#ai观察# http://t.cn/AXSMRCyO

摘抄朋友的采访，挺有观察见地，系统助我整体观。

-

比如中国整个数字化和营销效率是全球最高的：电商占比高、数字化率高、触点强、流量运转效率高，所以很容易形成一个以流量驱动的商业世界——因为流量和资本一样，可以无限拆分、可以规模化。你会发现中国很多电商平台最后都以流量来商业化，其他都做成成本项；很多商家是「买流量送 A、B、C、D、E」，因为流量最好卖。但国外的生态是分开的：卖工具的卖工具，卖支付的卖支付，你很难去算一个综合费率。国内电商常讲「费效比」——100 块 GMV 平台总共抽多少？大头其实都是流量。这是典型的中国电商生态，出海后我们习惯这么算，但国外人的大脑不是这么想的。

我觉得他们是分散、个别地思考的。所以那边有非常多区域性公司，没有长成全国性的，也没那么大动力去做全国——有点像战国时代，各自自给自足，每个人都活得挺好，为什么要统一？除非某个赛道利润特别高，资本强行进来，通过并购做成统一。但即使统一了也未必真的整合，很多消费品并购完还是各管各的，只是片段式统一，运营其实没统一。

所以今天大家说的「卷」，可能是历史积淀的商业文化基因。但国外不是——我刚落地美国那一刻，看到无边辽阔的景象，突然就不着急了。是环境让你不想那么卷。

大企业里，有的能转型成功，有的很难，必然是这样。这取决于传统巨头的管理层愿意在 AI 上花多少时间、下多大决心改革。即使你不是第一波，只要有钱、有资本、有资源、不犯大错，依然跟得上。（对慢慢落后又不想职业经理人退休😂）

“我现在写文档，第一天就直接用 Markdown 格式，在 CodeBuddy 或 Cursor 里写；需要用到图的地方，Day One 就想怎么把它变成 HTML 或 JSON，让 AI 能读。我都尽可能让产出物对 AI 友好。好处是，我长期下来就没太多数据需要重新改造的。怎么跨越人类信息和 AI 之间的鸿沟，把分散的多格式的非结构化数据，整理成 AI 友好的层次严谨的结构化数据，最最花时间。让 AI 干活，反而很快。”（有点像以前纸质版变数字化这种。现在是数字化变成AI向量化结构化）

因为一个已经 AI native 的企业，你再给它更多 AI，并不能额外提升多少效率；【而传统行业，他在原来的效率下都还在赚钱，你给他加上 AI，能让他赚翻多少倍】。而今天大部分 AI 创业者其实都没在赚钱，不管是自己创业的还是 VC 投的。所以我觉得今天很多机会，都在「AI 怎么走进传统行业」里。

-
【增量模块逻辑】

。那怎样才算 AI Ready？很简单——如果这个创始人觉得「我把自己的公司用 AI 改砸了也无所谓」，那他就是 AI Ready。柒柒说这句话很精辟。我也觉得【心态大于一切】（好牛的理解力）。如果创始人本身畏手畏脚，你给他再多脚手架，他也不愿意爬；如果他是心态开放、愿意尝试，你给他什么脚手架他都能用起来。（非常对）

这道题其实很像那些「厂二代」。一代靠制造业积累了原始资本，做得也不错，但很多二代不想接班、想做出海——因为他们拥有家里的资源，又想开辟一个新战场。AI 也一样：很多二代不想碰原来那帮人，但又想利用原来的一部分资源——供应链也好、客户资源也好——去开辟新战场，反而更简单。（好有意思的比喻和想象！）

但如果我开辟一个新板块——企业以前没做过的，他就没什么好抵制的；做完之后还对原业务有赋能，他反而很高兴。（增量）

👍怪不得朋友切到了非常好的市场：传统企业出海直接AI 0-1。这样AI大有用处！还天然适配，成本还低（是很适合用来创业试错的）。

你的组织非常好，我先不动它，你觉得哪一块效率低？我给你复刻一部分，让我做「备胎」。现在很多做 B2B 出海的，后端是完全可以摘出来的：比如你有 5 个销售，招第 6 个时，可以不招人，而是上一个 Agent，也不用把原来的人干掉。过去 10 年我做了很多软件，希望帮企业内部人提效，但很多挑战不全是心理上的反抗，而是大家学新工具确实有点难。

可今天的 AI——去年讲还半信半疑，今年大家已经完全相信了：AI 使用工具的能力已经超过了大部分人。所以你完全可以做一个端到端、没有人的 workflow 或 Agent 来做一件事。
原来那个人工资 1 万，我只要三分之一的工资，不限人数；每获得一个询盘你给我奖励，或者给我提成，原来团队多少我就拿多少。我先做 3 个月，效果不好把钱退给你。你原有团队也不用开掉，咱们纯 PK。这种方式老板相对比较容易接受——你要让他把原来的人开掉，他会害怕。

-
行业在变化时，老板决心更强的更容易转型。如果企业本身处在很好的状态，老板反而比较难推动转型。（很好，穷思变！）

还有一个观察：如何推行老板决心？（肯定是自上而下的）。当他觉得这件事大概率是对的，再把自己的感觉加上一些路径——这个路径通常来自外部专家——凑过 51% 那条线，这件事就好推了。（内部团队补不了）也许需要一个内部的 AI 标兵，或者说 AI 教练，由这个人来带动大家。（这个回答有意思真的没那么地位高是因为本质是被花钱聘请的）“用不起”不是掏不出钱，而是在他的认知里，人才不是这样用的。让他花 100 万请客吃饭、觉得生意能成，他都愿意；但把 100 万投在一个专家身上，不是所有人都愿意。这可能跟他们以前吃过亏有关【！好像确实各种中国咨询公司有多草台】。有一些传统行业老板没真正吃到过人才的红利，他们吃的是工人红利、制造业红利、成本红利，所以习惯用这种方式放大自己的红利。

-
（这个问题也很好，从哪里开始）
传统行业最容易建的底座，是先建 sales 和 marketing 端，因为这部分是可分离的，至少线上可做；生产制造环节光靠线上没法做。我们讲增量——新的区域、新的国家、新的产品线——都可以是增量，你就可以围绕它建底座：怎么更好地发现机会和洞察，再到供应链打样、销售、放大，这些今天 AI 都能赋能。“营销和销售确实特别合适，因为 marketing 本来就是充满外包的领域，销售又是充满经销商的领域。”对，这两块都是【可内可外的，特别适合做 AI 升级】，相当于你有一个 AI 经销商。（看😂我在做一个多么卷的职业位置，但也是这样我才能一直甲乙方横跳）。“coding 是去年成熟的，marketing 还没成熟，我觉得今年可能会有 web marketing，明年 marketing 可能也不再需要人了。”（可怕吧！所以真的跳出来用经验搭通，比窝藏在岗位上重要）。

B2B 行业做 marketing 就已经非常值得搞了，这已经是个 huge 市场。to C 可能不太一样，更需要爆发性。王喆对，to B 的 marketing 本身就比较工程化，有明显的节奏、flow 和专业化知识，这些都是 AI 很擅长的。（原来如此！噢GEO）