI 接手。
她在访谈中的说法是，Agent 负责「划船」，人类负责「掌舵」。
人类剩下的核心价值，被压缩到 5 件事
在 Tara Seshan 看来，当执行工作交给 AI 后，人类的价值集中在 5 个方面：
- 定方向，也就是决定要去哪里；
- 对结果负责；
- 判断质量；
- 注入立场与表达；
- 协作、关怀并激励团队。
她把这套分工概括为：AI 划船，人来决定船该开向哪里。
OpenAI 不再使用一年期路线图
针对产品该如何跟随模型演进的问题，Tara Seshan 解释了为什么「贴着当下做」和「押注一年后」都不可行。
如果完全围绕眼前模型的短板设计产品机制，模型一旦迭代，原先为规避缺陷所做的复杂设计很快就可能失去价值。反过来，如果把产品押在一年后的模型能力上，本质上又是在用大量假设做盲测。
她提到科技圈常说的一句话：「你今天用到的模型，是它这辈子最笨的一天。」在她看来，这句话的荒谬之处在于，很多人嘴上认同模型会快速进步，真正做排期时却还是按眼前这个「最笨」版本来安排工作。
为此，OpenAI 已经砍掉僵化的一年期路线图，把产品规划周期缩短到两三个月。她在访谈中表示，产品必须照着两三个月后的模型来做，押当下或赌一年后都会失败。
不过，这并不意味着靠拍脑袋试错。她给出的前提是，产品团队必须紧贴研究团队的真实进展推进，不能存在黑箱。
按照她的描述，产品和研究团队需要保持高频沟通，明确接下来模型会在哪些能力上增强，以及大致会在什么时间点到位。产品迭代随后踩着这些技术进展推进。她把这种方式比作把墙上的静态计划表，改成一张可以随时根据前线变化调整的实时导航仪。
在 OpenAI，长文档只写给自己看
Tara Seshan 曾在 Stripe 工作。她提到，自己过去习惯把 brief 打磨到几乎没有瑕疵再发出，因为那是一种高度重视写作的工作文化。
到了 OpenAI 之后，她改变了这个习惯。她现在认为，长文档只需要写给自己看，因为「完整材料」已经不再等于「深刻思考」，长文档作为智力凭证的价值已经归零。
取而代之的，是可以直接运行的原型、A/B 测试数据和用户反馈。
但她保留了一条工作规则：方案写到七成，就拿去找需要授权的人，剩下三成一起补完。她解释说，一份没有瑕疵的完美方案摆在桌上，别人的想法往往很难进入；留下「毛边」，对方才更愿意参与打磨。
哪些写作能交给 AI，哪些不能
在访谈里，Tara Seshan 把写作分成两类。
- 汇报型写作，例如周报、总结、摘要和格式转换，可以交给 AI，能自动化就自动化；
- 思考型写作，例如立项逻辑、路线选择和争议判断，不能外包给 AI。
她给出的原因是，列提纲、推敲成文、反复修改，本身就是把想法理顺的过程。如果把这一步直接交给 AI，文字可以生成出来，但「想清楚」这件事并没有在作者脑中发生。
为了避免自己的思维能力退化，她给自己定下了两条纪律：
- 一份文档要发给多少人读，自己就先读多少遍；
- 一场会要占用大家多少时间，准备时间就至少凑够这个总和。
门槛被拉平后，差距来自野心
她还提到，当设计、分析、代码和原型的门槛都因 AI 降低后，很多过去需要一个团队完成的事情，现在一个人就可以大致跑通。
在这种变化下，人与人之间拉开差距的关键，变成了「野心（Ambition）」。
她的判断是，真正高水平的使用者，不只是拿 AI 去自动化重复劳动，而是借助它把个人能力边界持续推高。这也改变了产品经理和知识工作者的职责重心：过去更多精力花在排期、写文档和评审等外围流程上，现在更重要的是找出决定成败的关键问题，提出最尖锐的假设，再用最快速度验证。
她同时提到，人也要推动团队把野心抬高。当出现一个方案时，关键追问不只是它是否可行，还包括目标上限能不能更高、速度能不能快 10 倍。
OpenAI 内部的三句自检问题
访谈中，Tara Seshan 提到 OpenAI 内部有三句常用的追问，对应团队反复进行的自检。
第一句是，这件事还能不能更快。
第二句是，野心够不够，目标还能不能继续抬高。
第三句更直接：你自己是不是每天一睁眼就在用这个产品，是不是已经离不开它，是否把自己的全部品味都压在这个产品到底好不好用的判断上。
主持人 Lenny 还问到，过去三到六个月，Twitter 上的讨论风向明显从 Claude Code 转向 Codex，OpenAI 内部究竟改了什么。
Tara Seshan 的回答是：什么都没改。团队一直保持高强度自用，不断接收反馈并快速迭代，工作方式从头到尾没有变化，变化只是外界开始注意到了。
知识工作没有「编译测试」
她在访谈最后谈到，写代码和知识工作的验证方式不同。
代码是结果导向的。Agent 修改完代码后，跑一遍测试，过了就是过了，没过就是没过。知识工作不是这样。一份最终 PPT 上写着「成功率 90%」，不能只看这个数字就相信，仍然要追溯原始输入是什么，中间推理是怎样一步步得出的。
这也是她所说的 ChatGPT Work 的核心设计逻辑：不是直接交付一个「漂亮成品」，而是把引用、输入以及完成到一半的工作过程都摊开，让用户在过程中保持掌控。
她举例说，如果离客户会议只剩 20 分钟，ChatGPT Work 用 2 分 30 秒交出第 8 页幻灯片，用户仍然可以看到它翻过哪些资料。
在她看来，当工具变得人人可得、底层能力被快速拉平后，真正决定一个人价值的，是他是否具备「掌舵」能力，以及他想把这条船开向哪里。