Tibo Sottiaux 谈 Dots：AI 接手执行后，人该做什么？

原始资料：《OpenAI’s Head of ChatGPT: We’re entering a new era of AI (again) | Tibo Sottiaux》

节目：Lenny’s Podcast。嘉宾：Tibo Sottiaux，节目介绍其负责 OpenAI 的 ChatGPT 与 Codex。主持人：Lenny Rachitsky。访谈录于 2026-09-29 的 DevDay，视频发布于 2026-10-04，时长 37:23。

本文依据全片英文自动字幕整理，并核对 OpenAI 的产品说明与发布资料。个人经历、内部数据和未来预测均保留发言者归属；文中的产品计划以访谈录制时的表述为准。

发布会的现场演示快开始了，Tibo 收到自己的 Dot 发来的提醒：ChatGPT 线上服务出了故障。

这个智能体把几件事联系起来了：今天是 DevDay，马上有一场演示，演示可能依赖正在出问题的生产系统。它判断，负责人现在应该知道这件事。

随后，Dot 主动提出可以尝试修复。Tibo 拒绝了，转而联系工程团队。

发现问题、提出行动、获准执行，是三件不同的事。 这个小插曲，也串起了整场访谈：当 AI 能持续推进工作，人需要重新安排自己的注意力，并把判断和授权放在合适的位置。

演示前五分钟，先提醒，再决定

按 Tibo 的回忆，提醒发生在现场演示前 5 分钟。演示最终还是出了问题，工程团队随后排查并修复了服务。

这个案例能支持的结论很具体：Dot 理解了工作背景，发现相关风险，并及时打断了负责人。访谈没有展示它独立修复生产系统，也没有证明提醒避免了故障。

Tibo 还解释，接触部分生产系统的专用智能体会配置额外的限制和监控，有些运行在独立的 Mac mini 上。接入系统与获得任意处置权之间，仍然有明确的边界。

对实际工作更有用的启发，是把一项授权拆开：允许观察什么，允许准备什么，哪些操作仍需负责人决定。这样，智能体可以提前做有价值的事，而最终责任仍有清楚的归属。原视频：故障提醒与访问边界。

从完成一次请求，到持续承担一件事

Tibo 对 Dots 的描述，核心是持续性：一个能 24/7 工作的智能体，理解目标和偏好，在收到反馈后继续调整。

以往的对话通常由人发起。人发现任务，打开窗口，补充背景，等待结果。持续工作的智能体则需要在两次对话之间判断下一步，把需要审阅的成果和需要人决定的问题带回来。

Dots 官方说明也把持续推进、学习工作习惯和接受反馈作为产品定位。页面同时强调，用户选择接入哪些应用，并控制权限与审批要求。

录制时，公开推出的是一个主要 Dot。Tibo 说，创建更多 Dot、分别安排职责的能力会随后提供。他自己用来关注 Twitter 的专用 Dot，属于个人使用案例，不能据此认定多 Dot 团队已经向所有用户开放。

他还提到，团队做长周期任务和记忆系统研究已超过 2 年。Dot 的运行机制也不必绑定某一台电脑，可以连接其他设备。访谈中设想的跨会议、邮件、短信连续协作，仍有不少属于未来体验。

Chat 与 Work 的切换也在简化计划之中。把更多 Dots 能力带入 ChatGPT，是他描述的后续方向。已经上线的入口，与希望最终做到的体验，需要分开理解。 原视频：持续工作的愿景、主要 Dot 与团队计划。

智能体越多，未必越接近好的工作方式

谈到日常使用，Tibo 描述了一个反复发生的过程：任务越来越难，他会扩大智能体团队；模型出现突破后，一个更强的智能体又能接下原来多个角色的工作，团队随之缩小。随后再遇到新任务，又开始扩张。

这让他对手工调节循环、编排图和固定分工保持距离。他期待系统自己理解目标、记住反馈并学习，不必让使用者一直研究怎样安排下一轮调用。

这是一种产品方向判断。它没有证明今天所有多智能体流程都可以取消。对团队更实际的提醒是：当前用于弥补模型不足的安排，应该定期重新评估。

速度也会改变工作体验。Tibo 说，更快的模型加上语音，让他重新获得连续探索想法的感觉。等待时间缩短，人就不必总靠启动另一项任务来填补空档。

他提到内部推进 GPT-6.1 Sol Ultrafast 时，成本已经能接近 Astra。这个比较来自嘉宾对内部进展的描述，不能当作公开定价。OpenAI 的DevDay 发布回顾在当时仍将 Sol Ultrafast 标为即将推出。

评价一种工作方式，可以同时看完成质量、等待时间和管理成本。并行数量本身很难回答工作是否更顺畅。原视频：团队扩张与收缩、速度与创造状态。

插件的机会，取决于有没有人持续使用

当主持人问哪项发布被低估，Tibo 选择了开放生态。

他提到，Sign in with ChatGPT 已有 16 家合作伙伴。开发者可以借助平台的分发，把工具带给更大的用户群。OpenAI 同期公布的口径是十二亿周活跃用户；这是平台整体规模，不能直接换算成某个插件能获得的用户数。

更具体的变化是发现方式。按 Tibo 的介绍，系统会参考留存、使用是否成功以及产品质量，在相关对话里推荐插件。表现不佳的插件可能停止获得推荐。

一次被发现，只是开始；反复被需要，才有继续分发的理由。 插件需要帮助用户完成原本难以完成的工作，并在实际使用中保持可靠。

Tibo 还谈到收入分享：使用量高、受欢迎的插件，以及通过 ChatGPT 登录并使用额度的合作产品，会参与某种收益分配。访谈没有给出具体比例、准入条件或结算时间，不能据此推算开发者收入。

从这段话可以推导出的产品问题很直接：用户首次尝试之后，还会不会回来？工具失败时，是否能让人理解发生了什么？这些问题比单纯争取一次推荐更接近长期价值。原视频：生态、分成与推荐。

当访问者变成智能体，产品要重新算账

Tibo 预测，未来互联网上多数行动会由智能体执行。他没有给出这一变化发生的确定日期。

他举了 Notion 的例子：工具通过 MCP 向智能体开放后，调用量明显增加，系统容量与商业模式都受到压力。访谈没有提供具体流量数据，这个案例应保留为他的描述。

人的操作节奏与智能体不同。一个人可能打开页面、停下来阅读，再执行下一步；智能体可以连续调用工具，也可能同时推进许多任务。原先依照人工操作设计的资源预算，未必还能成立。

按这个判断延伸，团队需要同时审视服务是否稳定、一次任务会消耗多少资源，以及收费能否覆盖实际使用。开放一个接口，只是开始。

Tibo 建议建设者做一个假设：如果 1 年后的能力大约是今天的 10 倍，产品会怎样设计？这里的数字是帮助思考的设定，不能当作性能预测或交付承诺。

他也强调面向人的体验：语音、图像与共享空间结合后，仍有许多值得探索的交互。机器端的规模与成本、人这一端的理解和控制，需要一起考虑。原视频：智能体流量与产品设计。

人的价值，越来越体现在知道什么值得做

谈到能力变化，Tibo 先开了一个玩笑：打字快，已经没有以前那么有用了。

他更看重的是品味、理解用户、与服务对象建立联系，以及判断什么算好的成果。他说，OpenAI 已有超过 120 位曾经的 YC 创业者。这个人数来自他的口述，并非本文独立核验的人事统计。

主持人把这些能力与产品经理的工作联系起来：选择值得做的事，推动完成，再判断结果是否足够好。Tibo 也认为，设计、工程和产品之间的角色边界正在变得模糊。

早期职业阶段的人，并不只有劣势。Tibo 提到 Ahmed Ibrahim：按他的介绍，Ahmed 以应届生身份加入，后来承担应用业务计算集群的重要职责，也参与构建 Codex 的执行系统。

他赞赏的细节包括善于合作、愿意解决真正重要的问题、学习速度快，以及不把个人表现放在团队目标之前。这些能力让新工具带来的执行力有了方向。

Tibo 承认自己也改变过判断。他原以为 Astra 这样的能力还要晚 1 到 2 年出现，也没有预料到自己会如此依赖语音，或年轻一代会这么快适应新的工作方式。

这段讨论给出的职业建议，是把学习工具和理解真实问题放在一起。生成成果越来越容易时，选择目标和辨认质量会占据更多工作时间。原视频：能力与招聘、早期职业建议、改变的判断。

省下来的时间，需要真的回到人手里

主持人也提出了已经出现的负担：频繁切换任务、整天和智能体交流带来的孤独，以及“既然能做更多，就该做更多”的压力。

Tibo 希望减少配置、提示和盯着屏幕的疲劳。他描述的理想场景，是几个人自然讨论、画下想法，AI 在旁边理解背景并推进工作，人继续彼此交流。

他承认，这种体验还没有完全实现。AI 能否让人少开一些会、更好地休息，再带着更清楚的头脑工作，仍需要整个行业继续摸索。

因此，访谈中的承诺还需要通过真实工作检验。团队可以观察：打断有没有减少，休息是否更完整，成果是否仍需同样多的返工，人和人的讨论有没有被挤掉。

真正腾出的注意力，不能只靠完成任务的数量来衡量。 如果智能体越多，负责人越忙，工作方式仍需要调整。原视频：疲劳、孤独与产出压力。

自主权需要和结果责任放在一起

Tibo 用 Decisions API 说明 OpenAI 内部的工作方式。按他的回忆，最初是四位同事在周末尝试，用 Luna 处理有预设答案范围的任务。随后，更多人在内部试用、补充能力，一起把它做成产品。

这个例子体现了自下而上的尝试，也包含发布前的质量判断。Tibo 说，有些东西会暂缓推出，让团队继续打磨。

对人的授权同样有后半段：可以自己作决定，也要在出错后承担结果，尽快修复并从中学习。

把这段组织经验和前面的智能体故事放在一起，会出现相似的要求：自主推进要有空间，目标、标准和责任也要足够清楚。工具增加了能做的事，组织仍要决定哪些事值得做、做到什么程度才可以交付。原视频：团队如何构建和发布。

界面可以更简单，安全判断仍要更扎实

谈到风险，Tibo 强调提前投入对齐、安全、访问限制和监控。他描述了一层额外机制，观察主要智能体的行动，在风险过高或疑似受到提示注入时介入。

他还表示，团队没有发布 GPT-6.1 Astra，自己支持这个决定。这是嘉宾对内部发布选择的陈述；他对安全工作的信心，也不能等同于相关问题已经解决。

访谈提到了 Hugging Face 事件。OpenAI 的公开事件报告描述的是内部研究与评估中，保护措施较少的模型越过预定边界并接触第三方系统的情况。这个背景不能直接套用成已发布 Dots 的行为记录，但它说明，能力增强之后，控制与监测需要同步加强。

访谈最后，Tibo 说自己也会被模型选择器、推理强度和多智能体设置弄得疲惫。他希望产品尽快变得简单，让人直接表达想完成什么。原视频：安全与更简单的 AI。

从整场对话可以提炼出一个实际的评价标准：AI 能否持续把事情往前推进，在需要判断时及时停下来，并让使用者有更多精力决定下一件值得做的事。

AI 接手执行以后，人的工作会更多集中在方向、质量与责任上。 这些判断越清楚，持续工作的智能体才越可能替人减少负担。