Cursor – IndieNests

前不久，多邻国 CEO 更是发布全员信提出了“AI-first 策略”：“Duolingo is going to be AI-first”。

多邻国的 AI-first 到底是什么？在本篇对多邻国联合创始人及 CTO Severin Hacker 的深度访谈中，他详细分享了多邻国是如何从 Day 1 就开始实践 AI 、以及 LLM 浪潮中多邻国是如何用 AI 的：

• AI-fisrt 并不是多邻国在 LLM 浪潮下的转型，相反，AI-first 是团队 Day 1 就确立的技术和价值导向；

• 产品、软件工程师和设计这三个角色会因为 AI 的出现越来越融合，最新推出的国际象棋课程就是由两位没有 coding 经验的团队成员在 AI 工具的帮助下推动项目在 9 个月内上线；

• Duolingo 内部很鼓励员工使用各种 AI 产品来提升效率，Severin 还专门提到了 Cursor、Decagon 这两款产品；

• 出于产品效率和用户体验，Duolingo 最终选择围绕“学习”场景构建出一个 Super App，而不是 App 矩阵；

• 团队复盘经验教训时认为提前 2 年就开始考虑盈利，在综合了各种经验教训后在内部推行了 Green Machine 策略，通过大量 A/B test 来找到高效的盈利方式并加倍投入。

AI 技术的深度应用

Duolingo 从创立之初就秉持着通过技术推动教育普及化的理念，其核心愿景是让全球每个人都能获得优质的教育资源。公司早在 2016 年就引入机器学习技术，通过自适应分级测试、重复间隔算法和 Birdbrain 模型来实现个性化学习，提高学习效率。作为 OpenAI 在 LLM 上的首批合作伙伴之一，Duolingo 深知 LLM 技术对于实现其愿景的巨大潜力，因此积极全面地跟进 AI 技术的最新进展。AI 在 Duolingo 的内容创作中起着关键作用，极大地提升了课程开发的效率，从 12 年开发 100 门课程到一年新增 148 门课程，实现了 12 倍以上的效率提升。虽然课程的整体框架由真人专家主导设计，但 AI 能够生成大量符合特定要求的短句练习。此外，AI 还让一些过去无法实现的产品功能成为可能，如 Video Call with Lily 功能，满足了用户提升口语能力的需求。Duolingo 鼓励内部员工使用 AI 工具来提升效率，如工程师使用 Cursor 等 AI 辅助编程工具，AI 在客户支持上也起到了很大作用。

商业化历程与早期教训

Duolingo 源于卡内基梅隆大学的研究项目，跳过了种子轮和天使轮融资，A 轮融资于 2011 年完成，融资金额为 300 万美元，投后估值 1500 万美元。当时，公司拒绝了投资人要求搬到硅谷的建议，最终选择留在匹兹堡。在早期，Duolingo 在实现盈利和招聘高级管理人才方面行动过缓。公司很长一段时间没有认真思考和执行盈利策略，直到后来才通过 Green Machine 策略，即大量的 A/B 测试来快速迭代，找到有效的盈利方式。在招聘方面，公司意识到需要经验丰富的专业人士来引领方向和搭建体系。Duolingo 成立后的头五年是最大的挑战，团队一直在寻找可持续的商业模式。在后期融资中，公司注意避免估值过高的问题，保持理性，避免 Down Round，引入合适的投资者，并保持对增长节奏的控制。

产品与团队文化

Duolingo 的成功离不开对产品细节的极致追求，CEO Luis 以对细节的极致追求而闻名，这些细节对用户留存率和推荐意愿等关键指标有着显著影响。但初创企业需要在打磨细节和快速推出产品之间找到平衡。Duolingo 曾尝试为数学课程开发独立 App，但最终发现这种做法效率低下，对用户体验也不友好，于是转而采用 Super App 的思路，将新内容整合到主 App 中。Duolingo 成功的核心竞争力在于坚持进行了数以千计的 A/B 实验，通过大量实验积累起来的微小但持续的改进，最终汇聚成快速增长的核心动力。这种 A/B test 驱动的文化也体现在市场营销等其他方面。在追求短期实验效果与保持长期创新活力之间，Duolingo 努力维持一个 Portfolio of Changes，既包含渐进式改进，也包含重大变革。公司的媒体宣传策略受到不同代际员工特点的影响，Z 世代员工对社交媒体的流行趋势和互动方式有着敏锐的洞察。在团队文化方面，创始人之间的默契和合作基础至关重要，共同的工作经历有助于了解彼此的工作风格和思维方式。Duolingo 的 CEO Luis 至今仍高度参与产品开发工作，而 Severin 的角色从技术开发到团队管理和战略规划不断变化。在公司管理和个人工作方法上，Severin 奉行 Reduce，Automate，Delegate 原则，优化工作内容，将工作重心聚焦在应对 AI 技术的影响和公司的并购与外部投资上。

更多阅读：