当一家估值数十亿美元的上市公司宣布「禁止委员会式决策」时，你的第一反应可能是，这不会乱套吗？但如果你还在用十个人开会讨论两个选项、写三版文档才能推进一个功能的方式工作，你可能正在用诺基亚时代的流程应对iPhone时代的竞争。
Yana Welinder是这场变革的推动者之一。她曾创办AI产品分析公司Kraftful，八个月前被Amplitude收购，现在担任这家公司的AI负责人。Amplitude的CEO Spencer Skates在收购后做了一个决定，这个决定让整个产品团队的工作方式发生了根本改变。
但Yana告诉我，当她带着创始人思维回到大公司时，最不适应的就是那些看似必要的流程。「我不是那种喜欢辩论的人，」她说，「当其他人还在讨论两个不错的选项时，我可能已经执行了十个。」这不是狂妄，而是生存本能。在AI创业公司，速度就是护城河。如果你慢了，市场不会等你把产品打磨完美。
Amplitude遇到的问题是，公司已经成功了，但成功带来了层级、流程和对失败的恐惧。产品经理变成了「跨部门协调秘书」，工程师习惯了先写文档再写代码。Spencer看得很清楚，这套玩法在AI时代行不通了。Cursor没有一个产品经理就能做到290亿美元估值，OpenAI可以在同一天发布功能并根据反馈快速迭代。传统科技公司的季度发布节奏，在新一代AI原生公司面前像是慢动作回放。
这不只是羡慕创业公司的灵活性。
Spencer的做法是战略级的文化重构。他同时收购了多家AI创业公司，不只是为了产品和技术，更是为了把创业公司的DNA注入Amplitude。然后他做了那个关键决定，禁止委员会式决策。这意味着产品经理和工程师不再需要通过无休止的会议来对齐十个利益相关者，他们现在被赋予了直接行动的权力。
Yana用自己的方式诠释这种文化。她的日常工作流已经和传统产品负责人完全不同。
早上打开电脑，她不会先去翻邮件，而是让ChatGPT的浏览器插件扫描收件箱，自动标记出需要当天回复的紧急邮件。那些情绪化的长篇抱怨邮件？她会让AI提炼成三个要点，然后直接让AI起草一份礼貌的回复。「我不需要承受所有人的情绪负荷，」她说，「但我确实需要回应每个人的实质问题。」
这只是开胃菜。Yana最核心的工作方式是用AI做产品原型，然后拿着原型直接跟客户视频通话。关键在于速度，她会在第一通客户电话后，立刻根据反馈修改原型，然后在下一通电话里展示全新版本。「以前你只能拿一个原型给十个客户看，然后收集一堆反馈，最后你根本不知道第一个客户提的建议是不是真的重要，」她说，「现在我可以在每次通话之间迭代，实时验证每个反馈点是否真的能引起共鸣。」
这种工作流在一年前根本不可能实现。设计师需要一天时间改一版原型，产品经理需要重新协调时间表，工程师需要评估技术可行性。现在这些步骤压缩到了15分钟。Yana用Cursor或Claude生成代码，用GPT-5调试Prompt，用Sora制作营销视频。在Amplitude最近的AI Feedback功能发布中，她用Sora做了一个视频，画面是她在墓地给NPS（净推荐值）的墓碑献花，墓碑上写着「NPS已逝，真实用户反馈永存」。这个视频在Twitter上的完播率超过50%，而传统产品演示视频的完播率通常不到10%。
有人在评论区说，「我一直在想这到底是不是AI生成的，结果就这样把整个视频看完了。」
但这不是炫技。
Yana最看重的是这套工作流如何改变了失败的成本。她的团队可以在一天内发布功能，收集反馈，然后在第二天发布改进版本。用户不会因为初版有瑕疵而流失，反而会因为看到团队15分钟内就修复了他们报告的问题而变成最忠实的拥护者。「当用户看到你在快速行动，他们会想象一年后这个产品会变成什么样，」她说，「这比一开始就给他们一个完美但迭代缓慢的产品要强得多。」
这里有个微妙的转折，很多人会担心快速发布会损害品牌，害怕用户用了一次粗糙的产品就不会再回来。Yana的答案是，只有在你慢的时候这才会发生。如果你在用户反馈后立刻跟进，用户会兴奋地想再试一次。速度本身就是对用户最好的承诺。
OpenAI就是这么做的。他们发布的功能经常有粗糙的边缘，但快速跟进成了用户的预期。当你知道今天提的问题明天就能被修复，你对初版的容忍度会大幅提升。
这种工作方式的核心不是工具，而是思维转变。Yana总结了两种决策模式的区别。
传统大公司模式是，发现问题，开会讨论，写文档对齐，再开会确认，然后才开始执行。这个过程可能需要几周，最后的方案往往是妥协的产物，因为每个利益相关者都要确保自己的观点被听到。Yana把这叫做「让一群喜欢辩论的人获得满足感的游戏」，真正的进展是零。
AI原生模式是，发现问题，直接执行最可能的方案，用真实用户反馈验证，快速调整。这个过程可能只需要一天，而且方案是基于用户行为而非内部政治。
Amplitude现在明确要求团队采用后者。产品经理不再需要写长篇文档来说服十个人，工程师不再需要等待所有人达成一致才能写代码。这是从上到下的授权，Spencer作为CEO亲自推动这一点。「如果领导层不支持这种文化，一线员工很难独自推动，」Yana说，「你需要公司明确告诉团队，拥有自主权，快速行动，不要等待批准。」
但快并不等于不负责任。Yana的方法是「用原型说话」。与其花时间说服别人某个想法可行，不如直接做出来展示。当团队看到某种方式真的能更快产出结果，他们自然会跟随。她最近亲自操刀了一次产品发布，从策划到执行全程使用AI工具，节省了90%的人工环节。团队看到效果后，下次发布就主动复制了这套流程。
这里有个反直觉的地方，很多人觉得AI会让人变懒，但Yana的团队发现，当你把重复性工作交给AI后，人反而会在创造性环节投入更多精力。她现在可以在抱孩子的时候用语音模式跟ChatGPT讨论产品策略，这在以前根本不可能。她笑着说，「我现在打字和拼写能力都退化了，唯一还能做的人类工作就是命令我的小AI助手。」
但有些事情AI确实还做不好。Yana尝试过让GPT-5帮她写Prompt，结果是能用，但性能比人类手写的Prompt差一个档次。「GPT-5写的Prompt，只能让GPT-5自己用得不错，但如果你想在更轻量的模型上跑，还是得人类来优化，」她说。这意味着Prompt工程仍然是一个需要人类专业技能的领域，至少现在是。
想想你上次买电钻的经历，你不是在买电钻本身，你是在买墙上的那个洞。委员会式决策就像是让十个人讨论电钻的颜色、重量、品牌，最后买了一个谁都不讨厌但谁也不喜欢的妥协版。AI原生的做法是，直接在墙上钻个洞，问用户这个位置对不对，不对就再钻一个。
这种思维方式的本质是把「正确性」的判断权从内部专家转移到真实用户手中。传统流程假设你可以通过足够多的讨论和规划在执行前达到正确答案，但AI时代的现实是，执行速度快到你可以用真实结果替代假设。与其花两周讨论A和B哪个更好，不如用两天分别测试A和B，让数据说话。
这不是鼓励盲目行动，而是承认在快速变化的环境中，经验和直觉的半衰期在缩短。当GPT每几个月就解锁新能力，去年的最佳实践今年可能已经过时。唯一的应对方式是保持学习循环足够短，让每次行动都能快速转化为新知。
但这套方法不是万能药。Yana很清楚适用边界。如果你的产品需要极高的质量门槛，比如金融交易系统或医疗设备，快速迭代可能会带来灾难性后果。如果你的用户群不习惯频繁变化，比如企业级软件的采购决策者，他们可能会把你的快速迭代理解为不稳定。
这套方法最适合的场景是，你面对的是早期采用者，他们愿意为了新功能容忍一些粗糙边缘；你的产品改动不会造成不可逆伤害；你有能力快速响应反馈。如果这三个条件都不满足，传统的瀑布式开发可能仍然是更安全的选择。
Yana最近收到一封客户邮件，抱怨Kraftful功能迟迟没有整合进Amplitude。邮件写得很长，带着明显的失望情绪。她没有自己读完全文，而是让AI提取关键诉求，然后生成了一封回复。两天后，AI Feedback功能正式发布，那位客户成了第一批试用者。
她没有在邮件里承诺具体时间，因为承诺意味着妥协速度。她只是快速行动，让结果成为最好的回应。