LENNY’S PODCAST · 原始發布 2026 年 7 月 19 日

AI 時代，Netflix
為何更想找
系統思考者？

工具正在把每個人的可做範圍拉大。Netflix CPTO Elizabeth Stone 的答案不是取消專業，而是讓專業能替更多人搭好可用的工作環境。

SCROLL ↓

PART 1 · 職稱正在鬆動

每個人都能多做一點，工作反而更容易失焦

Stone 描述的不是職能立刻消失，而是一段「storming」期：產品經理能寫程式、設計師能寫 PRD、工程師能參與產品決策。AI 讓跨界輸出更容易，也讓人開始懷疑自己的工作邊界。

她不主張把 AI 放回盒子裡。問題是，當每個人都能快速產出時，組織怎麼分辨有用的結果、保持品質，並讓不同角色的成果接得起來。

PART 2 · 專業沒有失效

Stone 明確保留「craft excellence」的位置。她認為優秀工程、資料科學與創意仍然稀缺。AI 可以增加起草、實驗與實作的速度，卻不能替團隊保證判斷、可靠性與品味。

這也改變了專家的責任。專家不只完成一個功能，還要把原本靠個人經驗維持的品質標準，變成別人也能使用的模板、規則和回饋迴路。

PART 3 · 從單點交付到可擴張系統

她以工程與設計為例：工程團隊要更常思考基礎設施與分散式系統；設計團隊則要定義範本、品牌表達與端到端體驗，避免不同人各自做出拼湊的產品。

「系統思考」在這裡不是抽象口號。它要求人從眼前任務退一步，確認自己把哪些條件當成理所當然，並把跨團隊共用的 building blocks 做清楚。

PART 4 · AI fluency 不是人人都得當工程師

Netflix 沒有替每個職級寫死一套 AI 清單。Stone 說，AI 的實務變化太快，較合理的做法是在所有職能上加一層期待：知道何時適合使用、何時不適合，願意實驗，也能對結果保持判斷。

因此，AI fluency 不等於為了使用而使用。它包含理解工具的邊界、檢查輸出的能力，以及把新工具放進既有工作流程後仍能維持品質的責任。

PART 5 · 人才密度與不舒服的決定

Stone 把 Netflix 的文化描述為「excellence as an operating system」。她談到人才密度、承擔風險，以及不把流程當成修復所有問題的答案。這不是保證正確的配方，而是要求管理者把真正的問題說清楚。

她提到的 Keeper Test 也不只是一個淘汰機制。更常見的用途，是讓主管具體說明一個人造成了什麼影響、哪些能力值得留下、接下來還能如何成長。

「當每個人都能做更多事，稀缺的不是職能名稱，而是把專業變成可被整個組織使用的系統。」

這是依 Stone 對 AI、專業與系統思考的訪談內容整理，不是 Netflix 的正式人資規範。

這不是測驗。選一個你認為最容易被忽略的條件。

你的觀點

原始影片保留 Stone 對職能、AI 使用、人才密度與 Netflix 文化的完整說明，適合回頭核對她的語氣與案例。