招聘的新标准

对于创始人来说，最重要的招聘问题之一不仅仅是候选人是否出色。而是他们的专业知识是否能解决公司最大的不确定性。

早期公司通常被不同类型的迷雾所包围。对于一些人来说，不确定性是技术性的。对于其他人来说，它是产品市场契合度、分销、信任、监管、研究或用户行为。一些最有效的招聘计划首先要确定不确定性所在，然后集中人才来应对。

ElevenLabs 提供了一个有用的示例。在许多初创公司中，第一批员工绝大多数都是以工程为主。 ElevenLabs 很早就聘请了研究人员，因为该公司的主要不确定性是它是否能够开发出其产品所依赖的专有模型。研究不是后期能力。这是公司存在的基础。

尼维斯做出了不同的选择。它早期的杠杆点是产品判断，导致该公司在聘请工程师之前先聘请了一位创始设计师。在一个新的类别中，稀缺资源不仅仅是建造能力。这是首先确定值得建造什么的能力。

乍一看，这些例子指向不同的方向：一家公司早期投资于研究，而另一家公司则优先考虑设计。然而，底层逻辑是相同的。两个组织首先针对最重要的未解决问题进行招聘。

这可能是当今公司建设中发生的最重要的转变之一。首先是工程，其次是销售，最后是支持功能的默认顺序不再普遍正确。前十名员工不一定是从旧的初创公司剧本中继承的。我们认为它们应该反映公司最重要的未解决问题。

ElevenLabs 运营副总裁 Victoria Weller 在讨论快速扩展时指出了本课程的另一个版本。招聘和人员基础设施通常需要比创始人预期更早到达。 招聘激增可能会让人感觉是暂时的，直到它成为公司新的运营节奏。当团队需要三十、六十或一百名额外员工时，用于寻找、评估、入职和整合他们的系统就不再是临时搭建的。

人工智能正在为几乎每个知识工作者提供越来越强大的工具。曾经需要专业知识的任务，包括编写代码、创建模型、生成内容、构建仪表板、分析数据或编排工作流程，现在可以加速或部分自动化。然而，随着执行成本的下降，价值的来源并没有消失。它只是移动。

差异化因素不再在于产生产出，而更多在于确定哪些产出重要。应该建造什么？哪些客户问题值得关注？哪些工作流程应该重新设计？哪种产品体验会带来愉悦感而不仅仅是功能性？

Nevis 的创始产品设计师 Alex Murashko 在设计中清楚地看到了这种转变。如果生成界面和原型变得越来越容易，那么设计的价值就不再仅仅存在于生产中。它必须朝着方向、优先顺序和判断的方向发展。

Nev Flynn 是 ElevenLabs 的早期设计领导者，他从工艺的角度来构建它。随着技术能力分布更加广泛，好产品和伟大产品之间的区别通常取决于品味、清晰度和判断力。问题不仅仅是团队能否出货。问题在于他们是否能够始终如一地提供让用户感觉显而易见且不可避免的体验。

Marketo 前首席执行官兼长期董事会顾问 Phil Fernandez 提出了重要的警告。人工智能工具并不能神奇地将工程师变成设计师，也不能消除对深厚专业知识的需求。设计不仅仅是屏幕的制作。 它需要同理心、排序、背景以及对人类行为的理解。一家错误地将更便宜的产出视为更好的决策的公司可能会更快地行动，同时远离客户需求。

同样的模式远远超出了设计范围。在产品、收入运营、数据、财务、客户成功和人员职能方面，一些最具影响力的员工将深厚的专业知识与跨界运营的能力结合起来。他们仍然需要功能性专业，但他们也需要建设者的心态，使他们能够发现问题、进行实验、通过人工智能创造影响力，并将学习成果转化到整个组织。

这并不是专业化的终结。深厚的专业知识仍然至关重要。但仅靠专业知识已经变得不像以前那么充分了。表现最好的员工越来越像侦察兵和操作员一样——能够驾驭不确定性，创造清晰度，并帮助组织探索尚未绘制的地形。

招聘决策很少仅限于招聘。随着时间的推移，它们会融入文化中，影响哪些行为受到奖励，哪些形式的贡献受到尊重，并最终影响组织的学习和运营方式。一贯以血统为标准进行招聘的公司制定了一套规范。为了实验、所有权和学习而雇用员工的公司创造了另一个。

这对于快速发展的组织尤为重要。韦勒很清楚，在 ElevenLabs，新员工到任后不能简单地吸收文化。当员工人数迅速增长时，每个人从第一天起就为定义和强化文化做出了贡献。她所寻找的组合很能说明问题：雄心勃勃、低调、亲力亲为。野心创造动力。谦虚可以让团队学习。实践指导使领导者能够与工作本身的实际情况保持联系。

在精益的人工智能原生组织中，个人影响力如此之高，以至于这些品质更加重要。费尔南德斯强调了关键人物依赖的风险日益增加。当少数高素质员工构建关键代理、工作流程和操作系统时，如果这些知识仍然局限于个人头脑中，组织可能会变得脆弱。在传统公司中，失去一名员工可能会造成暂时的缺口。在精益的人工智能原生公司中，风险通常要大得多。

答案不是官僚主义。这是有意识的知识共享。文档、共享实践和可重复的学习循环不是管理开销。它们是让精益组织在规模扩张时保持弹性的脚手架。

人们在系统内部的影响力不断增强。组织可以雇用好奇的人并惩罚实验。他们可以雇佣建筑商并将他们埋葬在这个过程中。他们可以聘请适应性强的领导者，然后使用为不同时代设计的指标来评估他们。最终，系统获胜。

普拉巴卡对于衡量错误事物的风险尤其清楚。人工智能的采用与人工智能的影响不同。如果公司将工具的使用情况转变为绩效指标，员工就会使用这些工具，因为他们正在接受工具的衡量，但这并不一定意味着工作有所改善。更重要的问题是人工智能是否正在改变人们度过时间的方式以及创造价值的地方。团队是否在做更有意义的工作？他们学得更快吗？他们是否做出了更好的决定？领导者是否正在模仿他们希望其他人采取的行为？

招聘过滤器非常重要。但人们所处的环境也同样重要。本文中描述的所有工作——根据不确定性对员工进行排序、面试适应性、刻意构建文化——只有当组织也朝着同一方向前进时，才可能会更加复杂。做到这一点的公司可以做的不仅仅是雇佣令人印象深刻的人才。即使工作在不断变化，他们也可以为这些人创造学习、运用判断力和创造有意义的影响力的条件。