原文：How Netflix’s Product Team Got Thousands of Creatives to Trust an AI Overhaul
作者：First Round Review
来源：SandHill.io #303 推荐阅读 · 运营指南、案例与最佳实践
说明：本文为中文编译稿，非全文翻译，完整内容请阅读原文。
导读： Mckenzie Lock 曾在 Netflix 担任七年产品、运营与创意总经理，带领约300人的团队负责全部内容的分发上线。本文复盘她如何在一个高度重视匠艺、对AI心存疑虑的创意行业里推动AI改造：从愿景、策略到三个生产一线的案例，核心问题始终是”该用AI做什么”，而不是”AI能做什么”。
背景：科技与创意之间的张力
- Lock 此前任职于 Apartment List、Affirm、Pinterest、LinkedIn。在 Netflix，她的团队每年上线数万部作品，业务涵盖AI配音口型同步、面向 Z 世代的AI互动体验等。
- 两位联席 CEO 分别代表两极：Ted Sarandos 领导洛杉矶的创意工作室，Greg Peters 领导硅谷的技术。对科技公司而言AI是”够不够快”的问题，对娱乐业则是”该不该自动化”的生存问题。
- Netflix 拥有1.7万余部作品、覆盖近200个国家、30多种语言、3亿多订阅用户。改造的底线：只在流程痛苦、缓慢或失灵处引入AI，且不牺牲内容质量、不削弱创作者。
- Lock 的观点：好的设计不是消灭复杂度，而是把复杂度放到正确的位置；许多AI战略败在愿景阶段，是因为围绕”AI能做什么”而非”人该做什么”来构建。
一、形成愿景
先设想理想的用户场景
- 团队刻意不从最新模型能力出发，而是问：想为会员创造怎样的最终体验？现有生产流程在哪里亏待了他们？
- 做法是”假设技术不设限”，再倒推所需能力。例如用户隔三个月回来续看剧集，能否收到定制回顾？即使最终不做这些功能，把场景写细也能看清需要哪些模型和服务、哪些最可复用。
调研真正干活的人
- 团队跟班观察编剧、剪辑、动画、翻译、调色、配音等一线人员的工作，再发放面向所有人开放的问卷，并与各领域专家做结构化辩论。
- 问卷问题包括：哪个时刻你最缺信息？在”自动化创作本身”和”自动化周边运营”之间选哪个？AI用于你的流程，最好和最坏的结果分别是什么？
- 辩论时挑选观点对立的两人分别陈述看多和看空理由，契合 Netflix “主动征求异见”的文化。一场辩论暴露了创意野心与运营效率的冲突：有人希望AI生成大量早期视觉方向，有人担心会趋向平庸，运营负责人则认为更大机会在于把定稿设计自动适配到各种版式和市场。
- 结论：痛点必须先被说出来，愿景才能落地。
让未来具体到可信
- 对创意团队而言，他们必须能”看见自己在未来的位置”，所以 Lock 用讲故事的方式沟通。
- 每个流程都做一张”今天 vs 明天”对照表：左栏如实写出预算、质量波动、线性依赖和时间成本；右栏描述AI改造后工作的样子，而不是技术路线图。两栏反差本身就有说服力。
- 团队还虚构了媒体报道和社交帖子来描绘未来，并为视频剪辑等岗位写”未来的一天”小故事：剪辑师的工作变成处理例外、判断质量和打磨手艺。
- 组织上推行共同担责：产品技术团队负责 ML 与产品路线图，运营团队负责上线、人员与治理，但双方共同撰写并共同承担年度目标。
- 借鉴 Patrick Lencioni《团队协作的五大障碍》中的”第一团队”理念（Reed Hastings 任 CEO 时曾要求全员阅读），并扩展到产品、技术、运营、创意四方：各派代表组成跨职能小组，负责系统性决策；每个团队会议固定设置”未来可能的分歧”议程，以降低冲突温度。
- 团队还绘制了现状与未来流程图，逐步标明每一步的输入输出、哪些决策需要人的判断、成功指标和最有价值的反馈回路，据此决定先做什么、后做什么。
二、制定有真正取舍的策略
- Netflix 长期维护公司级”战略押注”清单，每项以”A 对 B”形式呈现并附理由，两边都必须是真正可取的选项。Lock 认为，大多数战略文件写得”让人难以反对”，满是”和”而没有”或”。
- 团队明确的两项押注：
- 从低风险、能快跑的内容起步，而非先上覆盖最广的大作：不在《怪奇物语》这类头部作品上试水，先在价值风险比最高处部署，再逐级上移。
- 尽可能衡量增量效果，而非在缺乏会员影响证据时追求规模速度：前期大量投入 A/B 测试，把AI投资挂钩观看量等核心指标，并有意不以降本为主要目标。
- 如果无法把AI战略可信地连接到 CEO 关注的指标，就永远要为资源而战。
- Lock 设定了雄心勃勃、可衡量的18个月自动化目标，再倒推出月度里程碑（如缩短周转时间、降低错误率）。她提醒，这种方法只在领导层真正承诺并配套组织、人员决策时有效；否则应设短期假设，由证据决定下一步。
- 另一个技巧：让管理层轮流复述别人的战略并回答提问，常能让作者当场意识到”这还不够具体”。
三、生产一线的经验
抵制”闪亮新玩意”综合征：配音
- Netflix 多数观看发生在非原始语言，配音是核心流程，但成本高、资源集中在大作。团队重建了本地化流程：大部分文本先由AI起草、人工再精修，部分需快速上线的作品则省去编辑。
- 他们发现配音作品的观众流失更早，原因之一是口型不同步。首个方案是在后期”重新生成”演员口型，技术炫目，但 A/B 测试显示：虽能提升黏性，却产生需人工清理的画面瑕疵，且收益主要集中在对白密集的少数关键片段，规模化 ROI 不足。
- 转而采用更朴素的方案：用模型读取口型节奏、为配音匹配度打分并标出关键时刻，同时定制机器翻译，优先选择口型更贴合的译法。Lock 的总结是，”不那么炫”的方案往往效果最好。
别只盯一个指标：宣传素材
- 内部玩笑：”作品火了归功于内容，扑了归咎于海报。”Netflix 用推荐系统为不同用户展示不同海报和预告。
- 测试发现，剧照和片段在许多作品上与定制概念海报效果相当，于是团队大胆自动化剧照与片段生产，把定制海报和预告留给头部作品。
- 剧照选择系统由”检索器 + 质检评审”组成。但算法很快偏向俊男美女的肖像，首页险些变成”一片 Julia Roberts”；还曾把只在美国电影里客串的印度女星选为封面，误导印度用户。团队与创意专家重写准则、以更细致的指标和自动评估重训模型，最终取得显著的观看量提升，首页也更容易区分不同类型的作品。
- 启示：核心指标是证据决策的基础，但有时要与”你想要的产品体验”相平衡。
先缩小问题，再解决问题：内容标签
- Netflix 几乎所有系统都依赖语义标签（如给《布里奇顿》打上”香艳”）。过去由分析师看完全片手工打标，耗时超过片长两倍，新人需培训两个月。
- 标签体系多年累积到数千个概念，且多为主观的编辑性标签。团队先大幅精简分类法，对保留标签采用计算机视觉、LLM 与传统分类器组合自动打标，再由基于 LLM 的自动评估打分，低置信度结果转人工复核。
- 业务方现在可直接输入”青少年喜剧里尴尬的初次约会”这类概念自助检索。分析师角色转向质量治理、提示与模型评估。Lock 坦言被取消的工作中有分析师真心喜欢的部分，但要”爱上待完成的任务，而不是做事的方式”。
- 结果：作品入库几分钟内即可完成打标，过去需数周，使 Netflix 能引入更多时效性强的短内容。最大的功课是承认许多继承下来的流程本就不必存在。
结语：AI 是放大器，而不是方向
- Lock 自认是”技术中立者”：AI 本身无所谓好坏，决定好坏的是我们的选择。模型几乎可以被训练去优化任何目标，而决定什么值得优化的，始终是人。