奈飞在AI时代的新人才观：系统思维比专业技能更值钱

在AI时代，每一家公司都在思考一个问题：新的形势下，组织到底需要什么样的人才？优秀的人才需要具备哪些关键能力？

奈飞（Netflix)公司产品与技术负责人伊丽莎白.斯通（Elizabeth Stone），最近参加了Lenny's Podcast的一期播客节目，把奈飞在AI时代的新的用人观做了一次详尽的分享。

其中干货内容特别多，对于无论是组织还是职场个人，我认为都有诸多值得借鉴的地方。

1. 系统思维比专业技能更值钱

过去两年，奈飞的找人标准变了。以前，他们要找深度专才——某个领域的顶尖高手。

现在，奈飞说："我们需要更多系统思维者——能横跨多个业务域，抽象出'我们到底需要什么样的底层能力'的人。"

斯通举了一个例子：奈飞有庞大的工程师团队，过去各个团队各自为战，自己做产品，自己解决问题。

现在不行了。

当AI智能体开始跨系统协作，当代码生成、测试、部署全链路打穿，你需要有人来定义工作标准——什么才是正确的方式？什么是好的代码标准？什么数据是可信的？

这里讲的内容就不再是某个功能模块、某个团队的事，而是整个公司的基础设施。换句话说，你需要有人可以站在全局看局部，而不是只在局部里打转。

这就是一种系统思维。

2. 为什么系统思维突然变得这么重要？

斯通给出的解释是：速度。

AI让所有人都跑得更快了。产品经理可以自己出原型，设计师可以自己写代码，数据分析师可以用自然语言直接拉数据。

速度确实更快乐，但是问题也随之而来：当所有人都在快速生产，谁来确保整体体验是连贯的？谁来保证代码不会变成一个怪胎？谁来定义"好"的标准？

斯通说自己最担心的，是不同的团队做出不同的设计语言、不同的交互方式，然后公司把一堆碎片拼起来发给用户。

解决方案不是让每个团队慢下来，而是让一部分人专门去建"脚手架"——模板、设计系统、数据治理框架、代码规范。

这批人的工作，不是自己造产品，而是确保别人造产品的时候不跑偏。

3. "专业"没有贬值，"窄专业"才是

有人可能会问，AI时代是不是专业技能就不重要了？

斯通认为，好的工程能力依然稀缺，好的数据科学家依然稀缺，好的创造力依然稀缺。换言之，稀缺的东西从来没变多，只不过现在大家都能摸到门槛了。

门槛降低了，但顶峰还是那个顶峰。

真正贬值的，是"窄专业"——那种只懂一个工具、一个领域、一套固定打法，而且不愿意往外看的人。

斯通举了一个例子：过去你是支付领域的专家，你可以永远待在支付这个格子里。但AI时代不允许这样了。

不是说支付专业没用，而是如果你只会支付，不会横向协作，不会问'我的支付方案在这个更大系统里是否合理'，你的价值就会缩水。

所以，系统思维不是取代专业能力，而是加在专业能力之上的一层能力。

对HR而言其实也是同理：未来，仅仅懂薪酬、招聘、绩效或者培训已经不够。真正稀缺的是：既有一个领域足够深，又能够跳出这个领域，看见它与战略、业务、组织和技术之间的关系。

在AI时代，HR专业的门槛正在降低，但优秀HR的天花板反而正在提高。

4. 如何培养系统思维？

斯通给出的建议：每当你要解决一个问题的时候，退后一步，多问几个问题。

比如，你要做一个新产品功能，你可以问：这个功能解决的是用户哪类更大的问题？我们对用户行为做了哪些假设？这个方案在不同内容形态下还能成立吗？

你不需要上升到思考公司战略那么高的高度，而是只需要“多想一层”。

斯通认为，做这种思考不要耗费自己太多时间——"几秒钟就够了，想清楚了就继续干活，别卡在原地。"

锻炼系统思维还有一个方法：想象如果你是你的上级，又会怎么看待这个问题？又会关心什么？

5. 奈飞文化是如何落地的？

说到奈飞，很多人都听到过他们"不打卡、不审批"的自由与责任文化。

斯通认为，追求卓越定义了整个奈飞的底层操作系统。这种文化是如何落地的？

第一，高人才密度，不可妥协。只有最优秀的人，才能在高度自主的环境里做出正确判断。

第二，极高的风险容忍度。奈飞做了很多在外人看来不可思议的冒险尝试——比如押注直播赛道。做这些事前没人知道行不行，但团队在其中学到了东西，这才是价值。

第三，遇到问题不加流程加人才。一般组织当事情进展不顺利的时候，本能是"加流程"——设检查点、加审批、加规范。奈飞做法相反：提高人才密度，通过更强的Accountability（责任担当）来解决。

6. AI时代，年轻员工如何成长？

很多组织存在一个观点："当AI把那些本该由新人做的苦活累活都干了，新员工或年轻员工还有什么用？"

事实上，奈飞每年仍在大量招聘年轻人。

斯通认为：年轻员工有一个无可替代的优势——他们是内容消费趋势的原住民。他们对娱乐行业的变化、用户行为的变化、新娱乐形态的接受度，有本能级的感知。

此外，她认为craft（技能）依然重要。写代码的基本功、数据分析的严谨性、产品设计的审美——这些不会因为AI变得更容易就变得不重要。

AI降低了这些工作的入门门槛，但没有降低"做到极致"的门槛。你依然要为自己的代码质量负责，为自己交付的产品体验负责。

总 结

如果说这次访谈对职场人士能带来什么启发，我觉得是下面这三点：

第一，系统思维会越来越值钱。能横跨多个领域、抽象出底层逻辑的人，是AI时代最难被替代的人。

第二，卓越的专业技能依然稀缺。AI让专业门槛降低，但专业顶峰依然是顶峰，甚至比以前更高。

第三， 责任感和甘冒风险是竞争壁垒。能为自己的产出负责、能在模糊中做判断、能在失败后快速学习的人，是所有公司都会争抢的人才。

1、

2、

3、