Why every company now needs to think and operate like a lab team | Josh Woodward (VP Google Labs)

Google Labs 负责人 Josh Woodward 说，团队现在只做 6 个月路线图，好点子从不来自头脑风暴会，而是来自一群"忍不住一直做"的人。

AI 时代最危险的公司，不是不懂技术，而是把探索外包给季度规划

Josh Woodward 同时负责 Google Labs、Gemini app 和 AI Studio，在 Google 已超过 16 年。他的工作横跨两种看似冲突的尺度：一边是刚有两三个人在捣鼓的零到一实验，另一边是已有十亿用户的 Gemini。于是他讲“实验室”时，不是在美化一间点子工厂，而是在回答一个更实际的问题：模型能力不断变动时，大公司怎么知道什么刚刚可做，又怎样不让新东西永远停在玩具阶段。

这期回答了 7 个问题：

1. 好点子到底从哪里来，为什么专门开的创意会往往没用？
2. 怎样把“快能做了”变成持续捕捉机会的机制？
3. 早期没有可靠数据时，怎样判断用户真的在乎？
4. 一个项目该停时，谁最早知道答案？
5. AI 时代招人，为什么“遗忘速度”比学习速度更关键？
6. 小团队变得更小以后，专业分工还要不要保留？
7. 实验室怎样既保持独立，又不沦为公司里的边缘玩具？

被问到 Google Labs 里最好的想法从哪里出现时，Woodward 先否定了一个很常见的组织动作：把大家关进会议室，规定下午三点前想出下一个方向。他回看 NotebookLM、Flow、AI Studio 和 Google Beam 等项目，发现它们往往起于极小的一群人：有人周末还在折腾，有人带回一段演示视频，有人对一个问题好奇到停不下来。管理者要做的不是替他们发明兴趣，而是能识别这种信号，并给它继续长大的空间。

"You can't microwave good ideas."（你没法用微波炉加热出好点子。）

这并不等于放任团队等灵感。相反，它要求组织把“看见异常”和“让人顺手试一下”当成日常能力。设计冲刺可以帮助收束已有问题，却不天然制造值得下注的问题；过早要求每个探索都写成整齐的立项书，反而会把那些还说不清、但已露出形状的东西过滤掉。对产品负责人而言，更有用的动作是观察成员正在私下反复做什么、客户在绕开什么、哪种原型被人主动转发，而不是再多开一场头脑风暴会。

Woodward 所说的探索也不是凭感觉追热点。Labs 有一张记录“what's almost possible”的清单：模型延迟、可处理的语言数、模态能力或某个交互体验还差一点时，就先把它列出来。等能力跨过临界点，团队不会从零讨论“我们该不该关注”，而是马上组队验证。他把这种转变比作物态变化：同一项能力此前还只是概念，过线后突然可以拿来做产品。

"Oo, that just became possible."（噢，这件事刚刚变得可能了。）

这套做法的关键不在预测必须准。Labs 内部甚至有 82 条以“我们相信未来会……”开头的判断，Woodward 直说九成、甚至九成九可能是错的。清单的价值是让团队对未来持有明确但可被推翻的看法；一旦现实发生变化，能比竞争者更快认出它。对外部产品团队来说，清单可以很小：列出三个“若模型再快一点、再稳一点或再便宜一点就能成立”的用户任务，每周用真实产品试一次。这样做不是为了押中宏大趋势，而是为了避免能力已经成熟时还在等下个规划周期。

谈到产品市场匹配，Woodward 给了一个不太适合放进仪表盘、但很适合早期原型的指标：带着东西走出办公室，看用户的眼睛。此时没有足够的 DAU、次日留存或统计显著性；团队要听对方会不会追问、有没有身体前倾、会不会立刻把它联想到自己的麻烦。NotebookLM 的音频功能最初给他这种感觉：两位同事让他听一段英国议会辩论，原本枯燥的材料被两个 AI 主持人讲得有吸引力，他当场觉得必须继续做。

"you're looking at people's eyes and like that is the metric."（你在看的就是人们的眼睛，那才是指标。）

这不是反数据，而是按阶段选证据。早期若用成熟产品的指标逼问一个原型，常会把还没找到正确形式的机会提前杀掉；但只迷恋炫目的演示也同样危险。Woodward 的补充是团队要爱上问题，而不是爱上第一次做出的产品，因为一个真正值得解决的痛点，通常要经过三、四、五次转向才找到形态。也就是说，用户眼睛亮起来证明你碰到了某根神经，不等于当前方案已经是终点；下一步仍要追问他们愿意为何而回来、为何付费。

当主持人问何时该杀掉一个想法，Woodward 没把答案交给领导拍板。他观察到，真正每天在推进项目的人会更早感到热情在耗尽、尝试过的路径已经没了、用户的反应始终不对。Gemini 曾有一个功能接近发布，早期数据回来后，负责的 PM 主动说不该上线；Woodward 反而回信感谢她。这里的难处不在于领导愿不愿意做艰难决定，而在于团队是否确信说出坏消息不会被惩罚。

"The team usually knows before the leader knows."（团队通常比领导更早知道。）

这意味着停项目的机制不能只设成季度评审里的“向上汇报”。真正有效的做法是让一线成员能明确说出：我们尝试了什么、用户反应在哪里缺席、继续投入还能验证什么；若答案只剩“再多做一点也许会好”，就该允许转向。这样并不是让所有人凭情绪否决项目，而是把最接近问题的人拥有的证据提前带进决策。领导的职责，是保护这种诚实，而不是等所有人都知道失败后再宣布结论。

很多团队还在问候选人的学习速度、成长心态和工具熟练度，Woodward 更关注一个反向问题：一个人学会某件事后，面对新证据能多快放下它。模型、交互方式和开发方式变化得太快，昨天帮你成功的诀窍，今天可能已经成了惯性。于是他把这个信号叫作“unlearning rate”；它不是否定积累，而是要求积累不能变成护城河幻觉。

"what's their unlearning rate?"（他们的遗忘速度有多快？）

他还借网球运动员费德勒的说法，提出“explosive endurance”：可以在关键时刻猛烈冲刺，也能把这种投入维持很久。Labs 不把全年都设成同一种强度。Google I/O 后，有些团队会在六月专门去乱试、去做、去重新发现新能力；表面上没有立即发布，下一季的种子却可能正从那里长出来。对组织来说，这意味着不要把每周都管理成同一套产出节奏：该冲刺时说清楚为什么冲、何时结束；该探索时允许短期看不到可交付物。否则人既会被持续冲刺掏空，也会在长期无事可做时失去投入感。

AI 降低了做原型和写软件的成本，Labs 组建一个新项目的典型人数，已从过去的五到七人缩到两到三人，有时四人。Woodward 把它比作优秀音乐人临时组队：会编程的 PM、懂设计的工程师和不同背景的人能迅速一起“jam”，把想法做成可见的东西。协作能力反而更重要，因为组合会更多、组队更快、信任的建立成本也更突出。

"people still have their specialty."（人们仍然有自己的专长。）

他因此不认同“以后人人都是 builder，所以岗位没有差别”的说法。每个人当然可以扩大自己的工具箱，但依然需要自己的主修和辅修：PM 学会做原型，是为了成为更出色的 PM；不是因为产品判断、用户理解和协调复杂关系从此不重要。小团队的优势是把专业之间的交接变短，不是把专业本身抹平。对于管理者，这也改变了招人和配队方式：除了看单人能否做得多，还要看几个人放在一起，是否刚好覆盖用户、技术、设计和落地中的缺口。

最后一个容易被忽略的点，是实验室的组织位置。Woodward 说，大公司开 Labs 后常在三四年内失效，或者保留了团队却始终无法把成果商业化。原因并不只是创意不足：若把它塞进既有业务单元，现有 KPI 很容易压过新探索；若完全隔离，它又会变成别人眼中的奇观。Labs 的答案是保留一定独立性，同时让团队明确优先级是“用户第一、Google 第二、Labs 第三”，并先想清楚它到底要把成果毕业到既有产品，还是要开出新的品类。

"That thing looks like a toy right now. That's going to be essential to our future in five years."（那东西现在看起来像玩具，但五年后会是我们未来不可缺的一部分。）

这种张力解释了为什么他们把产品分成零到一、一到十、十到一百等阶段：前者看用户有没有反应，后者开始看转化和规模，不能用同一套指标互相吞噬。实验室也不只试产品，必要时还可试新的工作方式；他们把这叫作在 Google 制造“good trouble”。真正的衡量标准不是实验室自己做得多热闹，而是它是否让用户和更大的公司都得到新的能力。独立让它敢碰不确定性，连接让不确定性有机会变成现实。

Woodward 的主线并不是“每家公司都该复制一个 Google Labs”。更准确地说，模型更新把机会发现、原型试验和组织学习的时间压缩了。于是第一条里的“不用微波炉做点子”，需要第二条的“即将可能”清单来避免变成纯粹随缘；第三条看用户眼睛，也需要第四条让团队能诚实报告反应没有出现。它们共同构成一个比季度规划更短的学习循环。

后面的组织设计也服务同一件事：第五条的遗忘速度和第六条的专业主修，让小团队能快速换工具却不丢掉判断；第七条的独立与连接，则决定那些探索能否跨过“玩具”阶段。对正在做产品的人，最实际的起点不是挂牌成立 Labs，而是选一个已被用户反复提起的问题，写下它“还差什么就会变得可做”，给两三个人一个短周期做原型，并约定他们也有权说停。真正要保护的不是某一个点子，而是这条从新能力到真实用户反应、再到下一次选择的循环。