PayPal在Config的反直觉答案：AI转型最难的不是模型，而是人

在Figma Config 2024的舞台上，PayPal给了一个让很多AI从业者意外的答案：真正拖慢AI落地的，不是技术，而是组织、语言和人。首席设计官Rachel Kobets与消费产品负责人Garrett Hope，拆解了一家超级大厂如何用设计、叙事和“jobs to be done”，把AI变成可交付的产品能力。

AI时代，大公司最先重构的不是技术栈

这场对话一开始就释放了一个强烈信号：PayPal的转型，并不是从“选什么模型、上什么工具”开始的。Rachel Kobets作为两度担任PayPal首席设计官的人，直言他们优先做的是“人和能力”的重构。一边引入新人才，把AI、设计、产品的新能力直接嵌进组织；另一边，对现有员工进行系统性的upskilling，而不是简单换血。

这对很多AI从业者是一个反直觉的提醒——当你觉得AI推进慢，问题往往不在工程速度，而在组织是否真的具备理解、使用、讨论AI的共同语言。PayPal显然意识到：如果人的认知没升级，AI只会变成昂贵的装饰品。

设计与产品结盟，是AI落地的隐形加速器

Garrett Hope和Rachel在台上多次强调他们的关系：不是“配合”，而是“伙伴”。设计和产品并行推进，而不是你画完我来接。这种紧密协作，在AI项目中尤为关键。

原因很现实：AI产品的不确定性太高，单靠任何一个职能都扛不住。工程关心可行性，产品关心价值，设计关心理解与体验。PayPal选择用“jobs to be done”作为共同框架，把工程师、设计师、金融分析师、市场团队拉到同一张桌子上，围绕“用户真正要完成的事”对齐，而不是围绕功能列表争论。

这让AI不再是一个炫技模块，而是服务于明确任务的能力。

写作文化：被严重低估的AI基础设施

对很多观众来说，最意外的点之一，是PayPal反复提到“写作文化”。Rachel明确说，他们正在刻意打造一种以叙事和书面表达为核心的文化。

这并不浪漫，而是极其现实。在AI相关决策中，如果你说不清楚“我们为什么要做”“用户会怎么用”“失败意味着什么”，那模型再强也没用。写作迫使团队把模糊直觉压缩成可被质疑、被讨论的文字，也让跨团队协作不再依赖口头共识。

对AI团队来说，这是一个重要信号：会写清楚问题的人，正在成为比“只会调参数的人”更稀缺的角色。

真正谨慎的AI落地：不是慢，而是不乱

当话题转向“到底在shipping什么AI功能”时，PayPal的态度同样克制。他们并没有陷入工具泛滥的混乱，也没有让几十种系统并行生长。相反，他们持续追问三个问题：这是不是用户的job？它改善了什么体验？成功和失败如何被衡量？

最终目标只有一个——让客户体验成为竞争优势。这也是他们衡量AI是否值得继续投入的核心指标，而不是发布数量或技术炫耀。AI在这里不是主角，而是放大体验差异的杠杆。

总结

这场对话给AI从业者的最大启发是：技术红利正在快速消失，组织能力才是新的护城河。PayPal的做法提醒我们，真正可持续的AI转型，来自三件事——跨职能的真实结盟、以jobs to be done为核心的决策方式，以及逼迫团队把想法写清楚的文化。如果你正在推动AI项目，不妨反问自己：我们的团队，真的已经为“理解AI”做好准备了吗？

关键词： PayPal， Figma Config 2024， AI转型， Jobs to be Done， 设计与产品协作

事实核查备注： 需要核查：Rachel Kobets是否为PayPal首席设计官并曾两度任职；Garrett Hope的准确职位名称；Figma Config 2024举办时间；对话中关于写作文化和jobs to be done的原始表述语境