最近，LinkedIn的首席产品官Tor Cohen在lenny的播客里分享了他们正在做的一件事：取消沿用多年的APM项目，也就是产品经理培养计划，换成一个叫APB的新项目。APB全称是Associate Product Builder，翻译过来就是助理全栈构建者。什么叫全栈构建者？让一个人干三个人的活吗？没那么简单。LinkedIn有一组数据特别值得关注。他们发现，到2030年，完成你现在这份工作所需要的技能，将会变化70%。不是你要换工作，而是你不换工作，工作本身也在变。还有一个数据更夸张，今年增长最快的那些岗位，70%在去年的榜单上根本不存在。这是LinkedIn启动全栈构建者计划的根本原因——不是为了省人力成本，而是为了活下去。我们先聊聊产品开发流程是怎么变臃肿的。假设你要做一个新功能，最原始的流程是：发现问题、设计方案、写代码、上线、迭代。但在大公司里，这个流程会一步步膨胀。发现问题这一步，在LinkedIn要查10到15个数据源。设计评审、隐私评审、安全评审，光评审环节就能列出一长串。每个环节都有存在的合理性，但加在一起，一个小功能可能要跨多个团队、多个代码库、好几个sprint才能上线。更关键的是，真正创造价值的迭代阶段往往还没开始，项目就已经精疲力尽了。Tor Cohen说了一句话：工作本身并不复杂，是流程让它变复杂了。工作会自动膨胀，直到填满所有可用时间。流程也会自动生长，直到吞噬所有可用资源。好，概念铺垫完了，说说他们具体在做什么。LinkedIn把全栈构建者模式拆成了三个部分：平台、工具、文化。第一步是重构平台。他们发现，直接把外部的AI工具接进来根本不好使，不管是Cursor还是Figma的AI功能，在LinkedIn的代码库和设计系统上都跑不顺。所以他们花了大量时间让AI能真正理解自己的技术栈，这个过程叫做让AI能够reason over your codebase。第二步是构建专属的AI智能体。他们做了一个信任智能体，专门用来检测产品方案中可能存在的安全隐患和欺诈风险。LinkedIn上有个功能叫open to work，就是那个绿色的找工作标志。这个功能很好，但也让骗子更容易找到下手对象。他们把两年前的产品文档丢给信任智能体，结果不仅发现了当初漏掉的风险点，还找出了后来才暴露的问题。他们还做了增长智能体、研究智能体、分析师智能体。每一个都是用LinkedIn自己的历史数据、研究报告、成功案例训练出来的。这里有个很反直觉的发现：不能把AI接入你的全部知识库。直接给AI访问所有文档的权限，效果反而很差。它分不清哪些信息重要，哪些是过时的。你得手动筛选出黄金样本，告诉AI什么是好的，什么是成功的。第三步是文化变革，这一步其实最难。Tor Cohen分享了一个观察：最早开始用这些工具的，是公司里最顶尖的那批人。大家可能以为AI工具是用来帮助能力不足的人补短板的。但实际上，顶尖人才对新工具的接受度更高，学习曲线更陡，产出质量也更好。那怎么让更多人用起来呢？LinkedIn做了这么几件事👇首先是调整绩效考核，你的360度评估会包含其他职能同事对你的评价。如果你是PM，设计师和工程师都会给你打分，看你是不是真的能跨职能工作。其次是树立标杆。他们的一个用户研究员，用这些工具转型成了增长PM，这种案例在内部被反复传播。最后是制造适度的稀缺感。不是所有人都能马上用上这些工具，你得申请，得给反馈，得帮助改进产品。那到底什么样的人适合成为全栈构建者呢？Tor Cohen总结了五个能力：愿景、同理心、沟通、创意、判断力。其中他最看重的是判断力。其他能力AI都可以辅助，但在复杂模糊的情况下做出高质量决策，这件事目前还是人类的专属能力。最后他说：不是每个人都需要成为全栈构建者。有些人就是喜欢在某个领域深耕，做到极致，这完全没问题，全栈构建者和专业人才会共存。LinkedIn这次做的事，某种程度上就是在用完全不同的方式重新定义产品开发这件事。这可能不是产品经理的末日，但一定是某种旧模式的末日。