漕ぐのではなく、舵を取る:タラ・セシャンが語る、AIコワーカー時代に向けたChatGPT Workの構築

OpenAIに入って約1年で最も驚いたことは何かと聞かれ、セシャンは多くのことが馴染み深く感じられたと答えた。人材、切迫感、急拡大の激しさは、以前に働いていた急成長企業と似ていた。彼女が気づいた違いは構造的なものだった。これまで働いてきた会社はすべて創業者主導だった。彼女はOpenAIを「創業者たち主導」と表現する。ほぼ全員が自分の担当領域で創業者のように振る舞い、トップダウンの指示は、彼女の言葉を借りれば、過去の勤務先と比べて極めて限られているという。彼女自身が創業の経験を持つこともあり、これには活力をもらったという。また、個人と市場との距離が非常に近いとも語った。チームがユーザーの需要から隔絶されているように感じられる大企業もあるが、OpenAIでは各チームが自分たちのプロダクトのプロダクトマーケットフィットを見つけるために、必要なことは何でもやるという。

2つ目の驚きは、彼女の予想に反するものだった。決済企業なら社内に「決済のバイブル」があるように、OpenAIにも秘密の戦略の「宝の山」があるものと思っていた。ところが実際には、「OpenAIはオープンだ」と彼女は言う。世界がどうあるべきか、プロダクトをどう作るべきか、モデルがどう振る舞うべきかについてのほぼすべてのアイデアは、すぐに公開プロダクトや公式のメッセージの一部になる。レニーが、AGIとマスタープランのある秘密の部屋があるのではと冗談を言うと、彼女は「少なくとも私はその部屋にはいない」と返した。彼女が刺激を受けているのは、社内の構想からユーザーが触れられるものになるまでのサイクルが、これまで見てきたどこよりもOpenAIで速いことだという。

長年PMを務めてきた人がこの新しい環境で失うものは何か、とレニーは尋ねた。セシャンは、より成長が緩やかで成熟した市場と比較した。ダイナミックだが成熟した市場の例として決済を挙げる。そこでは「大戦略」的な仕事ができると彼女は主張する。第一原理から厳密に推論し、競合が賭けそうな手を予測し、次の一手を描き出す。そうした市場では厳密さが必須だと彼女は言う。勝者は誰よりも深く考え抜いた者であり、厳密さの欠如は不注意に見える。多くの結果は予測できたはずだからだ。

一方、AIでは何が生まれてくるかを予測するのが非常に難しいと彼女は言う。市場は創発的で変化が速く、何よりも研究と密接に結びついていなければならない。だから、学術的・理論的であることよりも、多作で実証的であることのほうがはるかに重要になる。彼女は過去に在籍した多くの会社を、学術的で理論的な場所だったと表現する。OpenAIでは、今後の計画について「博士論文」のようなものを書く代わりに、いかに早くユーザーと検証できるものにたどり着くかが問われるようになった。この切り替えには戸惑いを感じたと彼女は認めている。最初は、十分なデューデリジェンスをしていないのではないか、思慮が足りないのではないかと心配したという。

彼女の考えでは、思考が消えたわけではない。より凝縮されたのだ。鍵となるのは、中核となる仮説をできるだけ鋭く定義することだ。彼女は、シシール・メロトラによるものだとして「固有質問(eigenquestion)」、つまり検証すべき唯一最も重要なことを挙げた。それ以外にどんな大戦略を考え出しても、関係ないと彼女は言う。

セシャンは、プロダクトマネジメントの本質は常に同じループだったと主張する。プロダクトがうまくいくかどうかを決める問いを特定し、それをどう検証するかを考え、結果を読み取り、それをより鋭い仮説へとフィードバックする。その仮説を構築するには、ユーザー、市場、技術への理解を組み合わせる必要がある。このループが社内で最も重要な能力になり、エンジニアリングマネージャー、エンジニア、データサイエンティスト、デザイナーの誰もが今ではこのやり方で働いていると彼女は言う。PMにとってこれは朗報だという。実行スケジュールの管理やドキュメント、プレゼンテーションの作成など、仕事に付随していた多くの「装飾」が剥がれ落ち、残ったのはPMが昔から最も大切にしてきた部分だからだ。

レニーは「ループ」、つまりAIに成功の姿を伝え、そこに到達するまで反復させるという考え方を取り上げた。そして、このパターンがソフトウェアエンジニアリングからあらゆる知識労働へと広がるのかと尋ねた。セシャンは中心的なメタファーで答えた。仕事はますます、漕ぐことではなく舵を取ることのようになっていく。漕ぐ作業はエージェントがより多く担い、人は船を正しい方向に向ける。舵取りのレベルは上がり続けると彼女は予想する。最初はTabキーでコードの1行を受け入れるレベルから始まり、より大きなタスクを指示するレベルへと移り、さらに目標レベルやその先へと移るかもしれない。それでも、新しいフィードバックやデータが届くたびに、どの方向へ進み、次に仕事をどこへ持っていくかは人が決めなければならないと彼女は言う。

舵取りはデータを読むことだけではない、と彼女は強調した。その多くは、主張のある判断を下すことだ。私たちは直感や、彼女が「望む未来についての一種の前向きな決定論」と呼ぶものを過小評価していると言う。別の選択肢の実現可能性が低いからではなく、世界をその方向に動かしたいからこそ、あるプロダクトの方向性を選ぶこともある。今のところ、その主張はまだ人から生まれなければならないと彼女は言う。また、舵取りは社会的なものになるとも予測した。人々のグループが、共有されたエージェント群を一緒に操縦するようになるという。

全員が同じツールを持つなら人間こそが差別化要因になるのでは、とレニーは示唆した。セシャンはこれをファッションにたとえた。機能的な服は役目を果たすが、何を着るかは、他の人が着ているものとの対比によっても主張になる。彼女は、パトリック・コリソン、あるいはジョン・コリソンの言葉だとして、次の一節を引用した。ソフトウェアは、お金を入れれば確実に価値が生まれる不動産のようなものではない。むしろ映画制作に近く、大きな予算が良い映画を保証するわけではなく、作家性のような主張と芸術性の要素がある。それは、あなたやあなたのチームが何か面白いことを語れるかどうかにかかっていると彼女は言う。レニーはこれを、最初のプロダクトアイデアがそのまま出荷されることはめったにないというマーティ・ケーガンの指摘と結びつけた。セシャンは同意し、こうした発見のループは速くなっているので、直感を形成し、そのために必要なものを集め、人やエージェントとともにそれに基づいて行動する能力が鍵となるスキルだと付け加えた。

今後数か月で一般的になりそうな社内の働き方について聞かれ、セシャンは2つの変化を挙げた。1つ目は、人々がより高い抽象度でエージェントと働くようになっていることだ。ある程度の方向付けをしたら、あとは「エージェントに任せて料理させる」。エージェントは継続的に存在するチームメイトのように感じられ始めている。彼女が自分のチームの誰かと働くのと同じように、エージェントと働く。エージェントがひとまとまりの作業を行い、彼女が意見を出し、エージェントが続け、両者は一定の間隔で同期し、互いの作業途中の成果をレビューする。彼女はこのコワーカーモデルをはるかに自然なインターフェースと呼び、OpenAI社内ではすでにこうした働き方が多く見られると語った。

2つ目は、これまでのエージェントの作業のほとんどが1対1だったことだ。自分と自分のエージェントがいて、もしかしたらいくつかのサブエージェントを起動するかもしれないが、同僚が自分のエージェントとやっていることからは切り離されている。彼女は、OpenAI社内で人々がある数字にどうたどり着いたかを説明するために、Codexのスレッドのスクリーンショットを Slackで送り合っていた時期があったと語った。それは自然な協働の方法ではないと彼女は言う。より多くの仕事がエージェントを通じて行われるようになるにつれ、人々がどうすればエージェントと一緒に働けるのか、そしてどんなインターフェースならそれが自然になるのかが問われるようになる。彼女はその理想を「マルチプレイヤーゲーム」と表現した。

レニーは、進歩のペースを、信頼が徐々に高まっていく「緩やかな離陸」と表現した。セシャンはそれに対し、モデルは非常に賢いと反論しつつも、エージェントがより大きなタスクを引き受けられるようになった進歩の多くは、知能だけではなく「地道な」作業から生まれていると語った。ローカルのエージェントは、あなたのマシン上のすべてを見られるので便利だ。エージェントをクラウドで動かすには膨大なインフラが必要になる。エージェントはまた、あなたのデータがあるサードパーティのシステムへのアクセスも必要とする。彼女はこれを、同僚を雇ってGoogleドキュメントもSlackも社内データベースもない部屋に閉じ込めるようなものだとたとえた。その人はあまり役に立たないだろうし、孤立したクラウドエージェントも同じだ。データアクセス、クラウドインフラ、信頼性は知能をめぐる問いよりも地味に感じられるが、現実世界での有効性にとっては同じくらい重要だと彼女は言う。

レニーは、自身のポッドキャストで繰り返し登場するテーマを持ち出した。簡単なことが取るに足らないものになったとき、人や企業を分けるのはどれだけ野心的かということだ。セシャンは、AIを最も効果的に使っている人たちは、単調な作業を自動化するだけではないと言う。彼らは自分にできることを広げている。彼女はかつての「ユニコーン」人材を例に挙げた。優れたプロダクトセンスを持ち、コーディングもデザインもできるPMで、職能間の翻訳レイヤーをなくしてくれるからこそ価値があった。今では誰もが事実上そのスーパーパワーを持っていると彼女は言う。彼女は自分でデザインを生成し、最初のプロトタイプを作り、価格モデルを練り、シナリオをモデル化できる。これにより、彼女はより作家のように振る舞い、自分のビジョンをより高い忠実度で実現できる。あなたの野心は、もはや自分自身が実行できることや伝えられることに制限されない、と彼女は言う。

最も難しいのは、「理不尽なほど短い」期間で何が可能かという自分自身の感覚を広げることだと彼女は言う。彼女はパトリック・コリソンのページ patrickcollison.com/fast を挙げた。驚くべき速さで完成した歴史上のプロジェクトが列挙されている。今の彼女にとって際立っているのは、それらのプロジェクトがすべて、誰もがほぼ瞬時に何かを作る方法を学んだり、難解な本を1つの質問で要約したり、アイデアのCADモデルを作成したりできるようになる前に行われたということだ。彼女の推論はこうだ。以前の能力でそれらのプロジェクトが可能だったのなら、AIがもたらすものによって、そうした仕事は指数関数的に増えると期待すべきだ。

彼女はまた、タイラー・コーエンによるものだとして、ある指摘を引用した。人々は、誰かに「あなたがやっていることのもっと野心的なバージョンは何か? もっと速く、あるいは10倍の規模でできないか?」と尋ねることの効果を過小評価している。他の人の野心を引き上げることが、PMの役割の大きな部分になったと彼女は言う。チームがスケジュールや最初のバージョンを提案してきたとき、実は天井がずっと高いのではないかと問うことが、PMの仕事の一部なのだ。

レニーは、以前のゲストであるニック・ターリーが語ったミーム「これは最大限に加速されているか?」に触れた。セシャンはそれがOpenAIのミームであることを認め、彼女とアンドリュー・アンブロシーノがよくチームに問いかけるもう1つのミームを付け加えた。「もうメインラインで使ってる?」というものだ。つまり、実際の仕事をするためにそのプロダクトを毎日一日中使い、自分のセンスのすべてを注いでそれが機能するかを判断しているか、という意味だ。彼女は、広めたいプロダクト開発のミームとして3つの問いを挙げた。スコープと規模について、可能な限り野心的になっているか? 可能な限り速く動いているか? メインラインで使っているか? レニーは、メインラインで使うことを新しいドッグフーディングだと呼んだ。

彼女はさらに、より広い文化的なミームとして「AGIを感じる」を挙げた。AGIが来るという認識のことだと彼女は説明する。それがどのようなものになるかについてはさまざまな見方があることを認めつつも、AGIを現実のものにし、かつ人類にとって有益なものにするという共通の信念が、人々がこの会社に集まる大きな理由だと語った。

彼女が常に心に留めているというプロダクト原則は、2〜3か月後にモデルがどこにいるかに向けて作ることだ。「今のモデルの位置に向けて作れば失敗する。1年後にモデルがどこにいると思うかに向けて作っても失敗する」と彼女は言い、どちらの結果も「同じくらい間違い」だと述べた。早すぎるタイミングで作れば間違う。過去のモデルの能力を前提に作れば完全に間違う。彼女の結論は、モデルの能力をプロダクトの中心に据え、自分たちが作るプロダクトの構成要素において「モデルの邪魔をしない」ことだ。

2〜3か月後にモデルがどうなっているかを誰がどうやって知り得るのかと問われ、彼女は完全なブラックボックスではないと答えた。研究には、コーディングや特定の形での文章作成においてモデルを改善するといった、焦点を絞った取り組みがある。だから研究と密に連携し、プロダクト開発を研究のアジェンダやロードマップと整合させることが不可欠だという。レニーは、今日のモデルはこれまでで最悪のモデルだというケビン・ワイルの言葉を思い出した。セシャンはその現実を「本当にばかげている」と言った。

レニーは現在のChatGPTアプリを順に見ていった。ChatGPTとCodexを切り替えるドロップダウンがあり、ChatとWorkを切り替えるトグルがある。セシャンは、北極星となる目標は、ユーザーがそもそも選ぶ必要がないことだと言う。ポッドキャストのゲストが準備するのを手伝うアプリを作る、といったタスクをボックスに入力すれば、システムが適切なハーネスとモデルを選ぶ。プロダクトの制約を理解することはユーザーの仕事であるべきではない。

今のところ、ChatGPTとCodexのどちらを選ぶかは、より開発寄りのUIが欲しいかどうかの問題だと彼女は説明した。Codexのユーザーは何も見逃していないので、Codexを使い続ければよい。ChatGPTから来てエージェントに興味がある人はChatGPTモードを使えばよい。その中で、Chatモードは、進化し続けるモデルによるおなじみの会話と検索の体験だ。WorkモードはCodexを中身に持ち、一部のコーディング用UIを取り除いたものだ。たとえば、ワークツリーが突然現れることはない。レニーが、ハーネスの変更など、WorkモードにはCodex以上のものが含まれているのかと尋ねると、彼女は違いは実質的にUIのレベルだと答えた。Codexに複雑な財務モデルや6か月の売上予測を頼んでも、Workモードと同等の結果が得られる。違うのは、思考の連鎖がどう表示されるか、そしてどれだけ技術的な詳細が見えるかだ。彼女はWorkモードのユーザーの例として、OpenAIのコーポレートファイナンスチームを挙げた。以前は手作業だったり、1人の深い専門知識に依存していたりしたタスクを、チーム全員ができるものに変え、スケジュールやスコープについてのチームの野心を引き上げたという。

約10億人が使うプロダクトと、速いペースで進む実験とのバランスについて、彼女は、ウェブ版とデスクトップアプリのChatGPTにWorkを導入した目的の1つは、そうしたユーザーにエージェントの力を届けることだったと語った。ここで彼女は3つの時代について説明した。チャットが第1の時代。エージェント(これまでのところ主にコーディングエージェント)が第2の時代。そして彼女が「もうすぐ来るかもしれない」と言う第3の時代は、あなたと一緒に物事を成し遂げる継続的なコワーカーと、場合によっては他の人々とともに働く時代だ。当面の課題は、ハーネスのような概念を理解させることなく、エージェントを使ったことがないかもしれない10億人にエージェントを紹介することだと彼女は言う。

彼女はこれを以前のキャリアと対比した。以前の会社では「磨き込みこそが王様」だった。タイミングが結果をそれほど左右しなかったので、早く出荷するよりも、すべてのインタラクションを正しく仕上げることのほうが重要だった。隅々まで磨き込まれていないなら、出荷しないほうがましだった。この時代においては、何かが変革的だと確信したなら、完璧さよりもユーザーの手に届けることのほうが勝ると彼女は言う。チャットのユーザー、つまり生産性のためではなく消費者向けのタスクのためにChatGPTを使う人々にとってWorkをもっと使いやすくするには、チームがやるべきことがたくさんあると彼女は認めた。レニーがローンチ当初の混乱に触れると、彼女は、ローンチ前にもっと反復することは常に可能で、改善できる点はたくさんあると付け加えた。鍵は、素早く反復し、正しいシグナルに耳を傾けることであり、理想的にはそれをローンチ前に行うことだと彼女は言う。

レニーは、ここ数か月でTwitter上の評価がClaude CodeからCodexへと移ったことに気づいたと言い、社内で何が変わったのかと尋ねた。セシャンは、悟りの前も後も薪を割り水を運ぶ、という言葉を引用した。彼女の説明では、根本的なことは何も変わっていない。Codexアプリを作ったチームは常にユーザー中心で、緊密に反復し、プロダクトをメインラインで使っていた。変わったのは、市場とユーザーがそれに気づいたことだ。アプリを作っている全員が、開発のためにそれを使う開発者であり、自分自身の問題だけでなく、同僚やユーザーの問題も解決していると彼女は言う。彼女はチーム、特にデスクトップチームに全面的な功績を認めた。彼らは自律的で創業者のような人々であり、もっと良くなるべきものに気づくとそれを作り、社内でテストし、使われなければ反復し、そのうえで外部に出荷するという。答えがAIではなく人間についてのものだったとレニーが言うと、彼女は同意した。

レニーは、役割が重なり合う中で人々が感じている混乱について尋ねた。デザイナー、マーケター、PMは、自分たちが今何に責任を持っているのかわからなくなっている。セシャンは、役割の境界がほとんどないスタートアップが昔から好きだったと言い、Stripeもまさにそうで、誰もが何でもできたと語った。彼女は、AIの能力がようやくその考え方に追いついてきたと見ている。彼女にとって重要なのは、プロダクトが使われ、求められ、高品質で、効果的であるかどうかについて、明確に責任を持つ人、つまりDRIがいることだ。その人がエンジニアなのかデザイナーなのかPMなのかは関係なく、それ以外の仕事は適性や能力に応じて引き受ければよい。

彼女は本当の意味での不確かさも口にした。シュレヤス・ドーシ、マーティ・ケーガン、シシール・メロトラといった人々が書いてきたプロダクトマネジメントのクラフトを彼女は愛しており、役割が流動的になることでクラフトを磨く機会が失われるという懸念も理解している。「その問いに対する答えは、本当に持っていません」と彼女は言った。クラフトの一部は、個人よりもうまくこなすかもしれないモデルによって抽象化されつつあり、クラフトはプロダクトや専門分野の別の場所でスキルを発揮する方向へと移っている。人々が今やどれほど効果的になれるかへの熱意と、クラフトへの愛とのバランスをどう取るか、彼女はまだ模索中だという。エンジニアはかつてコードを手で書くことを楽しんでいたが、今ではめったにそうしないこと、そして人々が手でコードを書くときのフロー状態を惜しんでいることにも触れた。彼女はそれを厳しい移行だと表現した。

今後数年間、人間の頭脳が最も価値を持ち続けるのはどこかと聞かれ、セシャンは、モデルが何をするかは予測できないと断ったうえで、3つの答えを挙げた。1つ目は説明責任だ。エージェントを部下のように考えることはできるが、結果に責任を持ち、それが高品質だったか、何が意図されていたかを判断するのは依然として人であり、特に規制の厳しい業界や、人間との直接のやり取りが必要な場面ではそうだ。2つ目は表現だ。彼女は映画のたとえに戻った。最高の映画は最大の予算をかけた映画ではないし、ソフトウェアには作者性がある。何を作り、それがどんな感触を持つかを選ぶことは、彼女の考えでは極めて人間的な問いだ。3つ目は、人々が互いをどう気遣い、どう関わり合うかだ。チームメイトと話し、共通の熱意を育み、一緒に学び、互いの野心を引き上げることが、彼女の仕事においてかつてないほど重要になっている。

レニーは、AIにできることと人々が実際にAIを使っていることとの間にある「オーバーハング」に触れ、具体例を求めた。セシャンは、今ではSitesを絶えず作っていると語った。彼女はSitesを、データベース付きのホスト型サイトを作成するためのプロダクトだと説明する。仕事ではプレゼンテーション用の成果物として使い、それ以外にも多くの用途で使っている。チームで一緒に遊ぶゲームを作ったこともある。最近のバックパッキング旅行では、ルートと標高を表示し、参加者全員が食料を入力するサイトを作った。Sitesは、アラン・ケイが1960年代に描いた、柔軟に作り変えられるパーソナルソフトウェアというビジョンを実現していると彼女は言う。Notionのような以前のツールはブロックを組み合わせることでそこに到達しようとしたが、Sitesでは文字通りプロンプトだけだと彼女は言う。Sitesは共有でき、自動的に更新でき、指標ダッシュボードなどのために社内データを使うこともでき、彼女はスライドデッキよりも動的なプレゼンテーションの場だと呼んだ。たとえばCodexに「私のチーム用の人狼ゲームのサイトを作って」と頼むだけだ。ホスティングは自動で処理され、サイトは公開、チーム限定、非公開のいずれにもできる。Work、Codex、ウェブ、モバイルのどこからでも作成でき、サイトを作ることが、以前のドキュメントやスプレッドシートを作る習慣の多くに取って代わったと彼女は言う。

2つ目のヒントは、Codexの/visualizeコマンドだった。たとえば、これまでのChatGPTの使用状況を可視化するよう頼むと、履歴を取り込んでビジュアライゼーションを作成する。グラフやデータを明確なストーリーを伝えるものに変える必要があった回数は数えきれないほどだが、/visualizeはそれを「驚くほど楽しい」ものにしてくれると彼女は言う。

対談中、レニーはセシャンについてのSiteを作成し始めた。終わる頃には、「大きな確信、小さなチーム」や「買い手から始める」といった引用やテーマを含む、デザインされた個人ページができあがっていた。彼女はそれを気に入ったが、ヘッダーの写真が、19歳くらいの頃のStripeの社員証の写真らしいことには苦笑していた。

レニーは、「タラ・ブリーフ」は象徴的だと言うブリー・ウォルフソンからの質問を伝えた。セシャンは2種類の執筆を区別した。報告としての執筆には、ステータス更新、週次のまとめ、ローンチ計画などが含まれ、彼女は喜んでモデルで自動化している。思考としての執筆には、プロダクトや戦略、あるいは「辛口の見解」を主張するブリーフが含まれ、これは決して自動化しないと彼女は言う。彼女にとって、アウトラインを作り、それを文章にし、削り、推敲することが、アイデアが形になる過程なのだ。ほとんどの人は大雑把すぎて、執筆に常にモデルを使うか、まったく使わないかのどちらかだと彼女は考えており、どちらも間違いだとしている。

Stripeは強く執筆志向の会社で、ブリーフが社内でバズることのある数少ない場所の1つだったと彼女は言う。そこでの彼女のプロセスは、ブリーフを深く掘り下げて磨き上げ、それを持って回り、人々に攻撃してもらうというものだった。それを強化して次の人のところへ持っていき、このサイクルを繰り返した。新しいプロダクト領域を立ち上げるため、方向転換を提案するため、あるいは問題を分析するために、彼女はこれを何度も行った。ブリーフを書くことで知られるStripeの同僚として、ジェフ・ワインスタインの名前も挙げた。かつての上司からは、ドキュメントは70%程度まで書き、それを100%にするために賛同を得る必要がある人々のところへ持っていけと言われたという。完璧に磨き上げられたアイデアに関わりたいと思う優れた人はほとんどいない、と彼女は言う。自分のアイデアが「ただ跳ね返されてしまう」からだ。一方、粗削りな部分があれば、一緒に形作ろうと誘うことになる。

OpenAIでも、彼女は今も考えるために書いており、ドキュメントは数百にのぼることも多いが、ほとんどは自分のためのものだという。誰もがきちんと考え抜かずに長いドキュメントを作れるようになった今、長いドキュメントはもはや慎重な思考の証にはならないと彼女は言う。これは、おそらく彼女にとって個人的に最も大きく、最も戸惑った変化だったという。以前はドキュメントの中で考え、それを思考の証としてプレゼンテーションに変換していた。今は「ドキュメントではなくモック」あるいは「ドキュメントではなくプロトタイプ」を好み、理想的には結果を示す。「A/Bテストをやりました。これが結果です。だからこの方向に進むべきです」というように。

AIに頼りすぎないようにどうしているのかと聞かれ、セシャンは、思考としての執筆という規律が主な安全装置だと答えた。また、個人的なルールにも従っている。人にドキュメントを読んでもらうなら、少なくとも彼らが読むのに費やす時間の合計分は、それを書くことに投資すべきだというものだ。同様に、ミーティングには、少なくとも参加者がそこで費やす時間の合計分の準備をする。文章を磨くのにモデルには頼らない、モデルはそれが本当に得意だとは思わないと付け加え、特に最初の下書きを生成させることはしないと言う。一方、要約や、フォーマット間でのコンテンツの変換には多用している。彼女のまとめはこうだ。「始めるのは自分、終えるのも自分」。その間で、特定の論点を調べたり、データを取り込んだり、アイデアに反論させたりするためにAIを使うことはある。

セシャンは、Sutter Hill Venturesを意図的にわかりにくくしている会社だと表現した。ウェブサイトにはほとんど何も載っておらず、静かに活動しているが、パートナーのマイク・スパイザーが始めたインキュベーションモデルを通じて、Snowflakeのような大成功の背後にいる。彼女が印象を受けたのは、人々はプロダクトマーケットフィットを見つけて数百億ドル規模の企業を築くことを、運と偶然の秘術のように扱っているのに、スパイザーはそれを何度も成し遂げており、プレイブックが存在することを示唆している点だった。彼女の説明によれば、この会社は、狙いを定めて的中させることと、エンタープライズ営業の立ち上げ、ポジショニング、創業チームの編成といった、会社を築くための日々の積み重ねの仕事の両方において、正しくある術を身につけてきた。彼女は特に採用を挙げ、Reticleと呼ぶ社内ツールに触れた。このツールは、会社がこれまで一緒に働いてきた人々と、その一人ひとりが一緒に働いた中で最も優れた10人をマッピングしたものだという。彼女のキャリアはプロダクトマーケットフィットを繰り返し見つけることだったので、B2Bプロダクトでそれを実現する方法を確立していたSutter Hillに行ったのだと語った。

彼女の主な学びは、彼女が「プロダクト・マーケティング・フィット」と呼ぶものを過小評価していたということだった。プロダクトについての語り方やポジショニングは、それを作る前に来ることもある。それは、技術への深い理解とエンタープライズ営業のプロセスへの理解を組み合わせたものであるべきだ。プロダクトの形を決める前に、100人ほどにピッチし、ピッチを磨き、そのプロダクトがなぜ変革的なのかというナラティブを正しく作り上げるべきだという。以前はプロダクトマーケティングを職能間の接着剤のように見ていたが、優れたプロダクトマーケティングは会社の成功を左右しうる仕事だと考えるようになったと彼女は認めた。

終盤、セシャンは、彼女のチームがChatGPT Workで取り組んでいる課題を提起した。知識労働とコーディングは根本的に異なるということだ。コーディングは成果物志向なので、テストや実行によって結果を確認できる。知識労働は、最終的なスライドを見ても検証できない。スライドに「成功率90%」と書かれているのを見て、そのまま信じることはできない。プロセス、インプット、推論を見る必要がある。だから、チームの今そしてこれからの仕事の多くは、プロダクトを知識労働向けに適応させることだと彼女は言う。ChatGPTを協働者にし、作業途中の成果を見せ、引用やインプットを表示し、ユーザーがモデルのたどった道筋を追えるようにして、結果を信頼できるようにすることだ。彼女は未解決の問いを挙げた。思考の連鎖はもっと多くの引用を示すべきか? コーディングには適したスレッド型のインターフェースは、知識労働にとって正しい場なのか? レニーはこれを経営陣へのピッチにたとえ、計画の背後にあるステップを示すことがピッチの大部分を占めると述べ、エージェントがあなたのメールやドキュメントを見られるかどうかといったコンテキストも同じ問題の一部だと付け加えた。セシャンは、チームが人間の協働者をエージェントの作業に取り込むことを考えるのと同時に、モデル自体もより協働者らしくする必要があると語った。

本としては、セシャンはウィリアム・フィネガンの『バーバリアン・デイズ』を薦めた。彼女がこの本から得たのは、何かに人生を捧げながら、それが決して得意にならないこともありうるし、到達できないと知りながら卓越を追求することもできるということだった。また、異なる年齢で読んできた『アンナ・カレーニナ』も薦めた。13歳のときは筋を追い、17歳のときはヨーロッパの歴史と階級のダイナミクスを追い、30歳のときには1人の女性の物語、そして人々の物語として読んだという。彼女はこれを、成長しキャリアを変えていく中で、同じものを新しいレンズを通して見る必要性と結びつけた。また『パワー・ブローカー』が大好きだと言い、長い古典を1章ずつ読むスロー・リーディングのSubstackを使うことを勧めた。そのSubstackでは『戦争と平和』や『ウルフ・ホール』も扱っていたという。レニーは、『パワー・ブローカー』を取り上げた99% Invisibleのブッククラブシリーズを付け加えた。

映画としては、クリストファー・ノーランの『オデュッセイア』を選んだ。彼女の「大胆な見解」は、これはAIと、AIが社会をどう変えるかについての映画だというもので、ノーランは現代の他のどの監督よりも芸術性と商業的成功を両立させていると語った。また、最近黒澤明の『羅生門』を観たという。1950年代に白黒で撮影しながら、食い違う視点を通して物語を語る手法の先駆けとなったことに触れ、野心についての教訓を引き出した。黒澤の100倍のツールがiPhoneに入っているのに、より良い作品を作らない「言い訳は何なのか」と。

OpenAI以外のAIプロダクトとしては、友人たちが小さなグループのために作っているソフトウェアを挙げた。彼女が「コージーソフトウェア」ムーブメントと呼ぶものの一部だ。セバスチャンという友人は、あらゆるコンテンツをポッドキャストに変換してApple Podcastsのフィードに流し込むアプリと、友人たちのためのプライベートなSNSであるGATSを作った。彼女はGATSを非公開版のTwitterにたとえた。彼女のモットーは、トニ・モリスンのエッセイ「The Work You Do, the Person You Are」から来ている。仕事はうまくやること、上司のためではなく自分のために。仕事を作るのはあなたであり、仕事があなたを作るのではない。あなたの本当の人生は家族とともにある。そして、あなたはあなたがする仕事ではなく、あなたという人間である。

ティール・フェローシップについては、人生の転機であり、誰かが自分の野心を引き上げ、今いる道をたどる必要はないと言ってくれた瞬間だったと語った。彼女の期のピッチはCNBCのドキュメンタリーのために撮影されたので、19歳のときの彼女のピッチはYouTubeで見られる。同期として、ディラン・フィールドと、同じフェローのアリ・ワインスタインの名前を挙げた。アリ・ワインスタインの会社SkyはOpenAIに買収され、彼は現在OpenAIのコンピューター操作関連の仕事の多くを率いている。

最後の宣伝として、彼女はリスナーに、ChatGPTのデスクトップアプリ、ウェブ、モバイルでWorkを試してみるよう勧めた。たとえば、自分についてのSiteを作ってもらったり、自分のChatGPTの使用状況を可視化してもらったりするとよいという。最も魔法のような体験は、スマートフォンでタスクを始め、電波の届かない地下鉄に乗り、地上に出てくると仕事が終わっていることだと彼女は言う。開いたままにしておかなければならないノートパソコンではなく、クラウドで実行されるからだ。彼女は、クラウドでの実行はモバイルだけでなく、すべてのプラットフォームで機能することも確認した。