兩年三萬一千人來應徵 PM，他們只錄取了一個
TL;DR
- Whatnot 產品長 Tom Verrilli 公開講「我們後悔產品經理這個職位存在」，意思不是不要 PM，是不要為了補編制而補 PM
- 每六個工程師配一個設計師、一個 PM 的「pod 編制」是規模擴張下的產物，副作用是把工程師和設計師養成不用自己做判斷的人
- 過去兩年有 31,832 人應徵 Whatnot 的 PM 職位，錄取一個。面試裡花很多時間講「推動對齊」和「利害關係人管理」的人，是明顯的扣分項
- Whatnot 二十幾個 PM 不綁團隊，綁問題。每半年規劃一次，把公司要達成的事列出來，再一個一個指派負責人
- 主管回去做執行工作：VP 九成時間、CPO 自己五成時間做 IC 的事。理由是資深的人判斷快，一個人跨多個領域反而會自動把衝突解掉
- AI 最大的槓桿不是做原型，是資料分析和直接問 code base。他說自己過去一年跟資料科學家講話的時間是生涯最少，但泡在資料裡的時間是生涯最多
- 「拉手風琴」：拉開想清楚全局，壓回去出一個小版本，再拉開重新評估。只做其中一邊都會出事
這集在 2026 年 8 月 2 日播出的 Lenny's Podcast，主持人 Lenny Rachitsky 是矽谷產品圈最大的內容平台之一，他的電子報和 podcast 基本上是產品經理這個職業的公共教室，每一集找一個做過大東西的人來拆自己的方法論。
來賓 Tom Verrilli 是 Whatnot 的產品長，2023 年 10 月上任，負責產品、設計和成長。在那之前他是 Twitch 的產品長，管過所有面向消費者的產品、工程和應用科學；再往前是 Twitter 的成長產品總監。他是雪梨人，現在住舊金山。
Whatnot 是一個直播帶貨平台，你可以想成把台灣夜市喊價那套搬到手機上，賣家開直播、現場拍賣。2025 年全球 GMV 破八十億美金、年增一倍，新開帳戶兩千萬個，2025 年十月的 F 輪估值是一百一十五億美金。Tom 自己在節目裡買過一隻活龍蝦，聖地牙哥碼頭的賣家每天早上船一靠岸就開直播拍海鮮，隔天 UPS 送到家門口。
一個帶著這種履歷的人，跑上 podcast 說「我後悔產品經理這個職位存在」，值得聽完。
「我們後悔這個職位存在」到底在講什麼
先把話說清楚，他不是在講 PM 沒用。
Tom 的論點從歷史開始：一開始根本沒有產品經理這種東西。是創辦人或做生意的那個人，直接跟工程和設計講我們要做什麼，然後一起做出來。網路生意的擴張速度是人類商業史上最快的，快到某個時間點，你不可能自己坐在那裡想完所有事情，只能把「決定下一步做什麼」這件事委託出去。產品經理就是這樣長出來的。
他的判斷是：這是規模造成的產物，不是必然的需求。
真正理想的狀況，是工程師和設計師手上有夠多的脈絡，能自己做出跟 PM 一樣好的決定。而支持 PM 該是專職的唯一理由，在他看來是「這是一門手藝，不是一張資格證」。手藝要靠反覆練，練得多就強。但反過來說，你每抽掉工程師和設計師一次做判斷的機會，他們的肌肉就少長一點。
這句話我覺得是整集最狠的：
請太多 PM，等於把工程師和設計師當嬰兒養。他們本來完全有能力做好決定，只是從來不需要，因為永遠有個 PM 在旁邊哄。
他把矛頭指向那個大家都熟悉的 pod 編制：每請六個工程師，配一個設計師、一個 PM、一個工程主管，一個細胞就成立了。等你在服務十億日活的產品，工程師一大堆，PM 自然也一大堆。但通知系統的底層基礎建設真的需要一個 PM 嗎？工程師完全搞得懂那是怎麼運作的。
那些沒人想開的會
這裡有個很現實的反問：工程師和設計師真的想做 PM 的工作嗎？寫文件、開對齊會、做會議記錄、追進度，這些一點都不好玩。
Tom 沒有裝作這不是問題。他說專業分工是雙向的，一個基礎建設的負責人說「我想花時間思考規模化，不想花時間辯論對齊」，完全合理。技能也不見得能平移：一個很會在腦中建構系統模型的人，未必聽得出客戶嘴上講的東西跟他真正的問題差在哪裡。
Whatnot 的處理方式是把制度寫死。任何人都可以提出改動，新產品的負責人可以是工程師或設計師，但不管你是誰，都要走一樣的流程，都要過產品審查，都要真的把功課做完。做不到就換人來做，PM 隨時可以調過去。
關鍵在後面：他們不把 PM 綁在團隊上，而是綁在問題上。
Whatnot 現在大概二十一、二十二個 PM，以他們的 GMV 規模來說少得誇張。粗分成買家、賣家、信任與風險三大群，但群內的分配隨時在動。每半年，CEO、Tom 和幾個資深主管坐下來，定義接下來半年「什麼事必須成真」，列成一張清單，然後一項一項問：這個誰負責？
錄音當天早上他們剛跑完一輪規劃。他說常常會走到某一項，發現這件事在好幾個團隊的路線圖裡都排第二第三，重要但沒人真的擁有它。那就抓一個 PM 過來說：恭喜，這是你接下來半年要交出來的東西。
至於這半年裡某個工程團隊會不會沒有 PM 陪著？會，而且很正常。
這套邏輯跟之前寫過的Adam Mosseri 談 AI 時代的 Instagram裡的 Pod 小團隊重組有點像，但 Whatnot 走得更遠，Instagram 至少還維持穩定編制。
31,832 比 1
這是全集流傳最廣的數字：過去兩年，有 31,832 個人應徵 Whatnot 的產品經理職位，他們錄取了一個。
Lenny 問他到底在找什麼。Tom 先講明顯在扣分的：面試裡花很多時間講「推動對齊」「利害關係人管理」「建立關係」的人。他很坦白地說自己職涯早期也是那種人，那群 PM 的專長既不是技術也不是客戶，是政治。
「講一個你失敗的經驗」如果答案是「我沒讓 CEO 及時掌握進度，結果專案轉向了」，那是很明確的反面訊號。
他在找的是同一個人身上同時有巨觀和微觀。你要能描述系統大概怎麼運作、終局長什麼樣子，但講完之後幾乎要透出一種不耐煩：而且我會這樣快速驗證它，我會從這裡切進去。還有一個判斷點是具體性。他說很多人待過大公司，履歷漂亮，但實際上是在照顧一個已經存在的東西、把邊角磨亮一點，而不是「有人丟給我一個問題，我得想出一個新東西」。大組織的慣性很大，很容易一路跟著走而從來沒真的當過改變的推手。
Whatnot 所有職位都要做實作型案例研究。Tom 說最能照出人的環節是這個：一個人可以在面試表現得無懈可擊，然後你給他一段提示和一批資料，要他回來給出立場，再當面口頭辯護。「擅長表演但不擅長細節的人，思考品質衰減的速度非常明顯。」
Marty Cagan 管這個叫 product theater。Tom 補了一句我覺得很誠實的話：這事不能全怪 PM，是我們獎勵了太久。
至於怎麼練「系統思考」，他給了一個很小但可以馬上做的動作。當有人提出要跑一個實驗，他會問：如果是綠的你要幹嘛？如果是紅的你要幹嘛？如果對方答不出來策略會怎麼變，那就代表根本沒想過，回去想清楚再說。往外推一層就是：如果這東西被用了一千倍怎麼辦？會有什麼沒預期的連鎖效應？
他們內部有個口號叫 no, then go。把所有可能出錯的地方想過一輪，然後照樣往前推。因為你想過了，就會自動先防掉一堆。你不需要解決全部，你只需要想過全部。
讓 VP 回去做事
第二個反直覺的操作是主管去做執行工作。
Tom 描述過去那套的荒謬：你當 PM 表現好，被升成總監，然後被告知從此不要動手，你的任務是指導和引導。「我們把 A 級球員全部升到不做事的位置上。」接著就是那種來回擺盪的開發流程，底下的人做完拿去審查、被打回、再改再送，像溜溜球一樣。
Whatnot 現在的狀態是：全隊只有四五個人管其他 PM，而這些人九成以上的時間在做 IC 的事。Tom 自己大概五成。
他認為好處有兩層。第一，一個有十幾年經驗的人直覺已經練得很準，可以直接做決定，不需要拆成三層、分給幾個 PM、再花時間讓他們彼此對齊、再讓不同工程團隊吵一輪。第二，一個人跨越多個領域時，衝突會自動被解掉。
他舉了自己在 Twitch 的例子，而且大方承認自己是罪魁禍首之一：探索團隊和廣告團隊長年為了「版位」開戰，廣告要塞進動態牆哪裡、對探索指標影響多少、對廣告收入影響多少，吵不完。他到職做的第一件事，是把廣告放進探索，然後讓同一個 PM 同時對兩邊負責。目標改成「動態牆產生的 GMV」，一邊是自然流量、一邊是付費替代，這個人自然會做出正確的取捨。省下的是好幾個月的來回，以及那種讓事情從「公司優先」滑向「職涯優先」的政治。
薪酬呢？這是大家最實際的疑問，因為傳統路徑就是升上 VP 賺大錢。Tom 給了一個很辣的算法：把五個 L5 向一個 L7 匯報、四個 L7 向一個 VP 匯報的整組薪酬加總起來，然後問自己，如果我只要三個人，為什麼不能全部付他們 VP 等級的錢？
順帶一提，他提到現在有一串前科技長跑去 Anthropic 當一般技術人員的名單，Workday 的 CTO、Instagram 的 CTO、Box 的 CTO 都在裡面。他說他最大的願望，就是 Whatnot 的產品陣容長成那個樣子。
AI 真正省掉的三件事
Lenny 問，除了做原型之外，AI 到底在哪裡真的解鎖了生產力。Tom 的三個答案我覺得比多數 AI 討論都具體。
第一是資料分析，而且領先第二名很多。 他說現在拉一份資料，大概等於 2017 年一個 Amazon L7 資料科學家做一到兩週的工作量。抓特定分群、針對單一使用者拉日誌、看他實際做了什麼看到什麼、有多少人長這樣、改動的影響會多大，然後很快做出敏感度模型或迴歸分析。他的總結很值得記：過去一年他跟資料科學家講話的時間是整個職涯最少的，但泡在資料裡、真正理解產品怎麼運作的時間是整個職涯最多的。
Lenny 提到自己有個資料科學家朋友說現在很難受，因為工作變成一直在幫非資料科學家檢查那些半吊子的分析，而且有一半是錯的。Tom 對這點有同理心，但他指出根源常常在別的地方：組織長年在資料工程、資料結構、資料標記上投資不足。他們最強的資料科學家現在都往那個方向走，去確認追蹤和歸因是不是真的對，讓別人比較難誤解。
用 AI 找資料，跟用 AI 寫程式一樣，不會免除你確認品質的責任。
第二是不要再拿 code base 的問題去煩工程師。 直接問 Claude。他說自己職涯早期花了大把時間問工程師「這個大概多難」，等於用別人的實際產出去換自己的規劃資訊。現在他可以直接問，也可以說「新使用者打開 App 的時候好像有一連串跳窗撞在一起」，然後叫模型把動態牆的載入邏輯、誰在什麼順序看到什麼、這個東西什麼時候觸發，全部講一遍。他說這樣一來，他省掉的是一場啟動會議、一場對齊會議、一週寫需求文件、加上實驗時間。
第三是即時回饋迴圈，這點比較是 Whatnot 特有的。 他做直播型產品十年了，一直很享受看使用者第一次摸新功能的過程。現在的變化是：當使用者一邊操作一邊說「我遇到問題了」，你可以同步查 code base，當場判斷這到底是正在發生的 bug，還是理解落差。客戶端、程式碼端、觀察端三個視角同時在你眼前對齊。
他還講了一個我很喜歡的畫面。他到職第二週，看一個賣家抱怨拍賣拖太久，希望倒數七秒能改成三秒好多賣一點貨。辦公室裡兩個工程師對看一眼，說「這是個矛盾點，我們可以做啊」，當場改完，跳進那個直播的聊天室說「刷新一下 App」。然後就這樣生效了。
「那一刻我覺得，好，我來對地方了。」
當然他也補了一句：這不代表我會去碰正式環境的程式碼，那是災難級的爛主意。
拉手風琴
節目裡有個我認為最實用的心智模型，叫 play the accordion（拉手風琴）。
Tom 說產品開發有兩種失敗模式。一種是一直往前迭代、把義大利麵往牆上丟，看起來很快但不知道往哪個方向走。另一種是坐下來寫兩三年的策略願景文件，結果放棄了這個產業相對其他產業最大的優勢：學習。A/B 測試的意義就是你可以邊做邊更新自己對問題的理解。
手風琴的比喻是這樣：你得先把它整個拉開、把空氣吸進來，才能出聲。拉開就是想清楚我們到底要達成什麼。但你不按鍵、不把它整個壓回去，就沒有音樂，壓回去就是出 V1。然後下一段又要重新拉開：根據剛剛學到的東西，我們現在該做什麼？再壓回去做下一版。
「拉開本身不創造價值，價值全在壓回去那一下。但你如果不持續重複這個動作，你彈的大概不是對的曲子。」
他舉了 Whatnot 的實例，非常具體。多數電商的核心是商品列表，你把 Amazon 的列表拿掉就什麼都不剩。但直播電商本來不太需要列表：我要賣你一副 AirPods，我把它舉到鏡頭前，說這是 AirPods、一塊錢起標，你要的資訊就都有了。而且對賣家超划算，做一則列表要三分半鐘，舉起來講只要零分鐘。
拉開一層看：新買家會帶著「搜尋應該要能用」的期待進來。如果我要等你賣掉才知道你賣過什麼，我就不可能在有人搜 AirPods 的時候把他導到你的直播間。
那好，那就規定所有人都要做列表。再拉開一層：每個賣家每則商品多花三分鐘，一小時能賣的東西數量就掉一大截，這對賣家是壞事。
於是又得重來。這就是「一直拉開看長期影響和連鎖效應」的實際樣貌。
那個讓他最痛的失誤
Lenny 有個固定單元叫失敗角。Tom 說他生涯裡失敗次數大概多過成功，他們內部文件開頭就寫著「打擊率五成是目標」，意思是你對的次數跟錯的次數差不多就好。
但他說失誤有一條共通的線：平均值對個體沒有任何意義。
在任何有規模的用戶群裡，看平均使用率是很誘人的。你發現某個功能只有百分之三的人在用，很自然就想砍掉它。但如果你不再往下看一層，你不會知道那百分之三裡面有一群人，這個功能佔他們使用行為的百分之百，這就是他們的核心用途。為了省維護成本把它下架，等於直接炸掉那群人的使用場景。
在電商裡更嚴重，因為那是別人的生意。他的比喻是：這就像一個購物中心在聖誕節檔期前夕，沒想太多就把電斷了。
Lenny 接了 Bezos 那句話：當你手上同時有資料和一則軼事，相信軼事。
我的幾個判斷
聽完之後我有幾個想法。
第一，Tom 講的東西其實不限於 PM。他真正在攻擊的是「用編制去解決問題」這個習慣。人不夠？加人。事情沒人管？加一層。跑不動？再加一層對齊。這在資金便宜的年代是合理的，因為擴張速度比效率重要。現在反過來了。
第二，「主管回去做事」這件事在台灣可能更難推。我們的職場文化裡，職位往上走就等於「不用再做那些」是一種默契，甚至是一種身分認同。要一個當了六年總監的人回去自己拉資料、自己讀 code、自己寫規格，心理阻力比技術阻力大得多。但 Tom 的招募邏輯很聰明，他不是去說服所有人，他是專門去找那些「我以前超愛做產品，現在受夠了整天開對齊會」的人。這種人比想像中多。
第三，AI 在這整件事裡的角色比大家講的更平淡也更真實。它不是讓 PM 消失，是讓「一個人能覆蓋的範圍」變大，所以你可以用更少、更資深的人。這跟Mercor CPO 談 PM 角色從技能導向轉為判斷力導向講的是同一件事的兩面。工具把執行成本壓下去之後，值錢的東西只剩判斷力，而判斷力沒辦法外包。
第四，也是最需要留意的一點：Tom 自己在節目最後說得很清楚，「假設我講的東西至少有一半是錯的，基於我做過的東西大概也有一半是錯的」。Whatnot 是一家高成長、創辦人主導、文化極度務實的公司，這套打法配他們的體質。你如果在一家兩萬人的組織裡照抄「不要 PM」，大概率會出事。
真正可以直接抄走的，是那幾個小動作：實驗跑之前先問綠了怎麼辦紅了怎麼辦、看數字的時候多往下鑽一層別信平均值、每個決定往外推一輪想連鎖效應、以及不要用「這很複雜」當作不做決定的藉口。他在 Twitter 待的兩年換過九個產品主管，最後留給他的結論是：多數時候你聽到「這很複雜」，其實只是領導層太弱。當年所有人都知道一百四十字上限遲早要拿掉，開了一輪又一輪的工作小組，沒人願意拍板。他離職一年半之後才有人做，做了之後也沒人死，這個地方的靈魂也沒有崩塌。
這句話大概可以貼在很多會議室的牆上。
如果這類產品和組織的第一線觀察對你有用，我在 wilsonhuang.xyz 上會持續寫，訂閱一下就不會漏掉。
Sources:
推薦閱讀
喜歡這篇文章嗎？
訂閱電子報，每週收到精選技術文章與產業洞察，直送你的信箱。
💌 隨時可以取消訂閱，不會收到垃圾郵件