跨国深谈← 返回←Square 产品负责人：聊天机器人时代已结束，AI 要替小商家干真活

Square 产品负责人：聊天机器人时代已结束，AI 要替小商家干真活

关联

人物 Willem Avé

公司 Square · Block

概念 业务单元模式 · 职能制 · DRI · 智能体 · 聊天机器人 · 工件 · Manager Bot · TAM · 社区网络 · 硬件

这一集是 The Product Podcast 主持人 Carlos 采访 Square 全球产品负责人 Willem Avé。Willem 是 2014 年随着自己联合创办的预约公司 BookFresh 被 Square 收购进来的，从工程师一路做到产品负责人，见证了 Square 从一个小小的白色读卡器长成 Block 旗下多个产品生态系统。这一集最有信息量的两个点：Square 两年前把整个公司从业务单元制改成完全职能制，理由是“旧的 org 模式在削弱每个职能的手艺”；以及他的判断——标准问答式聊天机器人的时代已经结束了，接下来拼的是能不能造出“可靠的智能体”替小商家干真活。

为什么 Square 废除了业务单元模式

Willem 说，Square 多年来用的是通用管理(GM)模式，即按业务单元划分。大约两年前，整个公司被重组成完全职能化的结构：顶层是产品、设计、工程三大职能，内部再按品牌(Square、Cash App 等)划分关注领域。改的原因很明确：他们相信职能卓越(在自己领域里做到最好)非常重要，而之前的组织模式实际上削弱了每个职能的工艺水准 。

Square 内部现在的组织是：一个受众组织(按服务业、零售、餐饮等垂直行业划分)、一个核心平台组织(但这个平台组织也必须负责具体的产品服务，防止平台团队做出“一刀切谁都不适用”的通用方案)、增长团队、资金团队(账单支付、工资单、银行等)，硬件则是姐妹组织 。他给的组织设计原则很干脆：尽可能围绕客户结果来设计组织，离这个原则越远，结果越差 。

硬件和软件不能分开想

Square 少见地同时做硬件和软件。Willem 说硬件的特别之处在于它活在商家的真实世界里——摆在柜台上、揣在兜里、轮班时一直用，所以硬件必须平易近人、好用、令人愉悦，而这不容易做到。真正的魔法是软硬件整合(他拿 iPhone 做标杆)，做新硬件时必须让软件形态和硬件形态匹配——把它们当两件事分开做，正是那些用现成通用硬件的公司做不出好体验的原因 。

软硬件团队最大的差异是时间线：做硬件比做软件慢，要过的关卡也不一样。要出好结果，一是要有顶尖的人，二是流程里不能有让决策陷进官僚泥潭的繁文缛节——因为无论硬件还是软件，本质都是迭代：先有愿景，然后在摸清目标缺陷率、可靠性、电池寿命这些维度的过程中不断转向 。

DRI 模型：杀死“沉默否决权”

Block 在组织设计上以激进著称，DRI 是他们力推的概念。Willem 解释说，好产品从构想到规模化是一条跨职能的弧线——不只把产品做出来，还包括怎么推向市场、怎么持续迭代。

而产品变慢往往卡在决策上：一种是“沉默否决”(一个团队就是不配合另一个团队想做的事)，一种是对方向缺乏共识。DRI(直接负责人)就是让一个人被充分授权，把决策贯穿产品构建的整个生命周期——这个人要能综合产品、技术和业务，从以设计工程为主导的构思阶段，一直管到推向市场和规模化，既塑造技术战略，又让团队对执行负责，替他们砍掉路上的障碍 。

主持人提到外界说法：这像是把公司重塑成一个迷你 AGI,每个人都向同一个人汇报的超级扁平组织。Willem 的回答很有分量：得先退一步理解组织为什么存在——历史上，组织存在的理由是信息流：需要机制让不同团队对齐到同一个结果。

而现代技术和 AI 放大了组织树末端节点之间的直接沟通能力。组织又极其擅长发明流程和繁文缛节(往往事出有因：出了问题就立个规矩防止重演)，但他认为 AI 让知识可以编码在另一层——不用全编码在组织架构里，而是编码在智能体能访问的数据里，这真正让决策民主化，让小而快、完全自主的团队成为可能。你不用再玩“传话游戏”去要一个答案，而是直接问智能体、做决定、往前走 。

但他也划了边界：这不意味着不需要管理。人有职业成长和抱负，所以仍需要好的人员经理——好经理和好 DRI 必须两者都要 。

为实体经济造 AI:聊天机器人时代结束了

Square 的用户不是整天挂在 X 上的科技公司，而是开面包店、花店、汉堡店的小商家。Willem 对小企业的态度带着敬意：他们是企业家最纯粹的形态——把生计押在自己的激情上；小企业是经济的动脉，Square 的口号是“让主街(Main Street)和华尔街一样高”。

他坚信把先进技术民主化、交给尽可能多的小企业，对经济和社会都是净收益。难点在于每家小企业都无穷地独特：面包店不同于花店，花店不同于汉堡店，工作流完全不同 。

他观察到经营小生意的真实痛点：难不只难在手艺和雇人，更是一种孤独——你总不知道该往哪走、该做什么决定。汉堡该定价多少？

成本能算，但加价 10% 还是 20%？决策无穷无尽，小企业主常常从枕边人还没醒一直干到晚上。所以 AI 对他们的价值不是聊天机器人，而是一个智能思维伙伴：先帮做更好的决定，最终把完整任务委派出去 。

他的判断很鲜明：标准问答式聊天机器人的日子基本结束了。一是因为那个问题已经解决了；二是人们现在期待用 AI 干真正的工作——真正的工作远不止在一个对话框里问答回来，而是综合你所有数据源的信息、为你的生意生成具体的“工件”(artifact):比如给面包店生成库存工作流、给餐厅生成销售排行榜用来激励员工。核心挑战在于：今天造一个聊天机器人很容易，造一个可靠、可依赖的智能体非常难——这正是 Square 在解的问题 。

现场演示：Manager Bot 干的“真活”

Willem 演示了 Manager Bot。主屏幕每天或按需为卖家生成一批 AI 建议，比如“补上缺失的商品描述”——因为线上目录描述写得好才能被搜到，Manager Bot 能发现这些问题并直接建议文案。

更有说服力的是“菜单工程”的例子：它不是给你一个快速答案，而是生成一个完整的工件——读取你的数据、调用工具、列出所有菜品、分析哪些卖得好哪些不好；你还能追问“基于这份菜单做点研究、给我个意见”，它会回答“我会把半磅汉堡做成招牌英雄产品，而不只是普通单品”。还有劳动力预测、员工洞察、库存洞察、“你最好的两个客户已经 30 天没来了”这类提醒。卖家看到的是：我往系统里投入更少的功夫，就能拿到非常有意义的产出 。

主持人点出一个关键观察：用户不用操心记忆、MD 文件、技能、连接器这些“AI 极客才懂的东西”。Willem 深以为然：他自己的体验是，用 AI 常常得到一堆“文字呕吐”，还得自己解析——这本身就是工作。

越是能把体验引导到高价值、又不让用户费劲，越能建立对系统的信任；有了信任，才谈得上委派和执行批量操作、创建营销活动。小商家往往不是一觉醒来就想“该改 X 的价格了”，而是要先有调查、有详细分析，信了之后才委派它去执行库存盘点或调价 。

激进观点：TAM 几乎是无限的

Square 从支付公司长成了整个生态系统，TAM 怎么算？Willem 的 hot take:只要有对的团队、对的想法、对的学习循环，你的 TAM 几乎是无限的——你可以用了不起的产品创造市场。

对 Square 而言 TAM 实际上没有尽头，因为中小企业乃至大企业经济是数万亿美元的盘子。在大 TAM 市场做产品，关键是需要一个“强制函数”帮团队做决策：Square 的北极星是“社区网络”(neighborhood network)——一个社区里发生的全部经济活动：小企业主、员工、进店的顾客。聚焦本地社区会把 TAM 从纯互联网、DTC 网站上挪开，然后按商业工具(线上线下)、金融工具(银行、信贷)、智能工具三条线去解决需求 。

整合小商家分散的工具 + 通信之痛

今天的小商家手里一堆零散的单点工具：建站的、看评论的、预订收银的。Willem 认为整合有三条路：一是 AI 软件工程降低了给每个场景造软件的门槛；二是商家已有自己喜欢的工具，所以 Square 既要做一流的第一方工具，也要做开放平台让伙伴一起建，减少“开一堆标签页、在工具间复制数据”的痛苦；三是智能体式 AI 让商家可以同时和一堆不同软件交互——很多软件能被智能体工具用得非常好，他拿 Claude 和 Codex 举了例子 。

最后聊到通信：主持人分享在土耳其度假，约理发得发 WhatsApp,订餐厅得发 Instagram。Willem 说生意的本质就是沟通，但今天的沟通散落在 WhatsApp、Instagram、邮件、短信各个孤岛里，企业主“淹没”在里面——“我的短信收件箱有几百条未读”。他坦承说实话还没有人真正解决这个问题，而 Square 正在做的协作平台 Buzz 让他很兴奋——不是那个产品本身，而是那种模式能帮卖家同时管理员工和全渠道涌入的通信 。

本集带走

• 组织围绕客户结果设计，离得越远结果越差：Square 为此从业务单元制改成完全职能制(产品/设计/工程顶层分立、内部按品牌划分)，理由是保住每个职能的工艺和卓越。
• 用 DRI 对付“沉默否决权”：产品变慢常是因为一个团队暗地里不配合。指定一个能综合产品、技术、业务的 DRI,把决策权贯穿从构思到规模化的全周期。
• AI 改变了知识编码的位置：过去知识编码在组织架构和流程里，现在可以编码进智能体可访问的数据——决策因此民主化，小而自主的团队成为可能；但人员管理仍然不可省。
• 别做聊天机器人，做“能产出工件的智能体”：问答已经解决完了；用户要的是菜单工程、劳动力预测、库存工作流这种可直接使用的产出，难点从“会答”变成“可靠”。
• 信任先于委派：让用户少干活(而不是解析一堆“文字呕吐”)才能建立信任，有信任才有批量操作和任务委派。
• TAM 观：对的团队 + 对的想法 + 对的学习循环，TAM 几乎无限——你可以创造市场；用“社区网络”这类强制函数帮大 TAM 市场里的团队做取舍。

你不能把它们看作完全分离的，这就是为什么公司很难用现成的通用硬件构建真正卓越的体验。
You can’t think of them as completely separate, which is why it’s difficult for companies to use off-the-shelf, commodity hardware and build truly excellent experiences.
—— Willem Avé · [05:45]

很多时候，产品变慢是因为决策。要么是整个组织里的沉默否决——一个团队不想做另一个团队想做的事——要么是对我们在做什么、要去哪里缺乏共识。
A lot of the time, products slow down because of decision-making. Either it’s silent vetoes throughout the org, where one team doesn’t want to do something that another team wants to do, or it’s a lack of alignment on what we’re doing or where we’re going.
—— Willem Avé · [08:01]

但我认为 AI 让我们能把知识编码到另一层。它不必完全编码在组织里；它可以编码在智能体能访问的数据中，这真正让决策民主化了。
But I think AI gives us the ability to encode that knowledge at another layer. It doesn’t have to be encoded in the org entirely; it can be encoded in data that agents have access to, and that really democratizes decision-making.
—— Willem Avé · [10:39]

我真心相信最好的团队是小型的、快速移动的、完全自主且被赋能的。
I truly believe the best teams are small, fast-moving, fully autonomous, and enabled.
—— Willem Avé · [10:58]

今天造一个聊天机器人很容易，但造一个可靠、可依赖的智能体非常难。
It’s very easy to build a chatbot today, but it’s very hard to build a dependable, reliable agent.
—— Willem Avé · [17:07]

你越能把这些体验引导到高价值、又不让用户费很大劲去使用，就越能建立对系统的信任，然后才谈得上委派和采取行动。
The more you can steer these experiences to very high value, without causing customers to do a lot of work to use it, the more that builds trust with the system, and then it allows you to delegate and take actions.
—— Willem Avé · [21:26]

我的激进观点是：只要有对的团队、对的想法、对的学习循环，你的 TAM 几乎是无限的。
My hot take is that with the right team, the right idea, and the right learning loop, your TAM is almost infinite.
—— Willem Avé · [22:28]