在科技產業，很少有人能像 Gokul Rajaram 一樣，親身參與並建構了網際網路時代最重要的幾具「營收引擎」。他曾被稱為「AdSense 之父」，在 Google 建立了價值數十億美元的廣告網絡；隨後轉戰 Facebook 主導廣告產品體系；接著在 Square 協助建立了中小企業的支付生態；並在 DoorDash 擔任高階主管。
在這場與 Patrick O’Shaughnessy 的深度訪談中，Gokul Rajaram 以其橫跨二十年的實戰經驗，剖析了在生成式 AI 爆發的當下，產品開發、商業模式、企業護城河以及人才職涯將面臨何種翻天覆地的變化。
本文將其核心洞察整理，旨在為產品經理、創業者及投資人提供一份在 AI 浪潮下的導航指南。
- 一、 產品開發的範式轉移：從「確定性」到「判斷力」
- 二、 在 AI 時代建立持久的商業護城河
- 三、 廣告商業模式的終極型態
- 四、 巨人的肩膀：向傳奇創辦人學習
- 五、 給 AI 世代人才的職涯建議
- 結語：在無限生產力中尋找價值
——————————————————————————–
一、 產品開發的範式轉移：從「確定性」到「判斷力」
AI 帶來的改變不僅僅是工具層面的優化，而是從根本上改變了軟體開發的邏輯與產品團隊的結構。
1. 軟體本質的改變：非確定性（Non-deterministic）軟體
過去十年，產品開發遵循著明確的邏輯：如果使用者做了 X，系統就會產出 Y。這是一個「確定性」的世界，產品經理（PM）、設計師與工程師的角色涇渭分明。然而，Gokul 指出，現在我們正在建構「非確定性」的軟體。如果你輸入 X，AI 可能會產出 Y，但在些微變數下，它可能產出完全不同的結果。
這種轉變導致了「評估」（Evaluation/Evals）變得至關重要。既然無法預寫所有規則，PM 的職責便從「定義功能」轉向了「定義並驗證結果」。PM 需要與研究人員合作，建立能夠判斷 AI 產出是否合理的評估機制，甚至需要撰寫 AI 程式來評估另一個 AI 的產出，因為人類無法手動檢查海量的生成內容。
2. 「AI Slop」危機與判斷力（Judgment）的價值
Gokul 提出了一個發人深省的觀點：在未來，真正能「抗通膨」且「防過時」（Future-proof）的能力，是判斷力（Judgment）。
隨著 AI 程式碼生成工具（如 GitHub Copilot, Cursor 等）的普及，工程師的產出效率將無限放大。但隨之而來的風險是「AI Slop」（AI 廢料）的氾濫——大量的、低品質的、甚至含有錯誤或漏洞的程式碼被快速生成,。在這個「什麼都能做」的時代，核心問題變成了「什麼才是值得做的？」以及「這段程式碼/設計是否符合我們的標準？」。
因此，無論是工程師審查 AI 寫的程式碼，還是設計師審查 AI 生成的介面，人類的核心價值將回歸到「編輯」與「判斷」。就像 Twitter 創辦人 Jack Dorsey 曾將 PM 定義為「產品編輯」（Product Editor）一樣，未來的產品人必須具備極高的品味與判斷力，從無限的可能性中刪減出最精華的部分。
3. 職能邊界的消融與「由下而上」的開發
傳統「PM 定義 -> 設計師設計 -> 工程師開發」的流水線正在崩解。Gokul 觀察到，現在的產品開發更多是「由下而上」（Bottoms up）的。由於模型能力迭代太快（每兩個月就推進一次邊界），過度嚴謹的規格文件反而會限制創新。
現在的趨勢是，PM、設計師與工程師圍坐在一起，直接針對程式碼或原型進行協作。PM 必須變得更親手實作（Hands-on），甚至需要能夠使用 AI 工具（如 Claude Code）來提交程式碼或製作原型。
更有趣的是設計師與工程師的比例變化。Gokul 指出，過去這個比例可能是 1:3 或 1:10，現在正走向 1:20。因為一旦設計系統（Design System）確立，AI 就能基於該語言自動生成大部分的設計工作，企業只需保留少數頂尖設計師來維護設計語言，而將資源投入更多能解決複雜問題的工程師身上。
——————————————————————————–
二、 在 AI 時代建立持久的商業護城河
對於創業者而言，這是一個既興奮又危險的時刻。Gokul 警告，如果你試圖建立一個「輕量級」的應用，基礎模型公司（Foundation Model Companies）或大型企業內部的工具很快就會吞噬你。那麼，如何建立一家能存活十年的 AI 公司？
1. 避開「實用性定價」的陷阱
Gokul 特別點名了像 Zendesk 這類依賴「席位」（Seats）計費的 SaaS 公司面臨的巨大風險。這類公司的價值建立在「實用性」（Utility）上，每個席位代表一個人類客服。然而，AI Agent（代理人）正在取代這些人類工作。客戶可以用 30 個 AI Agent 加上 20 個 Zendesk 席位，來取代原本的 50 個席位，這將導致老牌軟體公司的營收被慢慢抽乾。
未來的商業模式必須轉向**「成果導向定價」（Outcome-based pricing）**。例如，不是按人頭收費，而是按「成功解決的工單數」或「帶來的營收」收費。Palantir 就是這方面的佼佼者，他們敢於對客戶說：「如果我們沒解決問題，你不必付錢；解決了，我們要分一大筆」。
2. 五種新型態的護城河（Durability）
由於軟體的半衰期在 AI 時代變得極短，創業公司必須擁有以下至少一種「稀缺資產」才能確保持久性：
1. 網絡效應（Network Effects）： 如 DoorDash，擁有消費者、餐廳和外送員的三方網絡，這不是靠寫程式就能輕易複製的。
2. 金流掌控（Money Movement）： 當你的軟體不僅處理資訊，還處理金流（如 Square, Toast），轉換成本會大幅提高。
3. 硬體整合（Hardware）： 軟硬整合（如 Toast 的 POS 機）增加了替換的物理門檻。
4. 稀缺資產或人脈（Scarcity）： 例如 Sierra 這家公司，擁有像 Bret Taylor 這樣能讓任何 CEO 接電話的人物，這本身就是一種 Alpha。
5. 系統紀錄（System of Record）： 成為數據的最終歸屬地。
3. 與「系統紀錄」的戰爭：遷移成本是關鍵
過去，AI 新創喜歡依賴 Salesforce 或 Slack 等大公司的 API 來建立「行動系統」（System of Action）。但現在，這些老牌巨頭意識到了威脅，開始切斷 API 或提高收費（如 Slack 切斷 Glean 的存取權）。
因此，AI 公司別無選擇，必須建立自己的「系統紀錄」，成為全端平台（Full Stack）。但這裡最大的挑戰是數據遷移（Migration）。Gokul 強調，除非你構建了強大的遷移工具，否則客戶不會為了新功能而放棄累積了十年的數據。這往往需要耗時一兩年，甚至雇用外包團隊專門處理舊系統的數據搬運，這才是真正的競爭壁壘。
——————————————————————————–
三、 廣告商業模式的終極型態
作為廣告技術的權威，Gokul 對於 OpenAI 等新興巨頭進入廣告市場有著獨到的見解。他認為，要建立成功的廣告業務，只有三條路徑：
1. 擁有珍貴的第一方用戶與場景： 如 Google（搜尋）和 Facebook（社交）。
2. 極致的成果交付（Outcome Delivery）： 如 AppLovin，專注於推動「App 安裝」這一特定成果，並控制了供需兩端。
3. 排他性的需求端代理（Exclusive Provider）： 如 The Trade Desk，幫助大品牌管理在 Google/FB 圍牆花園之外的預算。
ChatGPT 的恐怖潛力：意圖 + 身份
Gokul 認為 ChatGPT 若進入廣告市場，將擁有無與倫比的優勢。Google 擁有「意圖」（Intent，用戶搜尋什麼代表想買什麼），Facebook 擁有「身份」（Identity，用戶是誰）。而 ChatGPT 兼具兩者。
透過多輪對話，ChatGPT 不僅知道你在找什麼（意圖），還能從對話脈絡中拼湊出你是誰（身份）。這結合了搜尋的高轉化率與社群媒體的精準定位，是廣告人的終極夢想。
然而，挑戰在於「平衡」。廣告會稀釋用戶的參與度（Engagement）。Gokul 回憶在 Facebook 時，他們有嚴格的「參與度預算」（Engagement Budget），即為了換取營收，最多只能容忍用戶活躍度下降多少百分比。OpenAI 等新玩家必須謹慎處理這一點，或許可以考慮對高端用戶維持「零廣告」的承諾。
——————————————————————————–
四、 巨人的肩膀：向傳奇創辦人學習
Gokul 的職業生涯讓他得以近距離觀察矽谷最偉大的幾位領導者。他分享了這些傳奇人物的獨特之處：
1. Larry Page & Sergey Brin (Google)：技術與規模的極致追求
Google 的基因是「技術優越性」與「規模」。Gokul 分享了 AdSense 的故事：當團隊為營收成長自豪時，Larry Page 卻感到失望，因為他們只佔了全網廣告的一小部分。Larry 在乎的不是賺多少錢，而是「Google 是否參與了全球每一個廣告的投放」。這種對 100x 規模的執著，造就了 Google 的霸業。
另一個經典案例是 AdSense 的審核機制。團隊原本花費半年建立了複雜的人工審核流程，卻被 Sergey Brin 一句話推翻：「為什麼要審核？讓他們直接上線，如果流量大了再審查。」Sergey 的邏輯是，不要在門口設卡，而是透過數據在事後進行風險控管。這奠定了 Google 自動化、自助服務（Self-serve）的基石,。
2. Mark Zuckerberg (Facebook)：成長駭客與「學習」的超能力
Zuck 被譽為消費產品成長與互動的頂級大師。他能一眼看出產品流程中哪裡會降低用戶互動。但 Gokul 對他印象最深的是「透過跟隨來學習」（Learning by following）。
當年 Zuck 為了搞懂廣告，親自參與廣告團隊會議長達一年。著名的「自訂受眾」（Custom Audiences）功能，就是 Zuck 從 Zynga（當時最大的遊戲廣告主）的抱怨中獲得靈感而提出的。他將「遊戲公司想找大鯨魚玩家」的需求，轉化為「廣告主上傳客戶名單進行匹配」的通用功能，這成為了現代數位廣告的基石,,。
3. Jack Dorsey (Square)：設計即是「消除摩擦」
Jack Dorsey 將設計提升到了商業策略的高度。好的設計不只是好看，而是「不需要說明書」。當時所有的 POS 機都需要培訓員工數天，只有 Square 是下載 App 就能用。
更重要的是，Jack 將設計思維應用到了「風險控管」上。傳統銀行在「申請時」進行嚴格審核（拒絕率高），Square 則是在「交易時」進行即時風控（接受率 95%）。這種將風險從「商家層級」轉移到「交易層級」的創新，本質上也是一種設計：消除了用戶進入的摩擦力,,。
——————————————————————————–
五、 給 AI 世代人才的職涯建議
在這個變動的時代，個人的職涯策略也需要調整。
1. 成為「AI 代理人的指揮官」
未來的管理者，管理的不是人類，而是 AI Agents。Gokul 預測，中階管理層將大幅減少。每位管理者應該要有「全職工作」，如果你的管轄範圍（Span of Control）少於 10 人，你就不該是個純管理者，而必須是個獨立貢獻者（IC）,。
最有價值的技能，是成為某個領域的專家，並懂得編排（Orchestrate）一組 AI Agents 來完成該領域的工作。
2. 拒絕「職位跳跳虎」，擁抱長期主義
作為招聘經理，Gokul 直言「12 到 18 個月就換工作」是最大的紅燈,。在一家公司待的時間若不足 3-4 年，很難產生真正的影響力。在 AI 時代，建立深度、累積信任、並看到一個專案從頭到尾的成果，比以往任何時候都重要。
3. 在面試中展現「實作力」
別再只靠「說」來面試了。Gokul 建議，無論是設計師、PM 還是業務開發，都應該在面試中要求「工作專案」（Work Project）。給候選人一個實際的模糊問題（例如：Square 是否該收購這家公司？），看他們如何拆解問題。
最好的候選人甚至會「拒絕前提」。Gokul 曾遇過 PM 候選人被要求規劃某功能，結果他跑去街訪了 10 個客戶，回來報告說：「客戶根本不需要這個功能，我們應該做另一個。」這種具備客戶洞察與獨立思考的「代理權」（Agency），才是頂尖人才的標誌,。
——————————————————————————–
結語：在無限生產力中尋找價值
Gokul Rajaram 的分享為我們描繪了一個既充滿無限可能、又充滿雜訊的未來。當 AI 讓「製造」變得極其廉價，人類的價值便轉移到了「選擇」與「判斷」。
無論你是正在構建下一個獨角獸的創業者，還是試圖在職場中突圍的專業人士，核心問題不再是「我能建造什麼？」，而是「什麼值得被建造？」。在這個服務業的工業革命中，唯有深刻理解客戶痛點（Why）、具備獨特判斷力（Judgment）、並能善用 AI 槓桿的人，才能穿越週期，建立起真正的價值。
“The one thing that’s going to be truly future-proof is judgment.” — Gokul Rajaram
——————————————————————————–
(本文內容取材自 “Invest Like The Best” Podcast 訪談)
