深度摘要：Airtable CEO Howie Liu

• 核心观点：在AI时代，CEO必须回归“个体贡献者”（Individual Contributor）角色，深入产品一线，成为塑造产品体验和方向的“首席品味官”。
• 事实佐证：Howie Liu本人是Airtable AI功能全球推理（Inference）成本最高的用户，他通过海量使用来发现产品的能力边界和潜在价值。

背后的战略逻辑： AI不仅仅是技术迭代，而是根本性的范式转移（Paradigm Shift）。传统的自上而下、通过报表和会议进行管理的模式已经失效。因为AI的能力、缺陷和创新机会都隐藏在具体的交互细节中。CEO必须亲自“玩”这些新“积木”（AI模型、API），才能感知到全新的“解空间”（Solution Space），从而做出非共识的、正确的战略判断。这是一种从“管理已知”到“探索未知”的角色转变。

• 组织变革：Airtable抛弃了传统的按功能或业务线划分的团队，重组为两个核心部门：
• 🚀 快思团队 (AI Platform): 负责以周为单位进行高强度、高频次的AI功能创新。目标是像AI原生创业公司（如Cursor）一样，快速响应技术突破，持续创造“哇塞”时刻，抢占用户心智。
• 🐢 慢想团队 (Core Infrastructure): 负责需要深思熟虑、长期规划的核心基础设施，如数据存储（HyperDB）、企业级可扩展性和安全性。

背后的战略逻辑： 此举旨在战略性地解决一个核心矛盾：如何既拥有初创公司的创新速度，又具备成熟公司的企业级稳定性？旧架构陷入了“增量式改进”的陷阱，无法进行颠覆性创新。新架构将两种不同节奏和思维模式的工作分开，让“快思”团队无后顾之忧地冲锋，而“慢想”团队则为公司的长期发展和商业化（尤其是在大企业客户中）构建坚实的护城河。它解决了许多AI原生公司“有流量无留存”或难以规模化的问题。

• 拥抱“玩乐”心态 (Embrace Play): 强制性地要求员工，尤其是EPD团队，投入时间去“玩”最新的AI产品。
• 原型优于文档 (Prototypes over Decks): 在AI产品开发中，可交互原型是唯一的“真理来源”。
• 核心思想实验：“清零重启”：

背后的战略逻辑：

1. “玩乐”的逻辑：AI的能力是体验性（Experiential）而非描述性的。阅读再多报告也不如亲手玩10分钟。通过“玩”，团队才能建立对新技术能力的直觉，这种直觉是创新的源泉。
2. “原型”的逻辑：AI产品的交互是非确定性（Non-deterministic）和动态的。静态的PRD和设计稿无法捕捉其核心体验。必须通过原型来感受延迟、幻觉、惊喜等真实的用户体验，从而进行有效迭代。
3. “清零重启”的逻辑：这是一个残酷但必要的战略自省。“你的‘遗留资产’（代码、团队、品牌）究竟是‘不公平优势’还是‘沉没成本’？” Howie的结论是：Airtable的无代码组件库恰好可以成为AI Agent的“高级领域特定语言（DSL）”，比从零生成代码更可靠、更易于非技术用户理解和修改。这个判断证明了Airtable有继续存在的理由，否则就应该卖掉公司，重新开始。

• 核心趋势：PM、工程师、设计师之间的传统界限正在被AI工具瓦解。最有价值的人才是能够跨越多个领域，进行全栈思考和执行的“混合型人才”。
• 具体要求：PM需要懂设计和原型制作；设计师需要理解技术实现的基本原理；工程师需要具备产品和商业嗅觉。

背后的战略逻辑： AI工具极大地降低了跨领域操作的门槛，使得个体和小团队的杠杆效应被前所未有地放大。过去需要多人协作、跨部门沟通的流程，现在可以由一个“全栈”人才快速完成。这种模式下，沟通成本急剧下降，执行速度指数级提升。组织不再需要大量的“连接器”和“翻译者”，而是需要更多能够独立闭环、创造价值的“多面手”。这是对工业时代专业分工理论的一次颠覆。

• 产品探索流程：一个成功的AI功能开发，遵循“先发散，后收敛”的模式。
• 第一步：凭感觉 (Vibes First): 在探索全新、未知的产品领域时（如Airtable的AI网页爬虫），首要任务是进行大量开放式、无限制的“红队测试”，目标是找到“魔法时刻”和“感觉对路”的方向。
• 第二步：靠评估 (Evals Later): 当你大致确定了产品的核心用例和价值主张后，再引入系统性的评估框架（Evaluation Frameworks）。

背后的战略逻辑： 这套方法论借鉴了设计思维的“双钻模型”。 在**发散阶段（Divergence）**，过早引入严格的评估指标会扼杀创新，因为你甚至不知道“好”的定义是什么。目标是探索可能性。 在**收敛阶段（Convergence）**，一旦方向明确，Evals就成为科学迭代、防止性能衰退和进行精细化优化的强大工具。它将“感觉”转化为可衡量、可改进的工程指标。错误地在第一阶段使用第二阶段的工具，是许多团队创新失败的根源。