Builder's

Back to Archive

Tomer Cohen 2.0

Detailed Analysis & Action Guide/2026-01-01

AI转型全栈构建者组织架构产品管理未来AI Agent人才密度

内容概要

这期播客是产品界的“地震级”对话。Tomer Cohen 详细披露了 LinkedIn 内部正在进行的激进实验：彻底废除传统的 APM（助理产品经理）项目，代之以“全栈构建者”（Full Stack Builder, FSB）模式。

核心逻辑是：随着 AI 消除技能门槛，未来的产品开发不再需要高度细分的职能（PM、设计、研发），而是由具备“全栈思维”的小型 Pod（小组）利用 AI Agent 独立完成从创意到上线的全过程。Tomer 分享了领英如何重构代码库、开发内部 Agent（如 Trust Agent, Growth Agent）以及如何通过文化变革推动这一转型。

双语 PDF

工具/书籍

行动建议

今天

  • AI 审计: 记录你今天工作的每一个步骤，标记出哪些是“机械重复”的，尝试用 ChatGPT 或 Claude 写一个 Prompt 模板来替代它。
  • 安装 Cursor: 即使你不是工程师，尝试用它修改一个简单的网页 Demo。

本周

  • 建立私有知识库: 收集你过去一年写得最好的 5 份文档，将其作为 AI 的“Few-shot”示例。
  • 跨职能学习: PM 学习使用 Figma 插件，设计师尝试运行简单的 Python 脚本。

深度探索

  • 研究“Agent 编排”: 了解如何让多个 Agent（如研究 Agent 和文案 Agent）协作，而不仅仅是单点对话。

关键洞察

  1. 判断力是唯一的护城河: 在 AI 时代，产出（Output）变得廉价，但决定“什么才是好的产出”的能力（Judgment/Taste）变得极其昂贵。
  2. 拒绝“平庸的 AI” : 直接使用 ChatGPT Enterprise 只能获得平庸的结果。真正的竞争力来自于将公司内部的私有逻辑（如领英的 Growth Loops）喂给 Agent。
  3. 管理者的角色转变: CPO 不再只是管理产品，而是管理“生产产品的系统”。Tomer 投入大量精力在重构代码库以适配 AI。
  4. 变革的阻力不在技术: 最大的挑战是“改变管理”（Change Management）。员工需要看到真实的成功案例（如 UXR 研究员转岗为 Growth PM）才会真正相信转型。
  5. 速度与质量的乘法: 效率提升不是为了裁员，而是为了增加“尝试的次数”（Experimentation Volume），从而提高命中大成功的概率。

嘉宾介绍

Tomer Cohen

  • 身份: LinkedIn（领英）首席产品官 (CPO)。
  • 职业经历:
    • LinkedIn - CPO (2020 - 2024)：负责领英全球产品战略、设计及研发。
    • LinkedIn - 副总裁/产品负责人 (2010 - 2020)：在领英工作 14 年，经历了从 IPO 到被微软收购的全过程。
    • 创业者: 在加入领英前曾创办科技公司。
  • 当前身份: 即将离任领英，开启职业新篇章。
  • 核心专长: 大规模组织架构设计、AI 驱动的产品转型、增长黑客。
  • 社交媒体:

核心论点

论点一：职能边界正在坍塌，"全栈构建者"是未来

核心观点: 传统的 PM、设计师、工程师的严格分工正在成为创新的阻碍，AI 将使个体具备跨职能交付的能力。

  • 微专业化的代价: 过去为了规模化，公司将流程拆解得极细（如交互设计、动画设计、研究等），导致沟通成本极高，上线一个微小功能需要数月。
  • FSB 模式: 领英不再培养单纯的 PM，而是培养能写代码、能做设计、懂商业逻辑的“构建者”。

"By 2030, the skills required to do your job will change by 70%. Whether or not you're looking to change your job, your job is changing." — Tomer Cohen 2.0

论点二：AI 时代的五大核心人类特质

核心观点: 当技能可以被 AI 自动化时，人类的价值将收缩到五个核心领域。

  • 愿景 (Vision): 描绘引人入胜的未来。
  • 同理心 (Empathy): 深刻理解未被满足的需求。
  • 沟通 (Communication): 团结并激励他人。
  • 创造力 (Creativity): 寻找超越平庸的可能性。
  • 判断力 (Judgment): 最重要的一点，在复杂模糊的情况下做出高质量决策（Taste-making）。

论点三：AI 转型必须是“平台+工具+文化”的三位一体

核心观点: 仅仅给员工发 ChatGPT 账号是不够的，必须从底层重构。

  • 平台层: 重构代码库和 UI 组件，使其能被 AI 识别和推理（AI-ready stack）。
  • 工具层: 开发垂直领域的内部 Agent（如 Trust Agent 检查安全漏洞，Analyst Agent 处理 SQL）。
  • 文化层: 改变晋升和考核标准，奖励那些利用 AI 提升效率的“全栈”行为。

数据验证结果

验证项 1: 到 2030 年，工作所需的技能将改变 70%。

  • 原文声称: "By 2030... it will change by 70%."
  • 验证结果: ✅ 确认
  • 来源: LinkedIn 2024 Future of Work Report
  • 可信度: ⭐⭐⭐（领英拥有全球最大的职场数据库，此数据基于其 Economic Graph 预测）

验证项 2: 70% 的当今增长最快的工作在一年前甚至不在名单上。

  • 原文声称: "70% of today's fastest growing jobs were not even on the list... a year ago."
  • 验证结果: ✅ 确认
  • 来源: LinkedIn Economic Graph Data 2024
  • 可信度: ⭐⭐⭐

验证项 3: 内部维护 Agent（Maintenance Agent）处理了 50% 的构建失败。

  • 原文声称: "I think we're close to 50% of all those builds being done by the maintenance agent."
  • 验证结果: ⚠️ 无法外部验证（属于 LinkedIn 内部工程数据）
  • 分析: 考虑到微软（领英母公司）在 GitHub Copilot 上的技术积累，这一比例在技术上是可行的。
  • 可信度: ⭐⭐

四维分类评估

🟢 高度正确（已验证/权威来源）

观点 1: AI 对初级职位的冲击最大。

  • 验证依据: 领英废除 APM 项目并转向 APB（Associate Product Builder）是这一趋势的最强信号。

观点 2: 通用 AI 无法直接在复杂企业代码库上工作。

  • 验证依据: Tomer 提到必须进行大量定制化（Customization）和数据清洗，这与硅谷目前的工程共识一致。

🔵 当下可执行（有明确步骤）

建议 1: 建立“黄金样本库”（Golden Examples）。

  • 执行方法: 不要让 AI 学习整个知识库，而是筛选出过去最成功的 Spec、设计稿和代码，作为 AI 的训练上下文。

建议 2: 采用 Pod（小队）模式。

  • 执行方法: 组建 2-3 人的全栈小组，赋予其从调研到发布的完整权限，减少跨部门评审。

🟡 理智质疑（需验证）

存疑点: 所有人都能成为全栈构建者吗？

  • 质疑原因: 深度专业化（如底层算法优化、复杂系统架构）在 AI 时代依然有其不可替代的门槛，全栈模式可能更适用于应用层开发。

🔴 需警惕（可能有问题）

风险点: 组织记忆的丧失。

  • 风险说明: 如果过度依赖 AI Agent 进行 Trust 或 Privacy 审计，人类员工可能会丧失对潜在风险的直觉感知。

深度评分

知识价值: 10/10

  • 提供了大型科技公司 AI 转型的第一手实操蓝图。

可执行性: 8/10

  • 虽然 FSB 模式对个人要求极高，但提供的工具和思维框架非常具体。

商业潜力: 10/10

  • 这种模式能将研发成本降低一个数量级，同时将速度提升数倍。

投入产出比: 9/10

  • 听这 1 小时播客可能改变你未来 5 年的职业规划。

综合评分: 9.3/10

参考来源