这期内容整理自和 @进击波财经 沈帅波 的播客对谈，涉及产品选择、组织变革、品牌未来与增长方式。以下是我们聊到的核心观点，由AI共同整理。分享出来，供交流。
01
老瓶装新酒，是 AI 时代最差的选择
思考AI时代的产品选择，可以用一个四象限来看：老瓶装老酒（原有产品不变）、老瓶装新酒（原有产品加AI功能）、新瓶装老酒（用AI原生方式做熟悉的市场）、新瓶装新酒（用AI开拓全新市场）。
最差的不是老瓶装老酒，而是老瓶装新酒。把原来的产品加上一堆AI，毛利率降低了，客户看到产品跟原来差不多、付费意愿没有提高，产品本身难度又增加了，吃力不讨好。「在这支笔上加点AI，还是做笔，只是个AI笔」——这是企业最容易做的决定，也是最错的一个。
老瓶装老酒反而没那么差。客户愿意继续付钱，相当于你的收获期，没有增加投入，直到客户再也不选这个产品为止。
相关阅读：老登软件公司的AI路怎么走？
02
上下文是你的壁垒——
在 AI 时代，没有上下文就相当于裸跑
每个人都能用同样的模型，但上下文是你的。给模型公开信息，它给你通用答案；给它你企业独有的上下文，它给你只有你能得到的答案。上下文像土壤，模型像种子，不一样的土壤，长出来的东西不一样。未来很多工作更像 farming——不是创造内容，而是打理上下文。这些上下文本来就存在你的系统里，关键是能不能把它整理成AI可以读取和调用的形式。上下文决定了模型能不能帮你解决问题，是 prompt engineering 里最重要的一环。相关阅读：两个世界模型
03
AI 不是帮研发提高效率的工具，
而是帮那些需要研发资源的人补足能力
以前做一个网页，设计师的眼睛是像素级的，前端工程师是毛估的。现在设计师自己就可以把这些都实现了。原来我们花很多时间把东西从 0 做到 60 分，现在应该让 AI 做前面的，让人从 60 分开始接力，做更有判断力的那部分。
这大大赋能了有创造力的人——设计师对结果的真实控制比原来容易得多，不再受制于能不能拿到研发资源。
04
大数据时代核心竞争力是数据，
大模型时代核心竞争力是好例子
大数据需要足够多的数据，所以只有大平台拥有这类能力。但大模型的最大数据源是模型本身——它已经理解了阿里的平台、抖音的平台。你不再需要海量数据，而是需要一些好例子或好数据，把大模型里的洞察激发出来。
这样的产品逻辑也会更为你而设：你把观点告诉它，它把数据处理好，再把那个好的东西给你。这是两种本质不同的产品逻辑。
相关阅读：「证明」还是「想象」？
05
AI 原生组织不是人的工作流里嵌上 AI，
而是 AI 的工作流里嵌上人的 Judgement
电气革命时，工厂先把蒸汽机换成电动机——这件事发生得很快，在1900年前后；但以电动机的方式重新设计工厂，是1930年前后的事，那时才有了新的管理学理论，才有了泰勒主义。技术的改变和组织的改变，从来不是同步的。
从 Copilot 到 AI 原生，中间隔着一次组织生产关系的重构。一个具体形态是 Pod 制度：几个人组成一个 Pod 完成业务目标，而不是各守一个职能边界，弱化职责，强化结果。这叫高内聚低耦合——这几个人每天在一起干活，但前端工程师可以做产品，产品经理可以写前端。
从更大的视角看，这是反工业化的。工业化把人的能力切割细分，AI反而让人的能力趋于完整——更像回到文艺复兴时代的全人。
相关阅读：未被定义的「AI Native」
06
一个 AI 公司真正的结构是：
10% 是研发，90% 是和人打交道的工作
有一个认知差值得注意：局外人看到一家公司90%是研发，会觉得这家公司很硬、很技术；但这恰恰说明 go to market 做得太慢了。研发可以一个人干十个人的活，但另外90%的人需要把研发的东西跟人讲好。
人和人的沟通，没有办法通过AI提效，而且人还挺排斥AI介入这个过程。如果你的用户还是人，建议放下「90%是研发」的执念，增加做增长和客户沟通的人。
07
品牌只会比以前更重要，不是相反
AI可以加速通过时间产生价值的事情，但有些事情时间是无法加速的，比如人的物理认知时间。你无法让一个人在一年内建立起原本需要十年才能形成的品牌信任。所以品牌不会因为AI而变得不重要，只会更重要。
产品越来越容易复制，大家对某一个产品的信任感，来自于产品背后的历史、文化、口碑或者某些「活人感」。这也是为什么即使是AI公司，创始人也要出来直播——产品同质化，你无法通过拿出产品就让别人体会到不一样，所以大家想知道产品背后的理念，或者这个人可不可爱。
就像 Anthropic，营销方式不是数字化投放，而是线下 pop-up，送一顶写着「thinking hat」的帽子。还有一家做法律 agent 的AI公司，发现上网搜「law agent」老是搜到英国演员裘德·洛，索性就请裘德·洛代言，做成公司的脸——物极必反，反而回到了品牌建设的黄金状态。
08
AI 是个概率模型，它只能让大家趋同，不能求异,
差异还是来自于人的干预
十年前，头部电商平台生态里有200万设计师，背景都很好，其中不乏顶尖人才，但大量时间花在电商头图上。这些工作真的需要这么好的设计师来做吗？我当时做AI，就是为了把他们从这种优化目标明确、创造空间有限的工作里解放出来。
现在也是一样。AI作图能力更强了，但这只是说明，很多原来被以为是创意的行为，其实没有那么多创造力。AI是概率模型，只能让大家趋同，不能求异。真正有差异的那个角度，是设计师或产品经理提出来的——否则让AI全做，结果都是收敛型的。
09
接下来涌现出来的，不是 AI 用得最好的人，
反而是对 AI 最有态度的人
不是大的广告公司，而是那些「不当总统就当广告人」的这些人——对他们来说是一个很好的机会。这些人也必须理解 AI，但不代表他们是 AI 专家。没有比品牌更重要的了，没有比用户心智更重要的了，没有比 go to market 更重要的了——而这三件事都需要 AI 预测不了的那些东西。
相关阅读：AI 的瓶颈不是算力，而是……
10
现在有一种新的用户，叫大语言模型
所有大语言模型现在都是免费的流量入口，你只需要给AI看的内容做好，别人问问题的时候就有可能把你带出来，不需要付媒介费用。
AI有一些阅读习惯，跟问答有关，最好是旁征博引——不像小红书用户，更像知乎。这不是SEO，是一套完全不同的内容逻辑。有些人会用激进的方式让AI优先推荐自己，但AI模型只会越来越聪明，抗干扰能力越来越强——这种方式都是短期的，还会伤害自己的品牌。
相关阅读：下一个Agent：从Chatbot到主动学习机器
11
Build in public，是 AI 时代的增长方式
OpenAI花2亿美金收购了一个播客。视频播客是非常好的形态，这可能正是AI公司收购媒体内容制作方的重要原因。
Build in public 的逻辑是：有了公众的反馈，你很快要不回去迭代，要不就砍掉，要不就 pivot 了——现在怕没洞察，不怕没研发。另一个维度是，你做出的东西很难让所有人知道，大家都在做东西。Build in public 意味着做产品的过程本身就是做品牌的过程，连营销都来不及做的时候，直播、播客就已经把产品讲出来了。
12
职能型的工作越来越少，判断性的工作越来越大
以前买锤子是为了钉钉子，今天的AI是那个人加上锤子和钉子的完整 package——不只是交付 output，而是可以直接告诉你数据分析的结果，甚至直接告诉你下一步应该干什么。
职能型的工作因此越来越少。留给人的，是做决策这件事——有结果的决策要有成本、要承担风险，这是需要你自己来的。
13
AI 时代，大家道理知道的更多。
但勇敢，永远是稀缺的
道理和判断现在唾手可得，但做决定是另一回事。一个技术变革给创业者的席位反而更少了——如果赶不上这班船，你任何的努力只是给自己嗨，甚至是给社会带来不良影响的。
粤ICP备14082021号
免费POC，
零成本试错
