AI大模型发展至今，已经有很多信息成为大家的共识。但在一些细节和前沿内容上，还有一些大家不理解的知识。这篇文章，我们看看作者分享的这些经验。

先把这次的“非共识认知点”全部列出来（其实不止10个……）

1、最大的坑，就是过于简单的认为“把XXX用LLM/CUI全部重新做一遍”。

2、没有know-how支撑的尝试是赌博，有“非共识认知”支撑的迭代才是MVP。

3、AI公司的妄念：招个很牛的AI产品经理来想idea。

4、跨语言，可能是大模型最Native、现阶段最容易被感知和落地、但又最容易被忽视的能力。

5、长文本，可能是又一个“看起来不起眼、但增加数量就跃迁、涌现”了的东西。

6、当自己本身都搞不定业务的时候（从 0 到 1），不要指望 AI。

7、技术维度+产品维度+商业维度，不是在做加法，而是在做“归一化”。

8、危险：AI导致的风险，可能不是潮水，而是飓风。

9、一旦我们学会“剥离人性弱点的弊端，仅使用其工具属性价值”，负面影响，是会让人，更加自私。

10、机会：如何解脱？要么向上成长为最牛的人，要么躺平过生活。

11、当ChatGPT被研发出来之前，我们问AI的空气动力学是什么？当ChatGPT被研发出来之后，我们需要问，AI的“制动器”是什么？

12、【重要】AI时代超级个体的10倍、100倍、1000倍成长路径，到底在哪里。

另外，还有一些认知点，是之前《深度 | 关于AIGC商业化的13个非共识认知（8000字长文）》中提过的，这次口述，大家体会将更深，比如——

1、AIGC的差异化核心指标，不是节省了多少时间/人力（效率属性），而是提高了多少“转化率”（利润属性）。

2、现阶段AI落地的低枝果实，可能反而是情感AI。

3、对于转化率的提升，虚拟人很可能会有“巨大”的增量空间。

4、关于Agent：目前主流的“单体智能”思路有隐患，可能的突破口是“多体智能”——类似复杂系统/鸟群，单个智能体可能很简单（不一定要超过单个人类），但整体有非凡的智慧（AI Agent 团队 >人类团队）。

5、“场景-用户-需求”之外，需要增加一个关键词，“关系”——定义了关系，就定义了约束条件和需求属性。

6、使用AI时，把AI当成人；设计AI时，把人当成AI。

7、未来AI企业，方向定位将不是按照To C/To B来划分，而是按照To 人/To AI 来划分。

……

注：本文是我去年参加某次直播访谈活动的文字版，下面是全文，开场过程略。

一、开场话题：比起AI 1.0，AI2.0带来了哪些机遇？

主持人刀姐：刚提到，你之前完整经历了AI 1.0时代，那现在AI 2.0阶段，带来了哪些机遇呢？你怎么看？

黄钊hanniman：我想先跳出来说一个关键词，“周期”。

认知这是“多少年一遇”的机会，其实会决定我们的心态和做事方式。咱们从小往大说——

1）从产品视角看来说，类比十年前的移动互联网，是十年一遇的机会。会有很多应用层产品创新的机会出来。

所以很多人想的是，如何把自己的业务/产品形态，尽快的和大模型/AIGC结合。所以会很卷、很急的去发布产品。

2）从行业视角看，至少是类比互联网的，25年一遇的机会。

这意味着什么呢？这意味着，对于很多40多岁的第一波互联网从业者，这可能是他们这辈子最后一个、大周期性的成功（暴富）机会。

最有名的那个理论，“人生发财靠康波”，人的一生，会有三次大机会。

这也是为什么很多人把大模型，当作这辈子的“最后一仗”。

3）从人类社会视角看，这是几百年一遇的机会。

比如傅盛最近说，人类历史上唯一可以与AI相比的是蒸汽机，把热能变成动能，今天的AI，是把电能变成智能。

包括马化腾说，AI是几百年不遇的的机遇。

采取这种认知的人或者公司，会有什么心态呢？不急！慢慢来！

4）当然，从赚快钱视角看，可能是1、2年一遇的机会，那就得赶紧去做。

5）所以，整体我想表达的是，AI 2.0有那些机遇，不同的人，看到的世界是不一样的。我们每个人，选择适合自己认知、性格和擅长模式的机遇方向就好了，千万不要错配。

1年一遇的机会，是赚钱；10年一遇，是产品；25年一遇，是创业；百年一遇，是事业。

主持人刀姐：ok，刚咱们说的是底层认知，那具体来说，对于AI产品方向、对于个人职场发展、对于未来的超级个体，分别有哪些具体的机会呢？

黄钊hanniman：好，这里面内容比较多，咱们一个一个说。

刀姐：好~

（方便起见，下面跳过对话形式，直接写干货——）

二、AI产品的机会

分短期和长期，里面再分别按照“什么可能不对、什么可能对（有机会）”来划分。

1. 短期，哪些常规认知，可能是不对的

1）最大的坑，就是过于简单的认为“把XXX用LLM/CUI全部重新做一遍”

这种观点，不是说完全不对。但问题在于，最危险的认知，就是一半对、一般不对，这种最容易带沟里去。

类比移动互联网时代，大家想当然的认为，要把所有PC上的内容，都搬到手机上。

不能这么简单的来看。

具体做什么，都是what层面的东西，不重要——重要的，是背后的how和why。

或者更具体的来说，很多时候，不是技术不够，而是缺乏深度的“行业know-how”。

比如说，设计一个直播数字人，如果没有行业理解，很可能是一个端庄、颜值高、说话语气舒缓、手部有一些简单动作的产品，事实上直播完全不是这样的！

• 你必须知道大家平均在直播间停留的时间有多长、在哪个时间段就应该说销售话术了。
• 必须知道什么时候全身出镜/什么时候半身出镜
• 必须知道哪个环节是容错率高的，哪个环节是容错率低的
• 总之，要跟这个行业相匹配的方式做对应的串联……

否则就会出来一个傻傻的、大陆货的数字人主播。

我社群里有一位产品经理，之前在某家数字人相关公司工作过，而且是近距离的接触过老板，她就跟我说，确实他们不是很懂这个领域，很头痛的问题，不是技术或产品怎么实现，而是如何去打造一个IP。

跟这相关的，还有2个问题，我特别想分享下——

a）没有know-how支撑的尝试是赌博，有“非共识认知”支撑的迭代才是MVP

什么意思呢？一定不要说，虽然我（企业方）知道这个业务方向定位，暂时是不对的（比如过于简单的说“现有业务+LLM”），但明年可能会冒出新的对的方向/认知。——这是赌博。

应该是，今天就能够说出自己的非共识认知。——有就是有，没有就是没有。这里有一根金线，明眼人是看得到的。——基于这个非共识认知，再去做产品定位预设，再去做MVP验证预设，这样的迭代，才有意义。

而且需要知道，今年的这个判断，未来可以变（类比几乎所有大公司，后来真正做大的业务，都不是最初的起点方向了），但今年一定得有，并且是基于“非共识认知”的！

即，认知能力深度是本，业务方向判断是末。前者一定得有，后者可以变化，但后者一定是需要基于前者而推演出来的。

b）AI公司的妄念：招个很牛的AI产品经理来想idea

老板或部门负责人自己的想法陷入瓶颈，往往会希望招一个AI产品经理来想idea（创新/探索新方向），希望他突然某天想出来个特别好的点子。这个思路本身，是有极大偏颇的。

i，如果有绝对信息和视野优势的老板/部门负责人都想不出来，其他条件相同前提下，指望一个具体做事的AI产品经理来想，本身就有点强人所难。

ii，也许有的老板会认为，只是希望这个AI产品经理脑子灵光、点子多，能提供一些有价值的参考信息给自己；即使是这个定位，结果一般也不会太好，这是因为——

由于AI领域的特殊性，如果老板自己没有深度的AI产品认知水准，即使AI产品经理能够提出一些有价值的idea，老板（和其他人）也根本不知道如何认知评估这个idea是否靠谱、为什么、关键点在什么地方。

最终结果很可能是，即使运气好，碰巧选对了方向和需求定位，公司也愿意投入一定资源去实施，仍然大概率的会因为搞不清楚事情的关键点、最核心的指标是啥，而错过机会（浅尝辄止的把项目砍掉，直到1、2年后再后悔没有持续投入）

最大的风险就是所有人都不懂行业/场景，且自己也不是典型用户。

iii，更好的方式是，老板/部门负责人，自己先判断筛选出几个大方向（或细分方向），然后，去找这个方向内，有“资深行业背景”的产品经理，或本身就是该方向“典型目标用户”，来帮忙过滤需求！

why？这是因为，老板/部门负责人们，表面上需要的是一个好的点子（idea），其实真正需要补齐的，是“垂直领域内的需求认知”。

即，“某个需求点是真实存在还是伪需求”这个坑别傻趟了——直接让有资深行业背景的人来告诉团队。

至于具体用AI可以怎么做（what），其实是相对容易的。因为只要需求把握不偏差太多、目标导向明确、评估指标定义清晰，总会有效果和积累的，无非多少/快慢的区别而已。

结论：需要招“资深行业背景”或“典型目标用户”来过滤伪需求，而不是“脑子灵光、点子多”。

刚说的是第一个点，最大的坑，就是过于简单的认为“把XXX用LLM/CUI全部重新做一遍”，然后说第二个——

2）AIGC的差异化核心指标，不是节省了多少时间/人力（效率属性），而是提高了多少“转化率”（利润属性）。

首先声明，所谓“差异化核心指标”，意思不是说，没有降本增效这个维度的价值，而是说，降本增效类的指标，不是事情成败的关键，不是一个新品类能够立住的核心指标。

关于这点，有个经典的例子：从功能手机到智能手机，大家都认为品类已经变了。

i，作为通信工具，功能手机的核心功能是拨打电话、发短信，核心指标是接通率或稳定性

ii，而智能手机（iPhone）也有电话、短信等通信功能，但是其真正决定成败的差异化价值，其实是娱乐/社交/购物等等其他功能，重点指标也变成“占有用户时长”等等，而并不是打电话的通话质量等通信指标了！

而且，对比开源节流来说，人类天然更愿意为开源付费，而不一定是节流，特别是在中国，特别是小B和大C。

AIGC领域的例子，就是我文章里提到的，PhotoRoom，具体是做什么的？服务于二手电商卖家，去掉图片背景、并增加各种细分电商应用场景所需的背景和效果。各种社交媒体、电商网站，都有不同的具有销售文案的图片，以及风格模版，用户使用后，平均提高了31%的转化率！

2. 短期，哪些非常规认知的产品方向，可能是更靠谱的

1）跨语言，可能是大模型最Native、现阶段最容易被感知和落地、但又最容易被忽视的能力

其实我在社群里，之前分享过很多这个角度的案例

先说一个2B方面的，情况是这样，那些出海公司每到一个国家地区，就需要了解当地各种法律法规条文，有巨大的时间成本。那有家AI公司，就专门提供“快速将当地法律法规情况翻译、整理成母语”的服务。从产品视角看， 非常清晰。

而且，2C方面，Spotify也推出AI语音翻译功能，“让你喜欢的播主用你的母语为你播报”——已经点出了本质：内容或IP价值是才是前提，不是任何一个小白都能把ROI跑正的。

另外，还有AirChat，一款所谓AI Native的社交产品。类似异步版的Clubhouse，用户创建私有或公开房间后，能用语音展开交流。

令人眼前一亮的是，基于LLM，用户发布语音之后，不仅可自动生成文本，并且还能根据用户选择的语言，模仿用户自己的音色，自动完成语音翻译。即，用户可以畅快地用母语和其他国家的人交流了！——这里面有很大的想想空间

另外还有：

• 自动翻译菜单APP
• 将（动漫）图片上的文字自动翻译工具
• 日本地铁站使用“即时翻译屏幕”
• 沉浸式网页阅读翻译工具
• 将YouTube视频翻译配音成多种语言、并支持下载的工具

……

有这么多案例，其实是很有意思的机会的。

2）现阶段AI落地的低枝果实，可能反而是情感AI

首先说，为什么情感AI重要？这里涉及很多个认知点：

a）“情感”是比NLP更底层的东西。不是我一个人这么认为，2017年我私下跟一位NLP技术牛人交流时，她就表达了这样的观点。

b）AI/机器人在（多模态）表达时，人“必然”会被动的有“情感体验”，这不是以人的意志为转移的。——举例子，我第一次现成看到大型机械臂。——所以，产品经理在设计的时候，如果只考虑理性、不考虑感性维度，一定会出问题的。比如恐怖谷效应。还比如最近那个“医院里保洁大妈跟机器人打架”的视频。

c）“情感”很可能是未来AI真正的突破方向之一，未来会有很多的“黄金机会”——效率最优，升级为情感最优。

……

为什么说，情感AI可能反而是现阶段的低枝果实？比如，大众情商平均水平是60分、人性需求是至少75分，而ChatGPT默认有70分的水准——这里就有60分—>70分之间的低枝果实可以摘取。

一个“医疗+ChatGPT”相关例子——

「……研究者们原本期望ChatGPT能承担医生大量例行工作，如撰写病例、医保理赔申诉，但实际上更多时候，医生们使用ChatGPT帮助他们，以更富同情心的方式与患者进行沟通（85%的患者表示医生的同情心比等待时间或费用更重要）。

很多医疗工作者并不擅长写出深入浅出的医学手册。例如针对酗酒者，让ChatGPT被要求以五年级的阅读水平重写时，它产生了令人信服又充满安慰性指导……」

而反过来说，在专业领域，ChatGPT类产品的准确度、稳定度，可能暂时只有70分、反而达不到95分的商用标准线（人类平均水准是92～98%，所以95%是可感知、可接受的那根线）。

跟情感AI相关的，还有一个认知点——

3）对于转化率的提升，虚拟人很可能会有“巨大”的增量空间。

why？因为虚拟人是文字、声音、图像（表情/动作）等多模态信息的集大成者，是最自然的情感沟通形式。

小冰CEO李笛提到过，几年前开始，他们和MSN以及Lawson做了大量实验，实验内容就是让AI Being和人交流，最终目的是把商品准确地推送给人，同时让人能够更愿意接受消费的商品。“最终测试表明AI推荐的商品购买率达到68%，与绝大多数人类员工推荐的购买率差不多”。

要知道，互联网/移动互联网时代，常规的推荐系统或AI 1.0时代的人机交互系统，即使把推荐算法、NLP做到极致，购买率据说也不超过20%——这里面有多么大的增量空间！这是很多做AI的人，之前没意识到的认知维度。

4）长文本

我昨天突然感觉到，长文本，可能是又一个“看起来不起眼、但增加数量就跃迁、涌现”了的东西……类似之前的堆参数。具体以后在社群里分享。

（时间关系，长期的方向，就简单分享几个结论——）

3. 长期，哪些常规认知，可能是不对的

关于Agent：目前主流的“单体智能”思路有隐患，可能的突破口是“多体智能”，类似复杂系统/鸟群——单个智能体可能很简单（不一定要超过单个人类），但整体有非凡的智慧（AI Agent 团队 >人类团队）。

4. 长期，哪些产品方向，可能是更靠谱的

• Agent（后面还会涉及）
• 机器人/具身智能
• AR/VR/元宇宙
• 情感AI
• 量子计算
• ……

五、其他：关于Open开发者大会，你怎么看？

详见我之前文章 《OpenAI帮助我们反思：壁垒到底在哪里》。其中包括：移动互联网能够存活的app是少数，那AI时代，会更多还是更少呢？有人可能认为更少，但我认为会更多……

六、AI产品方法论

1、AI是个放大器，当自己本身都搞不定业务的时候（从 0 到 1），不要指望 AI。

2、技术维度+产品维度+商业维度，不是在做加法，而是在做“归一化”。

是不能把90分作为整体产品价值的baseline的。举例：siri，10次，9次对，1次错，慢慢就不用了。

3、“场景-用户-需求”之外，需要增加一个关键词，“关系”——定义了关系，就定义了约束条件和需求属性。

举例：智能汽车上的AI语音助手。传统的思路，容易局限在帮驾驶员解放双手；但如果这个场景定位，是家庭（family）

• 家庭里，有爸爸、妈妈、儿子、女儿，那AI助理在其中是什么关系？（哆啦A梦？）
• 音乐/听歌场景，爸爸要听歌曲A、妈妈要听歌曲B，女儿要听歌曲C，AI助理该怎么处理？
• 是否可以调侃的方式参与这个对话？是和稀泥，还是自己来做这个坏人？

……
更扩展的说，关系可以有很多种，员工、情侣、顾问、君臣父子……

“关系”这个词的微妙之处在于，一旦定义了关系，其实就隐藏着给“价值/功能”圈了一个边界。

比如，比如老板/领导对下属，家长对子女，天然就有“优势地位”，同样的话，会比其他人份量更重；还比如，同样的话，夫妻之间可以说，但对外人，就得换个方式表达了。

即，关系带来体验；而以前，都是工具。

4、使用AI时，把AI当成人；设计AI时，把人当成AI。

1）使用AI时，把AI当成人

使用ChatGPT时，初阶是当成“搜索/工具”来获取信息，更有价值的方式，是把她（AI）当成一个人，是为了“激发”自己的灵感。

i，你获得反馈信息的质量多高，其实是取决于自己输入的数据质量的（思路、提问能力和认知水平）

ii，不要用搜索的惯性去认知和使用ChatGPT/AI 2.0产品、不要简单的一问一答。

iii，最好不是期望它直接给你答案、而是用交谈（我觉得对这个问题，balabala，你觉得如何？）

2）设计AI时，把人当成AI

在设计“XXX+ChatGPT”类产品体验时，应该怎么去思考呢？

完全跳过目前的技术局限性，直接去回想/体会，自己平时工作/生活中，是怎么跟一个活生生的人在对话交互的。

比如，你在培养实习生（或者自己被培养）的时候，你是如何给ta说明需求、指出思路/原则，然后根据他的结果反馈，再去指导ta调整？

如果好好体会这些细节，是会非常非常好的、直接有助于自己的AI产品设计的。

如果忘记了当时的场景和对话内容，怎么办？直接去看微信聊天记录！都会很有收获的。

还包括，今后和自己身边的人对话时，可以让自己把他当成一个AI，去体会你们之间的对话过程，会自己冒出很多的feature思路和认知出来的。

5、未来AI企业，方向定位将不是按照To C/To B来划分，而是按照To 人/To AI 来划分。

因为LLM、AI 2.0，天生就是要端到端的解决问题。

所以未来可能是，LLM提供基座能力、中间层提供原子能力、用户完成最后一公里（按需、自己攒一个“趁手”的工具）。

用户侧，就这么打通了。2B、2C，融为一体。

然后，是另外一片天空——机器和机器交互。

……

更多相关内容，详见《深度 | 关于AIGC商业化的13个非共识认知（8000字长文）》

七、个人职场发展的机会

1、对于这种新的行业周期性机会，存在我所说的“转型红利期”，没直接相关经验，有机会拿到面试机会。

2、特别的，还会有“填补行业空白的机会”。现在，对于CUI交互规范，谁能做好，谁就能在行业历史上留下自己的印记。

3、AI 2.0时代，选什么样的AI公司老板/负责人？经历过AI 1.0 周期的。

八、未来超级个体的机会

危机危机，先说危险，再说机会

1. 危险：AI导致的风险，可能不是潮水，而是飓风

人工智能/机器人时代，很多人会被卷得非常痛苦

1）内容：信息过载严重、虚假信息过多。半年前AIGC/ChatGPT相关信息太多，都要看吐了。而且，如果缺乏有效监管，以后看到或听到的所有信息，都有可能是被伪造出来的——甄别信息的成本大幅提升。

2）职位：职场机会被压缩到60~80分位。不到60分的简单重复、容易被标准化sop掉，以及坐在电脑前的职位，背后根本是教育体系培养出的是“做题家”。而另一边，以前是90分的人才去创业，以后80分的人才，比如一个不错的产品经理，借助AI，以及2、3个朋友，就能每人一年赚个几十万，那为什么要打工？

3）而且，AI的卷，是一层一层的，先卷60分，然后卷65分，再卷70分……到最后，电影真的会成为现实：“精英+AI”掌控核心权力，最底层民众被圈养。不是欧洲那种完全免费、无约束的全民福利，而是“注意力经济”（看广告、玩游戏）。

4）这里，还会存在社会风险，就是我所说的“圈层踩踏问题”。比如，卷60分，这部分人，需要有时间和职场空间的疏散，对吧？他们需要有合适的安置之处。如果说，60分的人还没安置好，AI又卷到65分、70分了，那挤压的待安置人群圈层越来越多，是可能有社会动荡风险的。这也是为什么这么多大佬要呼吁，慢一点，慢一点。

5）安全：不仅是那种数字投毒，AI还会放大普通人作恶的能力。

6）被操控：价值观/思想认知。Sam Altman就提出过，大语言模型可以影响、甚至是主宰社交媒体用户的体验和互动。

7）心理扭曲：自私、沉迷、分不清虚拟和现实的界限

如果AI仅仅是为了人类个体的物质生活，那一定会造成人们更加自私的。

智能手机/游戏，其实已经让很多小孩子沉迷了，AI会比手机严重至少10倍。

未来，AI/元宇宙，还将极大的模糊掉人对“现实”和“虚拟”的认知界限。我看电影《失控玩家》的体会。年轻人可能会对上街打砸抢不以为然——因为虚拟世界里是可以随便打骂NPC的。

……

8）精神痛苦：所有以上问题，都会集中加权影响到每个个体的内心。

……

新兴技术落地，往往是双刃剑，其实是需要对应的“制动器”。

什么意思？

例1：电报技术是铁路技术的“制动器”

火车问世之后很长一段时间，事故频发，列车调度员们必须非常小心，想各种办法，才能让这个体系不再自己手中失控。

直到1837年电报的问世和不久之后普及，才真正被解决——让调度员提前知道有火车来，进而错开轨道上的列车。

例2：安全带是汽车的“制动器”之一

汽车是 19 世纪末被发明出来的，但直到 20 世纪下半叶，不同的国家才出台了强制要求开车系安全带的法规。可以想象，这中间必然有多少人白白丧命。

所以我想说的是，当ChatGPT被研发出来之前，我们问AI的空气动力学是什么？当ChatGPT被研发出来之后，我们需要问，AI的“制动器”是什么？

2. 机会：这么危险，如何解脱？

要么向上成长为最牛的人，要么躺平过生活。

都可以，但分开说。

1）对普通人

等到未来，Sam Altman的UBI（universal basic income，全民基本收入）愿景成为现实的时候，是可以选择好好生活、不用工作的。

免费发放生活必须品、不要闹事、甚至需要按照规则要求去做一些必要的动作（比如看广告、看娱乐节目、玩游戏等等）。

但关键是，有自己清晰而调和的“价值观”、以及对自己内心的把握能力。

很多人通过工作来塞满自己的时间。如果整天无所事事，很多人会觉得无聊的。

所以，至少，你需要有点兴趣爱好，以后会好过一点。

学知识，是意义不大的；得知道自己要什么。

2）AI时代超级个体的10倍、100倍、1000倍成长路径，到底在哪里

软件大牛Kent Beck说，The value of 90% of my skills just dropped to $0. The leverage for the remaining 10% went up 1000x.——个人90%的技能价值归零，但剩下10%的价值会提升1000倍。

很多人以为这是说的好玩儿的，没多想；在我看来，这是真的有可能的——

所谓的“1000 倍”增幅的可行性在于：

第一个 10 倍：构建一个系统，尽量 sop 化。

第二个 10 倍：团队

第三个 10 倍：把 1 和 2 都用 AI 实现。

最终就是超级个体、超级组织了。

不过有趣的现实问题可能在于，很多人想直接做到第3步，但其实如果第1和2步还没搞定，第3步是不现实的，因为第3步对于“认知深度”的要求，可能远比我们想象要高得多。

1）构建一个系统，尽量 sop 化。

A，为什么需要构建系统？因为如果没有系统，是不能“稳定”拿到结果的。

很多人做副业/小红书，可能运气好，一开始能赚点钱，但后来，即使外部环境没有变化，自己都可能发现“收入慢慢就降下去了”，但根本不知道问题在哪里。

甚至，更多人的情况是，一直就赚不到钱（比如最近新闻里说，3个年轻人投资几十万卖汉堡包，一天收入几十块钱），因为从来没想过，整个事情是可以被抽象成一个公式的。

收入结果=A*B*C*D*E……

要把事情做坏掉，1个因素（没做好）就够；但要想真正拿到结果，可能需要每个地方都做对！（至少不出低级失误）。

B，为什么我们从来没有锻炼过这种“构建系统”的能力呢？因为我们一直在“打工”。

企业自身，就是在构建这个“系统”，每个员工只需要让自己的长板足够长，不需要考虑“体系间如何协作”。

C，构建系统的能力，难吗？

能够走上“对商业结果负责”岗位的人，都是少数，比如老板/操盘手/部门负责人；而其中，能把系统构建好的人，更是稀缺——不仅是逻辑能力，还有，对认知能力要求太高，因为这背后是对行业/场景/用户的know-how。

D，成功构建系统的好处

3个要素，每个做到2倍，就是8倍增长了

5个要素，每个提高60%，就是10倍增长了。

看起来，好像有点难度，对不对？

E，一个关键认知：专业产品能力和商业能力，是2个维度的能力！

这个世界上，有很多专业领域非常牛的专家，但是，他们如果自己去做一摊事，是赚不到钱的。

原因还是前面提到的，作为系统中的一环，你需要考虑的逻辑是，让自己的长板足够长，这会让自己更加不可被替代。

但是，要想让用户真金白银的掏钱出来（还要能稳定/持续），他需要给自己一个理由（不论理性或感性）。即，到底用户获得了什么价值。

我们很多时候的隐含逻辑是，我这么牛，或我的内容这么牛，你怎么还不付费啊？

但用户的心态是，你牛是牛，但跟我有什么关系？需要把这个理清楚。

F，所以，这个世界上的大多数人，从来没有真正构建过一个运转基本ok的商业系统（不论大小）、从来没有体验过“10倍增长”到底是怎样的一种体会。

G、当系统建立起来后，其中有很多简单重复的工作，是可以被“标准化/sop、自动化”来大幅优化的，比如流水线。

但是我们想一想，自己工作中，到底做过多少sop的事呢？

2）第二个 10 倍：团队

为什么说，不能跳过系统/SOP（第一个10倍）、团队（第二个10倍），直接应用AI呢？

背后的方法论原因，就是我提过多次的：

做MVP的时候，如果用真人，其实用的就是“最佳效果”来测试验证整个定位、流程和产品体验——如果用真人的效果都不可接受（这里指的是，没达到“及格”线），那就不用去试AI了。

反过来说，如果一开始就用AI，如果体验不及格，我们是无法判断，到底是产品思路错了，还是仅仅因为技术没实现好、还值得继续投入。

而且，通过“系统/SOP”和“团队”两步，我们其实是在锻炼自己用好AI的底层能力：

• 知道自己要什么（价值观）
• 拥有行业 know-how
• 能够拆解任务
• 构建一套产品和商业系统
• 沉淀出 sop
• 学会沟通/prompt（定义任务、目标、边界、约束条件、反馈迭代优化）

……
上面这些，基本上就是老板/owner/操盘手/高级PM才具备的能力段位。

现实生活中的大多数人，是达不到的。

3）第三个 10 倍：把 1 和 2 都用 AI 实现

A，为什么AI还能提高10倍？

因为一方面，应用AI之后，“我”将不需要去解决人的负面影响。比如，

管理“人心”。常规的协作/团队管理，往往首先需要考虑其底层动机（为什么愿意干？）、表层情绪（当天开不开心？）、统一思想认知（在不在一个维度上？）。

人类不可能“随时随地在线”。（仅仅AI“24小时在线”这点，就有2～3倍的提升。）

突然闹出什么幺蛾子，或者有事没事来打扰我。

简答说，就是剥离人性弱点的弊端，仅使用其工具属性价值。。。

比如最近看到个例子：

同样是提问，当问同事工作问题的时候，你会发现「人性」很快会体现出来。

老板越过一层，去问下面销售或研发，「这个事儿怎么样了？」很时人的第一反应是：「老板为什么问我这个问题？」

于是，老板得到的第一个回答是：老板，我刚刚拜访过这个客户 blahblah，他要先解释一圈。因为他不知道你想要啥，其实我只是想要一个数字，相比之下 AI 这点就好很多，问啥就答啥。

B，除了单人，还有多人团队协作时的“内耗”，比如达成共识、流程损耗、互相等待在线……

这里，其实就对应前面提到的，“多体智能”——类似复杂系统/鸟群，单个智能体可能很简单（不一定要超过单个人类），但整体有非凡的智慧（AI Agent 团队 >人类团队）。

C，不需要处理前面这些问题，这能省出多少时间啊？！可以用来做更多的事情了。

D，本身AI对于个体在“工具”属性，就有降本增效的价值，这个就不多说了。

E，当所有以上这些benefits成为现实，还会有整个“系统”层面的价值涌现提升。

大家心里稍微算一下，整体10倍，应该是有可能的吧？

最后，要再点一下，那个可能有点触目惊心的观点：一旦我们学会“剥离人性弱点的弊端，仅使用其工具属性价值”，负面影响，是会让人，更加自私。