Instagram 負責人:別讓每場 AI 對話都從零開始
Instagram 負責人:別讓每場 AI 對話都從零開始
Instagram 負責人 Adam Mosseri 詳述他個人的 AI 代理,以及用來向它們下達簡報、為它們評分的回饋迴圈;他主張,決定頂尖績效者如何真正運用 AI 的關鍵在於品味、意圖與發展軌跡,而非一味追求 Token 用量或代理指標。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
Podcast 專家音訊節目
收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情
Instagram 負責人 Adam Mosseri 主張,AI 唯有在你建立起回饋迴圈、讓它能從你的修正中學習之後,才真正變得有用;在那之前,模型不過是「網際網路平均值」的現成版本。這場對談主要談的是他如何用 AI 處理自己的工作——一套名為「the desk」的個人指揮中心、一個叫 Roger 的跟進追蹤器,以及一套名為 Custodian 的共享記憶系統——另外還談到他怎麼看招募、授權,以及 Instagram 在指標與目標之間的拉扯。標題冠上「前 1%」的說法在精神上說得通,但這集更像是場廣度很大的管理訪談,而非生產力操作手冊;創作者專屬的建議(測試 Reels、Muse 提示詞、私訊自動化)只佔了後三分之一。
Mosseri 在這裡是很有參考價值的受訪者,因為他掌管一款每月約 30 億人使用的產品,而且是自己動手打造工具,而不是等內部平臺來支援。讀者讀完應該能帶走三樣東西:一位資深經營者把 AI 接進日常工作的具體模型、對這些工具目前還差在哪裡的清醒判斷,以及 Mosseri 用來區分代理指標與真正目標的框架。
讓 AI 有用的是回饋迴圈,不是提示詞
Mosseri 最核心的實務主張是:模型現成吐出來的東西很泛泛,價值來自把「AI 產出了什麼」和「你實際怎麼用它」之間的迴圈閉合起來。他用 email 草稿當最簡單的例子:有一個代理會針對特定 email 起草回覆,但從不代為寄出。他自己修改草稿、自己寄出。每天結束時,這個代理會把它寫過的每一份草稿,跟他實際寄出的 email 逐一比對,從差異中學習。
「一開始它寫的 email 非常制式,根本不像我,我一直在重寫,然後它慢慢學會了我的語氣、我的價值觀,還有像行程安排這類東西。」
他講得很明白:另一條路——每次都要手動給回饋——就失去意義了。「建立一個迴圈、讓它自己學,這樣很好。等於設好之後就不用管了。」他把通則講成這樣:「如果你只是要它現成給你,你拿到的就是最平淡無奇的那個版本。」
同樣的模式套用到會議簡報上,花了一到兩個月才看到回報。Mosseri 寫了一長串提示詞,要模型把會前讀物(簡報檔、Google Docs,「10 到 100 頁那麼長」)濃縮成最重要的三、四件事。他對第一版的評價是:
「簡直是垃圾。等於又多了一堆東西要讀,對我一點幫助都沒有。」
解法是加入評分迴圈。每場會議結束後,代理會去找相關素材——PM 針對行動專案的跟進 email、AI 會議紀錄、Mosseri 自己的筆記、Slack 上任何跟這場會議有關的討論——再拿自己產出的簡報去對照實際討論了什麼、決定了什麼,替自己打分。如果簡報標出三個重點,結果一個都沒被提到,代理就會學到 Mosseri 真正在意的是什麼。他說,這個迴圈「讓這些簡報從老實說很浪費時間,在一、兩個月內變成對我非常有用的東西。」
他還是會讀整份檔案;簡報是定位用的錨點,不是替代品。
The desk:一套指揮中心,架在簡單的技術堆疊上
Mosseri 把工作工具整合進一個他稱為「the desk」的網頁應用程式。他說這是他「一直以來」想像自己工作的方式——一個聚焦的當前任務,接下來兩、三個任務放在眼角餘光可見的位置,後面再拖著長長一串待辦。所有東西都匯入這裡:Roger、會議簡報、會議歷史,以及一份持續更新的待辦清單,專案像是「讀這份東西並回饋這份路線圖」、「幫這個團隊解鎖」、「兩週前你要的東西,去催一下這個人」。專案可以延後提醒或編輯。
這套東西的打造方式刻意不炫技。他用了一個能存取多個模型與內部 API 的內部工具框架(他稱之為「meta CLI」)、一個網頁應用程式,還有「一個簡單的 SQLite 資料庫」。每晚的自動化流程會掃描會議開得如何、行動專案是什麼、他要求了什麼、別人向他要了什麼,以及透過訊息和 email 進來的事,然後重新填充 the desk。
| 元件 | 功能 | 打造方式 |
|---|---|---|
| The desk | 任務、會議、簡報、歷史的單一指揮中心 | 網頁應用程式 + SQLite;每晚自動化排程 |
| Roger | 追蹤別人對 Mosseri 的承諾,涵蓋 Slack、email、會議 | 標記逾期專案並提示去催 |
| 會議簡報 | 把冗長的會前讀物濃縮成 3–4 個重點 | 用會後素材自我評分的迴圈 |
| Custodian(個人版) | 跨工具共享的記憶、活動與技能 | 文字檔記憶對映進向量空間 |
| 兒童 podcast 應用程式 | 依需求生成符合年齡的音訊簡報 | 運動比分 API、時間定位的輔助框架 |
Roger 的存在源自一個具體的挫折:「你開口要一樣東西,對方說『好啊』,然後就永遠沒下文。」Mosseri 也承認這個工具在他團隊裡並不討喜——他是「在我團隊的百般無奈下」做出來的——而且他現在會送出一連串跟進訊息,內容大概是「你說這件事一週內會回覆,現在已經過了一週半。」
談到普及性,他很坦白:非技術背景的人目前還沒辦法靠下提示詞就做出 the desk 這樣的東西。「我們還沒走到那一步,我不認為一個完全沒有寫軟體經驗的人,開口要一個這樣的東西就能拿到好結果。」他對多數人的建議是改用更輕量的介面:一個會主動出擊的文字型代理(Meta 的叫 Muse),下達的指令大概是「只要是你覺得重要的 email,別讓我超過一、兩天沒回。」
Custodian:一層共用記憶,讓工具可以隨時換掉
因為 Mosseri 不斷在換 AI 工具——他點名用過 Muse、Meta 的內部工具、Claude、Duet、Typ、Dots 和 OpenClaw——所以他做了一層叫 Custodian 的共用層,這樣每換一個新工具,就不必重新教它「我是誰」。Custodian 存放共用的活動、記憶與技能,也包括像「email 語氣」這種檔案——描述怎麼寫出像他風格的 email,以及誰有許可權取用。
這套記憶系統就是純文字檔對映進向量空間,所以檢索是靠概念而不是關鍵字。應用程式被要求把事實寫進 Custodian,而且在新增之前先檢查這個事實是否已經存在。好處是可攜性:「如果又有新東西出來,我直接插上去用一陣子看看效果,不適合就拔掉。」他工作用的設定和個人用的設定是兩套分開的系統。
flowchart TD
A["Muse"] --> C["Custodian:共用記憶、活動、技能"]
B["Claude、Duet、Typ、Dots、OpenClaw"] --> C
C --> D["文字檔記憶對映進向量空間"]
D --> E["跨所有工具的概念搜尋"]
E --> F["換工具不必重新教背景脈絡"]
他也展示了一個為三個兒子(6 歲、8 歲、10 歲,以生日為索引,所以年齡設定會自動更新)生成短 podcast 的個人應用程式。它透過專門打造的 API 抓取各大聯盟的即時比分,並加上時間定位的輔助框架,因為「LLM 有時候會搞不清楚今天幾號」。輸入是主題、長度(他舉了一個 26 分鐘的例子)和聽眾年齡;他父親曾把年齡滑桿拉到 73,要一份解說。另外還有一個應用程式追蹤他每週的健身紀錄。
公開授權決策;看影響力,不看 Token 用量
Mosseri 說他盡量少做決定,而且他是對照矽谷當下的風向在講這件事:「我知道現在矽谷流行盡量少授權。但我的哲學有點不一樣。」當別人更適合做這個決定時,他就授權——但會公開地授權,讓團隊知道「這其實是 Max 的決定,或這是 Jenny 的決定」。理由是問責:「如果團隊知道這是他們的決定,他們的行為會很不一樣,因為他們知道那個人要負責。」否則團隊什麼都往上報,他就成了瓶頸。他以前還會用計數器實際點算自己做了多少決定。
談到 AI 生產力的衡量,他對把使用量指標當成目的本身抱持懷疑。他說 Token 用量大致是一半一半——不是高度有生產力,就是「徹底浪費錢」——而且他沒有為每位開發者設定 Token、diff、程式碼行數或實驗次數的明確目標,只把這些當領先指標。他指出的失敗模式,就是把指標和目標混為一談:
「目標可能是我們希望使用者更自在地在平臺上分享更多東西。指標可能是今天有多少人在 Instagram 分享限時動態。指標是目標的代理,它本身不是目標。」
他說,目標必須先用平實的語言講清楚,然後才去挑當下最好的代理指標。
觸及是手段不是目的——可測量的不等於有價值的
Mosseri 論述得最完整的一段是關於衡量。Instagram 每天調查數千名使用者,問這款 App 好不好玩、滿意度、以及他們覺不覺得 Instagram 在乎使用者,同時也看 NPS、每日使用量、訊息傳送數、限時動態分享數和曝光數。他警告,過度聚焦其中任何一項,都會造成近視。
排名機制正好說明這個落差。他說,如果沒有排名,使用量和使用者感受都會大幅下滑——但排名只能受限於可測量的東西,而「我沒看過任何證據顯示,一件事容易測量跟它實際多有價值之間有關聯」。他的框架區分一階偏好(我喜不喜歡這支 Reel、我有沒有傳給朋友、我有沒有點選)與二階偏好(這值不值得我花時間、我今晚會不會聊到它、我明天會不會還想到它)。一階訊號來得快、容易測,也因此被系統性地過度加權。
他把同一套視角套用到主持人自己的資料上:一集訪問 Brian Chesky 的節目觀看數偏低,但 44% 的受訪聽眾說那是最好的一集。Mosseri 的回應是「觸及是達成目的的手段,不是目的本身」、觀看數是「相對淺層的互動衡量」,而一群更小但更在乎的受眾,可能是更有價值的資產——他舉 Acquired 為例,這個 podcast 的聽眾是會做採購決策的高階主管,所以對 B2B 廣告主來說價值特別高,跟下載數本身無關。「不要讓脈絡淹沒在平均值或總數裡。」
他也說自己的內容策略有些地方是刻意不去最佳化的。他的創作者聚光輪播——一張自拍加上一批創作者作品,再一句「去追蹤這個人」——表現不如產品公告和個人生活照,但他照做,因為這跟 Instagram 以創作者聲音為核心的定位一致。
招募看成長曲線,放手不再學習的人
Mosseri 的招募標準一直很穩定:韌性與拚勁、學習速度、自我覺察。第三點重要,因為它決定一個人能不能吸收回饋。改變的是學習速度的權重,因為工具演進太快。他的測法是跟應徵者聊他們不懂的題目,看他們多快能抓到重點;也會讀對方的職涯軌跡——一個跨職能轉換(從資料科學轉產品、從工程轉到另一個領域)而且在每一段都做得好的人,看起來就是全方位的,前提是這些轉換不是每三個月就換一次。
他指出一個結構性轉變:「職務之間的界線、角色本身,都在變得模糊。」設計師會看程式碼,資料科學家會做原型和 mock,工程師會拉資料、跑分析。
談到人才流失,他把招募標準反過來用:最沒道理留下來的,是「那些難以進化、無法持續學習的人」。他補充說自己「現在每天都在學,是這幾年來不曾有過的學習強度」,並把學新的工作方式比作學語言——「你必須願意讓自己聽起來像個笨蛋」,直到被糾正為止。他認為多數人的障礙是怕聽起來很蠢,而不是能力不足。
少做一點、做好一點——以及 Mosseri 盯的訊號
Mosseri 說他長期的目標,是讓團隊做的事情更少、品質門檻更高,而這件事越來越難:打造東西變便宜了、競爭激烈,而且出貨更多的誘因很強。真正的限制不是人數,而是他所謂的人才密度——「如果你有 20 個真正棘手難解的問題,底下有一千個人,但只有 15 個是你真正能信任的……那你就有麻煩了,即使你有一千個人。」
他的投資篩選有三道關卡:這件事幾年後會更重要而不是更不重要;它是否直接扣合 Instagram 以創意連結人群的定位;以及它是否跟公司最重要的受眾——年輕人和創作者——有關。他給所有在選方向的人的通則是「軌跡比當下的分數重要」——他寧可投入一個快速成長的市場,也不要一個更大但正在萎縮的市場;寧可僱用一個正在快速進步的人,也不要一個已經到頂的人。
在文化訊號上,Instagram 不只看注意力現在在哪裡,也看什麼能打動優先受眾,方法是調查、民族誌研究、研究報告、私訊和留言。Mosseri 強調要走出美國,因為絕大多數使用者都在其他地方,並把這件事當成持續進行的過程,而不是已經做完的功課。
創作者在 Instagram 上實際該做什麼
對談的後三分之一轉向實務。Mosseri 點名測試 Reels(trial reels)是最有用的成長功能,但也承認主持人提出的落差:創作者把測試 Reels 當 A/B 測試在用,把幾乎一樣的影片換上不同文字覆蓋後重發,而 Instagram 的系統會把它們讀成同一支影片。他說公司應該支援原生的一級 A/B 測試,但把目前的限制解釋為防濫用——成長駭客會把同一支影片「做個最微小的調整就重發 100 次,換 100 次打擊機會」。
談到觸及機制,他給了一個具體的區分:對未連結的觸及(不追蹤你的人),每次曝光的分享次數最重要;對既有追蹤者,觀看時間和按讚率更重要。他建議永遠看互動率,而不是看總量。
他也提到兩個自己喜歡、但較少人用的功能,兩者都不是為了成長:Blend,會為一個私訊串生成共享的 Reel 動態,並顯示哪些內容是給哪個人看的;以及可以檢視並編輯 Instagram 認為你有興趣的主題——在 Reels 或探索頁籤有控制項——「這是第一次能看見自己的演算法,然後去編輯它。」
至於「私訊某個關鍵字就給你東西」這種互動手法(主持人說在她自己的測試裡觸及大約翻倍),Mosseri 的態度有些保留:「這有點像互動作弊。我不是很愛,但它確實有效。」他把這跟私訊裡真正的對話區分開來,後者他覺得「挺不錯的」。
針對 Muse,他列出自己最有興趣發展的用途:理解並經營你的受眾、診斷你的內容策略哪裡有效哪裡沒效,以及追蹤跨平臺的趨勢。他說趨勢偵測已經「用很少的功夫就有出乎意料的好表現」,但基本的受眾管理還沒接上。他個人用它來篩選訊息請求——把主動聯絡他的知名人物挑出來(他說自己有整整一年漏掉大人物,想起來很尷尬),每天早上標出幾個真正有趣的問題,然後他親自回覆。他每週五也會在限時動態做問答,從兩、三千個問題裡挑出好的來回答。
談到品味,Mosseri 大致把它定義為「刻意」——限時動態或 Reel 上的音樂,應該透過歌手名、曲名、歌詞或氛圍跟內容產生連結,而不是預設用熱門音訊。他也提到,標普 500 的執行長裡很少人有設計背景。
綜合整理
Mosseri 所有回答背後貫穿的主軸,是對「容易測量的東西」一貫的不信任:Token 數量、觀看數、一階互動訊號、模型現成的輸出,全都被當成代理指標,一旦被誤認為事物本身就會變得危險。他在每個案例裡的解方形狀都一樣——用平實的語言定義目標、建立一個把代理指標對照現實的迴圈、讓系統自我修正。這套做法對 email 語氣、會議簡報、產品指標都一體適用。尚未解決的張力在於規模:the desk 和 Custodian 是一位技術背景高階主管、用內部模型工具框架打造出來的客製系統,而 Mosseri 自己也說,非技術使用者目前還沒辦法靠下提示詞做出對等的東西。他推薦給其他人的那條更輕量、文字型代理的路線,能不能補上這個落差,是接下來值得觀察的事;同樣值得看的,還有 Instagram 會不會為測試 Reels 推出原生的一級 A/B 測試,以及會不會把他說 Muse 還缺的受眾管理用途接起來。