寫東西只為了抒發,一切隨緣不為流量

有事找 @finalfantasty

👻 個人博客 Blog: https://blog.pdzeng.com

👻 個人微博客 Blog:
https://daily.pdzeng.com/
最近跟一個在 B2B SaaS 公司做 PM 的朋友聊天,聊到他們公司全員都在設計自己的 agent,把日常工作拆解成 skill 交給 AI 執行。
聊了很多,但我覺得最有感的 takeaway :大部分公司現在的 AI 導入還在「取代手動步驟」的階段。PM 把 spec 寫好讓 AI 寫 code,QA 自動跑 test case,bot 去翻 Slack 跟 source code 省掉等工程師的時間。有用,但這是效率改善,不是能力的累積。
真正有累積性的 AI 應用,關鍵都在 feedback loop 能不能快速收斂。
聊天中提到一個 hiring agent 的案例讓我印象很深。有公司做了一個 agent 幫忙面試候選人,產出分析報告給雇主,而雇主的錄用或不錄用決定就變成 tagging data。迴圈幾個月跑一輪,訊號乾淨,資料獨有,時間越長 agent 越準,別人很難複製。
朋友公司在做的另一個嘗試也是同樣的邏輯。他們的 sales 帶進來的案子常常說沒問題,結果客戶一上線才發現有大量客製化需求沒被釐清,上線時間遠超預期。現在他們想在業務開發階段放一個 agent 帶著提問框架去挖需求,然後追蹤預測準確率。客戶有沒有順利上線,幾週到幾個月就知道,這個訊號可以標記,而且會持續累積。
聽完這些之後我就在想,如果拿 VC 來做對比呢?我們看 founder 也是一種判斷,但投一個人要五到十年後才知道對不對,想把「怎麼看人」變成可迭代的 skill,難就難在資料標記的速度根本跟不上。Hiring agent 幾個月就能驗證一輪,onboarding agent 幾週就有結果,而 VC 的 feedback loop 是以年為單位的。這大概也是為什麼投資判斷到現在還是很難被系統化。
所以我的結論是,看一個 AI 應用有沒有長期價值就看三件事:
- Feedback loop 多快能收斂
- 做標記的人有沒有真的在承擔後果
- 累積出來的資料別人能不能輕易拿到
三個都具備的,就有機會從效率工具變成護城河。

https://www.facebook.com/share/p/18b7Ans23u/
Back to Top