Elizabeth Stone

資料來源#

Why Netflix is betting on systems thinkers—not specialists—in the AI era | Elizabeth Stone (CPTO)

Netflix 產品與技術長——負責統合產品、技術與設計的組織。她認為這種組織結構正是職務流動得以奏效的原因（「只要業務問題清楚，職務之間有些流動是健康的」）。她受過經濟學訓練；職涯經歷包括：在 The Analysis Group 擔任經濟學家、在 Merrill Lynch 擔任交易員、在 Nuna 擔任營運長、在 Lyft 擔任科學副總裁，之後出任 Netflix CTO，並升任 CPTO。她兩度作客 Lenny's Podcast——第一次約在 2023 年，以 CTO 身分受訪，該集長期是節目收聽數第二高的集數。

立場（2026 年 7 月訪談）#

招聘：Systems Thinking Over Specialization——多聘具系統思維的人才，少聘只具狹窄專長的人；將 AI 熟悉度納入各級職涯階梯；初階人才招聘仍是人才策略的核心。
文化：Excellence as an Operating System——人才密度是不可妥協的要件，抗拒流程主義，並雙向採用留任考驗。
設有防護措施的職務流動：支持實驗（「先經歷風暴期，再進入成形期」），但不認為每個人都應該把成果部署到正式環境；精湛工藝——優秀的工程、資料科學與創意能力——仍然稀缺（Engineer PM Convergence）。
責任歸屬：即使是代理程式撰寫程式碼，將程式碼交付的人仍須負責。

她所掌握的 Netflix AI 脈絡#

深厚的 ML 歷史：Netflix Prize（百萬美元排名演算法競賽）證明 AI/ML 早在 GenAI 浪潮前就已存在；隨著片庫擴大（電影／電視、遊戲、直播、Podcast、短影音動態），個人化仍是持續的核心問題。
投入正式環境的 GenAI：用於創意發想的前期視覺化；收購 Inner Positive（Ben Affleck 的公司），運用後製模型，在導演指示下重新打光、取景、拍攝及修改對白；大規模製作在地化內容（字幕／配音）、宣傳素材與預告片。她將 Netflix 定位為全方位的創作者支援平台，服務對象從不使用 AI 的電影人，到以 GenAI 為核心的新型態內容創作者。
除了寫程式之外，她最常使用的 AI 應用，是將組織記憶提煉濃縮：查詢數十年來的實驗、消費者研究與指標，而不必打斷同事；不過，她也提醒，輸出結果仍須根據權威資料來源加以驗證。
她相信娛樂始終以人為核心：AI 會大幅協助製作，但缺少人性骨幹的故事「感染力較弱」。

資料來源#

Why Netflix is betting on systems thinkers—not specialists—in the AI era | Elizabeth Stone (CPTO) — Lenny's Podcast，2026-07-19，practitioner-opinion

Elizabeth Stone

資料來源#

立場（2026 年 7 月訪談）#

她所掌握的 Netflix AI 脈絡#

相關連結#

資料來源#