为什么自动化反而输？AI创业要“含人量”

推荐语

AI创业新思路：不是追求全自动化，而是巧妙结合人工与AI，打造难以复制的"含人量"商业模式。

核心内容：
1. "AI+人"服务模式的优势与实施策略
2. 聚焦过渡期红利而非终极形态的商业智慧
3. 数据清洗与垂直领域闭环的关键作用

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

AI产品经理更容易成为AI创业者，我们还是要从创业者角度去思考问题，昨天说了要克制，今天我们就来撩一撩聚焦。

一、AI创业者

在AI技术日新月异的当下，常识往往是过时的经验。大众在追逐模型能力和炫酷交互时，真正的机会往往隐藏在那些看似“不性感”甚至“倒退”的地方。

大家都觉得要自动化的时候，要注意要聚焦含人量而非纯自动化。

什么意思呢？大多数人认为AI创业就是要用代码替代人工，追求零边际成本，做纯SaaS（软件即服务）。

其实应该反过来想，要做“Service-as-Software”（服务即软件）。不仅不排斥人工，反而要在初期“聚焦人工介入”。

现在的AI（如LLM）虽然强大，但在处理复杂业务（如财务记账、法律合规）时，准确率只有90%甚至更低。客户不想要一个“虽然快但可能出错且需要自己检查”的AI工具，客户只想要确定的结果。

我们可以前端卖的是标准化服务，后端用AI疯狂提效，中间夹杂人工审核。利润来自于AI带来的超高人效。

对应的这种护城河是这种“AI+人”的运营SOP比纯代码更难被巨头复制。

第二个点是要聚焦中间态而非终局。

我们会觉得AGI快来了，现在的中间产品没有价值，要直接在这个假设下构建终极形态。

但是要注意一个点，就是时机不对努力白费。我们要承认自己是过渡品，并疯狂榨取“过渡期红利”。

很多创业者因为担心“这功能下个月OpenAI就自带了”而裹足不前。但商业世界里，领先6个月就是巨大的时间窗口。

短期内还是要聚焦解决当下的碎片化痛点，比如现在多模态模型处理超长复杂报表还很贵、很慢，你就做一个专门优化这个流程的工具。不要试图构建万年基业，而是构建一系列能快速产生现金流的“一次性打火机”产品，用现金流去赌下一个机会。

第三个点是要聚焦数据下水道，而非提示词工程。

过去比较火的是提示词，认为只要提示词写得好，AI就能解决一切。核心竞争力是Prompt Engineering。

走到最后就会发现，如果不解决“脏数据”的清洗和路由，Prompt一文不值。

企业里99%的数据是不可用的（非结构化、混乱、甚至纸质）。大模型本身是标准品，谁都能调。

所以还是要聚焦于模型之前的那一公里，如何把企业乱七八糟的财务凭证、聊天记录、会议录音，自动化清洗成模型能吃得进去的格式。谁掌握了“把垃圾变饲料”的能力，谁就掌握了AI在垂类的命门。

最后一个是要聚焦最小闭环，而非平台生态。

理想状态是做平台，做生态，连接一切，做大做强。

其实在早期应该是在一个极小的闭环里，比如只服务某种特定的小微电商卖家，把所有环节吃透。

现在通用大模型厂商（如OpenAI, Anthropic）正在吞噬所有“浅层通用”的场景。只有极度垂直、包含了特定行业Know-how的场景，才是巨头看不上或做不了的。

只有当你的产品不仅是工具，而是包含了这个行业的“最佳实践”和“生意经”时，你才安全。

二、结束语

常人眼中的AI创业是技术流、做平台、拼Prompt、追求无人化。反常识的AI创业是做重服务、做垂直流、拼数据清洗、追求“人机耦合”的现金流。

创业者不应是拿着AI锤子找钉子的人，而应该是那个承诺把钉子钉进去，手里恰好有把电动锤子的人。