从会用AI到做成挣钱生意，中间还需要什么？

我跟王若愚相识，是在腾讯研究院于香港举办的AI&Society论坛上。那天他讲得很直接，能量很足，听他讲话挺过瘾的。活动之后，我就说要请他来新可能实验室聊聊，还跟他说：“我其实对你这个人更感兴趣。”

若愚的公司曾融到一亿多美元，也经历过从零到一、团队扩张和组织调整。这次他讲了很多亲身经历：最早在美国创业，整个团队去一家家餐饮店敲门，甚至真的去面试，摸清客户的招聘痛点；后来管理团队，想把创业者文化和大企业文化捏在一起，却失去了真正想留下的人。这些经验听起来是道理，背后都是自己踩过的坑。

听完我也很有感触。我们知道了很多道理，轮到自己行动，还是会战战兢兢，担心碰壁、担心失败。我自己重新开始创业也是这样，总想把事情都想明白再出发，可不行动，就得不到现实的反馈。

所以，我觉得实验精神还是很重要。用自己的人生去做实验，做创业的实验，也做自我提升的实验。这期聊天信息密度很高，非常推荐正在考虑创业，或者在公司里摸索AI转型的朋友看看。

访谈：袁晓辉✖️ 王若愚

01 从国内创业到美国小时工市场

晓辉：Hello，大家好，欢迎来到新可能实验室第十一期的访谈。今天邀请到了王若愚，Max。他有非常丰富的创业经历，在中国、美国都创业过，是北美一家做蓝领服务的平台的联合创始人。最近他也一直在看，AI来了之后，企业会有什么新的组织模式，我们作为个体又怎样应对这个时代。

我跟若愚认识，是在腾讯研究院组织的AI&Society会议上。当时他讲的一些观点，非常简单、直接，听起来很过瘾。今天可以再跟我们讲讲这些话题。欢迎王若愚。

若愚：谢谢晓辉博士。当时也是久仰，很多人都看你的号很长时间了，在香港那个活动上能一起参加，也特别好。

我的风格，是希望把一个看起来好像很绕的问题，能够几句话给你讲明白。我们希望在可以讲的范围里，尽量把事情想明白。

晓辉：那我们就围绕你这个人开始。讲到AI时代，大家都很好奇有哪些新机会、哪些新的创业机会。你是一个创业老兵，能不能先介绍一下，之前在做什么，怎么就踏上了创业的道路？

现在很多人也在考虑，是不是做OPC，是不是开始一个新的赚钱的商业机会。你当时是怎么开始的？

若愚：我没有打过工，一毕业就在创业。我们还是华科的校友。我毕业以后，2011年去了创新工场，当时李开复老师还是每天都能见到的状态。

一方面是受到创业的感召，觉得新的时代到来了；另一方面，当时在学校也做了一些有意思的项目。我们感觉技术有一个比较大的革新，过去Windows上的那些应用，好像那个时代过去了，要不要尝试一下新的东西？年轻的时候也有些叛逆心理，觉得是不是应该干点事业出来。

其实初心很简单，没有那么宏伟。但从那个时候开始，一做就做了五年。

第一家公司做的东西，有点像中国的AngelList。我们把中国的天使投资人、投资机构和创业项目汇集到一个平台上，办了几百场线下活动。很多徐小平老师投的项目，是我们发掘出来，再推给他的。徐老师说不错，先投了，后面别的人也会跟。我们当时也探索了众筹的模式。

2016年，我没有再继续做这件事。原因也很简单，二级市场出现了很大的波动。我们觉得，二级市场波动这么大，一级市场的业务可能也不是特别适合继续做了。

那时我想去看一看美国的创业机会，也刚好遇到了后来的合伙人。我自己又想去美国念书，所以接下来两年，一边满世界探索有什么机会，一边申请学校。

2018年，我在康奈尔上学，学AI和创业相关的东西，同时做公司。那一年毕业以后，2019年拿到了A轮融资，就继续做这件事。

我们也是赶上了SaaS从一开始没有人理，到后来走上巅峰、进入泡沫期的过程。中间拿到了很多顶尖投资人的融资，到2022年前后，前后融了一亿多美元。

后来发现，经济在持续下滑。同时GPT-3出来的时候，我们还是很震惊，也意识到AI可以用了。以前的AI，你有时候说不上来它到底有什么作用；看到GPT-3.5，我们觉得预训练的结果已经很好了。

当时做过一个蛮有意思的实验。因为我们是蓝领招聘平台，我就调用文本向量嵌入的API，把平台上很多招聘职位的描述，也就是JD，扔给它；又把一些人的个人信息扔给它。我们发现，匹配效果非常非常好。从那个时候开始，又开始了一轮很大规模的产品转型。

晓辉：可以再介绍一下你们当时的平台。它面向蓝领招聘，美国有很多蓝领工人，不同职业的分工也很细，一家咖啡店就可能分很多岗位。招聘、结算，其实是一个比较复杂的体系。

若愚：这是一个全球通用的痛点，但在美国尤其深。

你在国内看到咖啡厅、烤肉店，可能会挂个牌子，四千块钱一个月，包吃包住，招一个师傅过来。但美国市场跟中国市场有很大的不一样：美国的小时工，真的是小时工。他今天来打三个小时的工，就只做三个小时。时间分得特别细。你一旦运营得这么细，软件就有价值了。

我们当时解决的第一个问题，是这些人人来人往。小时工招聘进来很难，离开又很容易，可能三四周就走了。我们通过SaaS，把上游的集成做得很通透：招聘平台、短信平台、电话平台都接起来，中间的流程做自动化。

最好的体验，是有一家DQ，冰雪皇后，刚开店，大概六个小时就把整个店需要的人招满了。自动化做得特别好。这是当时的1.0。

后来，我们又尝试解决考勤和发薪的问题。如果你的工时决定工资，你不是四千块钱包吃包住，而是每天的工资都不一样，把工资发对，就很难了。你想想，老板连工资都给你发不对，你能待得久吗？待不久。所以这里面是一个恶性循环：人待不久，工资又发不对；工资发不对，就更待不久。

我们希望把这个恶性循环扭正。至少招人能招得快，发工资能发对。

晓辉：这个SaaS是提供给餐厅老板使用，按月付费，一个月多少钱这样的形式，对吧？

若愚：是的。为什么做餐厅？这也有个故事。最开始我们什么行业都做，有酒店，也有机场、旅游景区。新加坡的圣淘沙也是我们的客户。你会发现，很多业态，甚至医院，都要招小时工。

后来为什么聚焦餐饮，核心原因是2020年那次疫情。

02 疫情中的判断，与SaaS的第二条曲线

若愚：2020年，我们的平台已经比较成熟。当时我刚从新加坡飞回武汉，1月份就封城了，我在家待了三个月。

1月底，我跟美国的同事说，你们看，我住的这个地方，下面以前人山人海，一个一千多万人口的城市，现在街道上没有人了。如果这个事情发生在美国，我们怎么应对？当时美国还是歌舞升平，没有多少人相信会发生这样的事。所以我们算是提前了两个月，去调研这个问题。

我们领悟到一个有趣的点：2008年金融危机的时候，很多行业都凋敝了，但快餐行业反而有增长。这个是合理的。大家没钱，经济不好，你可能不去吃牛排，不去吃特别贵的东西，但炸鸡、汉堡还是会吃，因为便宜，人总要果腹。

那个时候我们意识到，可能这一波又来了。于是果断把资源切向快餐连锁。那一波让我们真切感受到，什么叫危和机并存。你要顺势而为，其他行业的危，反而成了这个行业的机。把资源倾注过去以后，增长变得很快。也正是疫情给我们带来的这波增长，让我们后来专注于解决餐饮的问题。

晓辉：当时的产品迭代和现在来看，有什么明显的不一样？后来又往哪个方向改进？

若愚：2018年那个年代，创业真的是要切一个特别窄的点。中国和美国的创业方式还有一些不一样。

美国市场有很多公司，不倾向于做得很大、很全，而是把一个领域做得很好。比如Twilio，就是把短信和电话的API做得特别好。那边有很多这样的企业。

所以当时在北美创业，我们意识到，不需要把所有东西做齐，只需要把一个点做穿。关键是找到一个很深的利基市场，把它做穿。但2022年以后，整个市场发生了剧烈的变化。企业没有那么多钱，所有人都在讲降本增效。这个时候，你还只做一个钻得特别深的点，再收一个很贵的费用，别人就不一定买单了。

晓辉：美国也是这样吗？

若愚：都是一样的。当然宏观政策会有区别。

客观讲，我觉得美国是一个比较达尔文式的社会形态，没有那么在意被淘汰的那群人。跟不上时代的企业或者个人，会被自然淘汰。这个看起来很残酷，但它让有生存能力的企业获得了更多资源，留下的企业和个人，仍然有付费能力。

中国的社会运行有一套底线，比如对返贫的监测。一群人如果出现大规模返贫，政府会干预。建立这样的机制，本身就有成本。这些我们不展开说，但社会运行机制不同，创业者面对的市场也会不同。

在美国，你会发现，能付费的企业依然能付费，不能付费的企业可能被淘汰了。但是那些能付费的企业，也意识到情况不对，开始讨论怎么降低开支、降低运行的复杂度。

于是2022年，我们开始大规模找第二条曲线。腾讯内部可能也会天天讨论，第二曲线在哪里。我们当时思考这个问题，有自己的公式。做一个商业，无非三个变量。

第一个是市场：你要服务什么市场、哪一类人？第二个是产品：看准这个市场的痛点以后，做什么产品和服务来服务他？第三个是渠道：怎样把产品和服务交付到这个市场面前，让他接纳？

如果把它当成解方程，其实就是这三个变量。我们的思路是，尽量控制变量，不要做过于剧烈的改变。

经过很多探索，我们意识到，服务同样的市场，使用同样的销售渠道，但扩张产品线，让市场范围向某些方面延伸，是一个好的策略。

这里通常有两种思路。一种是，过去服务中小客户，现在向更大的客户扩张。还是服务麦当劳、肯德基、DQ，但过去能服务的是一百家门店的连锁，现在想去服务两百家以上的企业级客户，往上走一点。

另一种是，你还是服务中小企业、类似的需求，但走向相邻行业。比如过去服务餐饮很好，现在向零售或者酒店走一走。

后来我们认为，去一个比较接近的市场，让市场规模扩大一点，同时产品线提供更差异化的东西，是最好的思路。

所以最后的战略，是从招聘往后延伸，做到入职、考勤、发薪这一整套，再加上客户规模向上扩大一点，就确定了这条策略。

晓辉：就是在临近范围里，拓展用户的数量或者服务的深度。这让我想起最近的一个体会，又要讲做饭阿姨的事了。

即使做保洁的阿姨，也有策略。我们这位阿姨，已经在多家提供小时工服务，时间很饱和了，但她也会拓展自己的服务能力。比如帮客户尝试做饭，看看做得怎么样，你愿不愿意让我给你们家做饭？

这是面向同一波群体，提供额外的增值服务，提高客单价。同时，如果现有排班临时有变化，时间填不满，她又会去找新客户。

所以无论是很日常的服务，还是一个拿到融资的公司，都要考虑客户是谁、市场是谁，我能提供什么增量。这件事很关键。

03 第一批客户，靠敲门找到

晓辉：但对于很多人，一开始不太清楚，要圈哪一波客户来服务。你们当时怎么找PMF，也就是产品与市场的匹配？

若愚：这个也很直接。当时我们也都是创业老兵了，一开始就说，直接学习成功的企业。既然发现了这样一个痛点，就从线下开始。

我们当时在美国，在斯坦福旁边。整个团队，从一个点开始四散开去敲门。不只是CEO和销售，所有人都去。

敲一个店的门，我们就问，招不招人？如果对方说招，我们就真的去面试，看他的招聘流程是什么样的。面试完了，再跟他说，这个流程里好像有一些地方可以优化。

如果不招，我们就说，我们在做一个项目，想帮助线下业务优化招聘流程，能不能跟你聊一聊？

硅谷开店的人，有很多本来是科技行业出来的。我们后来的客户里，有人开了七八家餐厅，以前是咨询公司的，或者是科技公司的程序员，他们很愿意跟你聊。从硅谷开始，是挺有意思的。

当时的策略，就是先聊五十到一百个潜在客户，先搞明白这件事是怎么回事。你如果做科技行业，听过机器学习、人工智能，这个原理是一样的：真要训练一个模型，第一步得收数据。创业也得先收一点数据上来。

但创业跟大公司的区别，在这个点上特别难。腾讯可能有百亿、千亿级的数据，分析用户行为和趋势，还会招很多顶尖数据分析师做商业分析。这又会引发一个问题，叫analysis paralysis，分析瘫痪。晓辉，你见过这样的人没有？

晓辉：沉迷于做数据分析？

若愚：对，就是一旦没有大数据，你就无法做决策。有些人真是这样，没有数据给出结果，就做不了决定。

真正顶尖的创始人，跟普通人的区别在这里：你只拿到了五十条数据，没有五万条、五百万条，但你的直觉和行业经验告诉你，这个痛点真实，这个问题值得解决。

这是方法论不能完全解决的问题。里面有个人的直觉。

为什么创业要快速试错？不只是要求执行力很高，疯狂去做。关键在于，一开始你只有五十个数据点。如果想象成一个XY坐标轴，你连出来可能是一条直线，但真实商业模型可能是抛物线，甚至是双曲线。

只有拿到初期的产品模型以后，尽快拿更多数据点，才可能找到市场真实的问题。这是快速试错背后的核心原因。

所以回到你的问题，创业初期先回归用户在什么地方，直接到用户那里做访谈，问出五十到两百个用户真实的问题，回来总结，看能不能做成产品。赶紧搓一个MVP，扔到他面前让他用。

一直做，直到碰到两个临界点。第一个，他付费了。他说我愿意付费，哪怕一个月只付一百块钱，也可以。第二个，他说，我觉得你的产品不错，愿意推荐给朋友。

晓辉：这就是第二个临界点。

若愚：对。一个人愿意放下自己的脸面，向另外一个人推荐，是一个巨大的里程碑。尤其是一个有业务、有头有脸的人，通常特别在意自己的reputation，在意自己的羽毛。他不会轻易推荐一个不好的东西。用户愿意推荐你的产品，那一刻表示你真的够好了。把住这两个里程碑，基本就有了一个测试方向。

晓辉：我回应一下这一点。创业初期肯定有各种各样的想法，包括我这次创业也是一样。

即使以前创业踩过坑，重新踏上创业旅途的时候，也看过别人教的方法论。比如Paul Graham讲，先做不可规模化的事，跟你刚才讲的一样，先跟用户聊，知道他真实的需求。

但真正开始行动时，总希望所有事情都想明白，再有计划地去做。我已经纠结很长时间，调研了很多东西，却迟迟没有行动。会觉得，是不是怕失败、怕走错？

可是你也知道，陷在这种状态里，不可能获得额外的增量信息。所以只能先硬着头皮去做。第一个客户是谁，第二个客户是谁，先问问他愿不愿意付费，才可能拿到现实的反馈。

若愚：是的。你做视频号，流量挺大的，做视频本质上也是在做marketing。这里面的第一性原理，不是万事俱备，再做一期十万加的爆款。找市场机会的第一性原理，是更多次的碰撞，先撞上可能的机会。你撞了一万次，可能九千次都是南墙，一千次是机会。但你得先撞出去，这才有机会。

04 AI让人重新面对自己的价值

晓辉：那我的问题来了。在AI来临之前，或者AGI到来之前，我们说的这些方法可能都是有效的。但AI来了以后，很多人担心，自己是不是已经没有机会了？AI这么强，执行能力、端到端解决问题的能力这么强，每个人的机会在哪里？

昨天我去港中文深圳的MBA班分享，有人问，在这个时代，做自媒体是不是唯一的出路？线下是不是已经没有机会了？因为你好像推演到最后，都会变成AI来做。

你觉得这里有什么本质变化？

若愚：我先分析一下，大家为什么焦虑。焦虑的源头很直接：过去社会运转起来，大多数人做的工作，可能没有直接创造用户价值，而是在创造流程价值。

工业革命以后，从大规模工业分工，到专业分工、大学教育、人才培养，是一条线。它希望把一个人从小孩培养成某个方向的专才，再进入这个专长所属的领域，成为行业里的一个螺丝钉。

这份工作有可能确实在最终造出那辆车，比如焊接、拧螺丝，或者画设计图。但其实很多人的工作，是在协调流程。你每天工作八个小时、十个小时，回头复盘一下，可能百分之八十的时间在组织会议、做笔记、跟同事对齐、说服没听懂的同事、审批，或者帮领导打印文件。这些流程性的东西，战术执行层面的东西，被AI替代了，所以引发群体性的焦虑。

过去，一个人不用真的那么懂一件事，只要PPT做得特别好，可能就在咨询公司、科技公司有一份差事。今天这种工作的价值变了。这是焦虑的源头。

AI真正让人焦虑的地方，在于它逼着每个人都必须像马斯克一样思考问题。

晓辉：也没那么高吧？

若愚：我不是说你要做一个这么大的企业。我说的是，它逼着你回到第一性原理，去剖析怎样产生一个真实的价值。因为很多战术执行层面的东西被替代掉了。

今天AI coding很强，很多工程师受到影响。还能留下来的，往往是工程经验、产品经验和商业经验，已经可以形成闭环的人。过去这样的人可能带二十个人、八十个人，今天不一定还需要带这么多人，才能解决一件事。

所以焦虑的核心，是你发现自己的战术价值被取代了。怎么缓解？想一想战略意义。

今天大多数人还是在公司就业，你先改变一个思路：把你核心的KPI从服务直属上级，切换到服务真实的市场。即使还在大公司工作，也先从思维上做这个转变。

在一个层级森严的大公司，服务好直属老板、老板的上一级，跟给你评级的人搞好关系，是升职很重要的事。但你要先切换思维。只服务直属上级，这套KPI在AI时代就不那么有效了。

晓辉：这个跟我的想法很一致，你一定要知道，公司为什么付给你这个钱，请你来是干什么的。当然，我不认为以前服务流程就没价值。那也是市场的需求。原来的时代，大家彼此咬合，需要中间环节来审批、确认、上传下达信息，很多管理者也在服务流程。

但今天AI来了以后，你要重新想，公司为什么聘用你？假设一个公司一年营收一亿元，一百个人，人均一百万元，你有没有创造相应的商业价值？

哪怕只是审合同的环节，你通过审合同，帮公司节省一百万元成本，也是在创造价值。

所以要这样拆问题：我在这个体系里，到底怎样给公司、给老板提供价值？如果你的价值高于平均水平，大概率你的处境就会不一样。

这个是我们比较一致的地方。不能只看完成了什么流程，还要看最后提供了什么价值。

05 FDE要连接多少环节

晓辉：很多公司都在面临这样的变化。我前两天跟徐健讨论FDE的事情，FDE落到公司里，怎么推进AI转型？现在这是一个很热的词，老板们也有不同想法。

实际转型，既有人心的问题，也有流程重塑的问题。AI怎么渗透进组织，成为Agent、数字员工，或者流程中的辅助助手，都有很多讨论。你对FDE有什么想法？你现在是在探索新的创业机会吗？

若愚：对，在探索新的创业机会。

FDE其实又是硅谷造了一个新词。它做的事，很像我刚才讲的故事：一群人，尤其是工程师，直接到用户面前聊需求；做完MVP，再回到用户面前看他怎么用，发现哪里不对，回来修。

FDE的本质，是需要一小撮特别厉害的人，能打通过去做一家公司时的六大环节。

市场这一边，有BD，也就是商务拓展；marketing，营销；sales，销售。产研这一边，有产品、设计、研发。还有客服，刚才漏了一个。顶尖的FDE，是能把这些环节打通的人。至少要打通客服、销售，以及研发、设计和产品。

为什么？今天如果有一位顶尖工程师，跟用户的信任非常深，而你又不是在做一个特别复杂的SaaS，你做的是AI产品，关系就不一样了。

AI产品有一个厉害的地方，是一个用户可能就能解决特别复杂的问题。比如用WorkBuddy，一个人可以完成很多工作。

过去一套SaaS要服务一个二十人的团队，一个人可能服务不过来。现在FDE去服务这个用户，不一定还要面对那样一个团队，他跟真正使用、真正能付费的人，距离很近。

这个FDE要做什么？先听懂用户需求，快速记下来，转成产品设计；还要自己用AI写代码，做出来，快速部署，也负责帮助用户部署产品。

这样的人，既是很好的产品经理，也是很好的向上销售人选，因为用户对他的信任很深。这是FDE最精华的一种类型。

你不能只希望他来写代码，还要希望他打通整个产研，以及后面的一套商业流程。

所以，FDE本质上是一个创始人级别的角色。

晓辉：那问题来了，他都能做FDE了，为什么不自己做超级个体？

若愚：对，这是个悖论。真正有能力招得起这种FDE的公司，非常少。

你得是有一个足够大的故事、足够大的愿景，能够支撑顶尖人才来为你工作。

如果今天只是一家很小的企业，老板脑子里的愿景也不清楚，故事讲得模模糊糊，你招来的大概率还是外包形式的人。

很多老板误解了这件事，觉得招一个能做外包的人，就可以做FDE。最后又变成一个劳动密集型的工作，还是在堆人。

AI时代还有另一个悖论：客户说，你们都在用AI写代码，为什么我还应该付这么多钱？于是客单价下降了，但你堆的人并没有少。

晓辉：但这件事是渐变的，没有一个那么清晰的门槛。不是一个人今天一定能端到端解决、交付，另一个人就一定不行，他会持续学习和成长。

所以外包形式也有价值。至少今天能把一些有认知、有能力的OPC或者创始人的想法落下去，起码往前推一步。

你说的是一个合格的、理想画像里的FDE，可能是CTO级别的，对吧？

若愚：对，我说的是一个很理想的画像。人生不如意十有八九，但理想还是要丰满。

假设晓辉出来做一家公司，帮助企业AI转型，你自己肯定是第一个FDE。你可能会招一个很厉害的工程师，但最难的点，是你的能力很难复制。

你很难再找到另外一个人，以你这样的效率、这样的深度，去做同样的事情，拿到同样的客单价。

你的客户也很难接受：你跟他聊得这么深，突然换一个人来跟他聊。

过去这件事有解法。咨询公司会把角色分成两类，一类是BA，business analyst，商业分析师，做商业分析和产品经理的工作；另一类是软件工程师，帮你写代码。

今天大概率不会再雇那么大一个团队，而是把两类角色更多融合到自己身上。

但反过来，如果想把业务拓展开，还是要做一样的事。只是可能倾向于不招那么多人，让每个人都能连接更多的点。英文叫connect dots，把更多的点连起来。你不能只会写代码，也不能只会做商业分析。

晓辉：还有一种解法。我跟一些做FDE的老板聊过，大家会明确界定，帮企业AI转型的边界在哪里，交付的单元是什么。

到底怎样算转型成功？你希望达到什么标准，才算这一步完成？

转型不是一蹴而就，可能分成很多阶段。比如拆岗位、拆流程、培训，或者精简人员，再或者把业务放大。不同阶段，定义的服务价值是不一样的。

在双方约定的范围里，把预期讲清楚，就可以交付一个确定的结果。比如交付一组Skill，或者一组岗位Agent，可能这一步就完成了。

不能说一次服务，就把整家公司彻底变成AI原生公司，也不现实。

商业的本质，也是在约定的范围内，交付一个特定的价值。

06 局部提效，为什么会被组织卡住

若愚：这件事我跟很多人聊过，跟一批真的下场做FDE公司的人聊过，很有感触。

组织问题：AI落地的最大卡点

这个话也说了很多遍，包括我们在香港那次活动上也说，最后都是组织问题，是一把手工程。但不幸的是，从外部做咨询，其实很难帮人解决组织问题。

为什么组织问题会让你部署的Agent不工作？因为流程本身的卡点还在那里。上了Agent的部门做得很快，但不能让整个公司提效。

举个简单例子，原来的SaaS公司，做一个企业级软件。市场先打广告，用户看到广告，销售接触、签单。客户进来以后，客服帮他完成设置，开始使用。出现Bug，客服支持，工程师修Bug，循环往复。

这种企业最容易AI转型的，肯定是产研，工程师和产品经理。过去两周发布一次，今天能半天发布一次，因为一个功能半天就做完了。

如果销售和客服的流程、制度没改，他们跟不上这个迭代速度。

很多To B公司的节奏，是被客服和销售卡住的。销售要充分理解产品做了什么更新，客服也要知道怎样支持，你才能发布。

To C产品的发布周期，可能由工程师、产品经理决定。To B产品很多时候是客服决定，你不能乱发布。

所以产研无论提得多快，如果其他部门把它卡住了，就没有整体意义。

你强行给工程师提效，会出现什么？工程师做得很快，但没有带来正向结果，因为公司的销售额没有上升。

对工程师来说，做得越快，工作量越大，活越多。老板又说，你们做得挺快，要不缩减一下团队规模，先从你们开始？

于是你做得越快，越把自己蒸馏成一个Skill。很多企业直接上Agent的时候，员工非常抵触，觉得别搞这些有的没的。

可这件事，又不是产研靠局部努力能改变的。这只是一个例子，还有别的例子，但最后都是需要老板有很深的认知和魄力。

我自己的感觉，与其一上来做大规模的企业AI转型，不如先帮老板自己转型。先提升老板的认知。他自己都不明白你在干什么，就支持不了你。

如果老板在和稀泥，你进去的时候，组织里其他人看你的第一反应是：这个人哪里来的？老板是不是请他来搞我们的？那你的工作就很难开展。

晓辉：是这样的。如果一号位脑子不清楚，这种活接不了。自己得有认知，才能带动下面的人，肯定是一把手工程。

但还有一个问题，怎么让大家理解这次AI变革？AI不光影响企业，也影响每个人。不去用这些工具，水位渐渐上来，淹掉的可能就是自己。

大家对“把自己蒸馏成Skill、贡献给公司”会有很多想法：要不要把自己的命革掉？为什么要为公司的加速，把自己的饭碗拿掉？

固然大家可以慢一点，抵抗可以让变化慢一点，让公司竞争力差一点，也许不至于这么快被开掉。但问题是，其他公司在加速。这是一个竞争中的困境。

换个角度，不管怎样，AI作为新的生产力工具，都需要去适应。它可以帮你节省重复性的脑力劳动，节省时间，让你去想新的需求和机会。

哪怕公司把我开了，因为我已经在跟AI一起协同进化，我也可能比晚一些出来的人，更早知道市场新需求在哪里。

我一直是特别乐观的倾向。有人会说，你站着说话不腰疼，很多人没有那么强的能力。但我是相信人的潜力的。

很多时候，长期的教育模式、思考方式，让我们对确定性有过强的执念。人生本来就不确定，被一家公司雇佣，本质上是阶段性的。

怎样让自己成为有能力的个体，持续提供价值、提供服务，让大家知道你的价值，是很关键的事情。

若愚：这个问题本质上，是大家戴的帽子不同，KPI不同。我给大家说点非常真实的东西。

你用不用AI，转型、提效，老板脑子里看的是企业营收和成本。成本无非原材料、制造、人力、管理这些。

对老板来说，能提高营收，能降低整个管理和运营成本，就是有价值的。为什么现在很多转型先做销售端？因为回报能量化，能看见结果。

一个老板创业这么多年，有时候你觉得他无情，原因是他要为企业的生存负责，这是第一KPI。

再往下走一步，企业大到有副总、VP、总监这样的规模。他们确实想把公司做好，但内心还有一个很重的KPI：怎么把自己的团队、工作范围做大？

• 第一，让自己在公司的位置更稳；
• 第二，下一份工作来临时，更有故事。因为他不是公司的创始人。

这就是为什么很多企业在上行期疯狂烧钱、招人，最后变得很臃肿。公司有钱的时候，VP们都看到了扩张地盘的机会。

再往下走到产品经理，真实客户的需求可能是什么？“我需要很快招到人，来我的餐厅打工。经常要招能讲西班牙语和英语的人，而且约了二十个人，一半不来。”这是一个很具体的需求。

但一层层到了产品经理这里，可能就变成给老板画个大饼：“咱们要做一个端到端、AI赋能的智能人才管理平台。”

为什么这么说？因为这么一说，工作范围变大了，简历变好看了，老板也会给更多资源。

到了工程师这里，他想的是，你到底要做什么需求？什么叫端到端、AI赋能的智能人才平台？根本听不懂。

每个角色的KPI不一样，一层层传下来，真正干活的人，离为企业创造效益已经很远了。这个时候工程师自己出来卷，是无效内卷，甚至卷得越快，处境越糟。

经济上行的美是什么？企业有充足的资源，老板往往展现出空前的民主。你爱干什么干什么，只要愿意做事、愿意创造，就给你钱。很多探索性的组织也是在这个环境里形成的。

一旦下行，老板就开始锱铢必较，每一分钱都得用在刀刃上。这时候你做任何事，都可能做得越多、错得越多。

你上了AI工具，效率提高，做得风生水起，但只要犯一次错，很多人盯着你。这是限制很多人的一个很真实的点。

我们常说，大家要有自主意识，不要被时代抛弃。但在组织里面，你被裹挟，身不由己，这确实很难。也要对每个人有共情。

晓辉：没错。那怎么办？接受当下，努力用AI吗？

很多人还在企业里面，各个岗位、各个地盘，都要赢得老板的注意。刚才已经有一个建议，站在企业挣钱的角度，想自己做的事有什么价值。还有什么建议？

07 先从自己感兴趣的地方用AI

若愚：第一，人是叫不醒装睡的人的。做任何业务，第一要义是挑选客户。很多人你服务不了。

晓辉，你有孩子。当孩子不想学习，你逼他，他学不进去。他得先搞明白为什么要学习。

所以第一步，是挑选那些已经醒过来的客户。碰到他，你能感觉他真心向你求教，才有可能帮到他。

那些还没醒过来的，先让社会教育他。教育所有人不是我们能完成的事，是整个社会共同的协作。等他经历得足够，自然会回来找你。

在此之前，先把已经醒过来的客户服务好，做case study，做案例。以后意识到问题、还在继续经营的人，会来找你。我觉得这是能做的办法。

晓辉：但你说的还是偏FDE、偏AI转型。对大多数在职同事，他们还没到创业阶段，日常工作要做，公司也在推AI，让大家用各种AI产品。

很多人有一种感受：为什么要用？用了还得投入时间，好像没提升太多效率，还有很多损耗。对这个有什么建议？

若愚：如果工作暂时让你觉得用AI没有价值，先找到一个你觉得有价值的地方，玩起来。

举个例子，我第一次用DeepSeek，是跟几个发小一起打游戏。Dota，你们玩过吧，就是魔兽争霸的一张地图。有个同学给每个人设计一个人物，我们就想，能不能把自己设进去，玩自己的角色？想法很好，但我们又不想去学怎么改地图，就用DeepSeek来做。最后还是有一些Bug，大差不差，还差一点点。但我们那个小群，硬是熬到凌晨三点，讨论这个东西怎么做。

一个朋友写文档，说这个英雄的技能应该怎么设计，其他人一起讨论，我负责用DeepSeek把它做出来。

这说明什么？当你真心觉得好玩、有兴趣，真想解决这个问题，你就会用上工具。

我的第一个建议，就是找生活里的一个场景，觉得有乐子，用AI去玩。无论你想减肥、控制饮食，都可以自己做个东西，把吃的东西拍一拍，看看卡路里。

如果有孩子，教育也是一个很大的场景。暑假的时候，有个九岁的小孩，老师发来一堆特别抽象的文档，说这是全部暑假作业范围。我看完也没看懂，就把它扔给Codex。

它深入分析以后，帮我做了一个网站，安排六周的计划，每天打卡、积分，积累的分数可以换礼物。最后六周之内，作业全部做完了，特别好。

这些日常中真实的场景，你把AI用上，自然而然就会学会。

具体在工作里怎么用，我觉得需要一点悟性。作为大组织成员，推动AI最好的场景，是老板真的醒过来了。有一天他向你求教，说Max，或者晓辉，我看别人做得很快，我们也要快一点，能不能教教我？这个时候，如果你已经积累相当多的经验，就是发挥的时候。

但老板没反应过来时，也不要硬尝试改变老板。

晓辉：我很认同。在组织里观察，不同部门的AI转型进度差别很大。有些部门很鼓励，会让更多AI原生的人才被看见；其他部门里，这些人才可能流失掉了。

现在变化非常大，AI原生的人才很敏锐，也知道企业状态怎样，流动性变得比较大。

若愚：所以从老板的角度，如果团队里最好的人在加速流失，一定是哪里出了问题。最强的人往往最先走。

很多企业的腐化，就是“死海效应”：最强的人先走，剩下的人越来越弱，弱的人又只能招更弱的人，最后公司走下坡路。这是一个很好的观察指标。

如果自己是公司里的员工，也要观察组织里最敬佩的那些人。假如他们在加速流失，你最好开始谋出路，别一直死守。

一个组织慢慢降级，形成死海效应，你如果有能力，会很难受，因为被越来越多的人不理解。

晓辉：回到你刚才说的，在生活里发现AI有趣的用法，我也觉得很好玩。我最近常用的功能，是让AI看日记。

我会每天用语音把前一天的一些想法写下来，再叫AI去读Notion里的日记。比如用Codex，让它看看这段时间有没有我没关注到的东西，根据记录识别行为模式，哪些地方还有待提升。

这些记录先写下来，再同步到Notion。我也会让AI帮我复盘以前的日记。

离职之前，我想过，不再日常上班、打卡，会不会焦虑？于是回到自己当年创业那段时间的记录，发现其实不焦虑，一点都不焦虑。这也给了我离职后的信心。

日常记录里，会有一些你自己没发现的模式。点滴积累久了，模式会涌现出来。让AI帮助自己更好地洞察这些东西，很有意思。

若愚：而且这是一个积累。我看到过一个案例，有人把过去产生的数据扔给AI。他很茫然，不知道要找什么工作。

AI分析行为模式以后，给了十条建议，说这是你没有意识到的能力，再深入挖掘、培养，可以找到相应的机会。AI可能会帮你看到一些自己没看到的东西。

晓辉：关键是你得有日常记录。现在写日记很容易，直接说就行。

有一种内容，比如这次直播预约的文案，我是自己手敲的。因为很短，我希望把为什么邀请嘉宾、怎么认识、感兴趣什么，自己写出来。

另外一种，是用语音说出来，让它帮我转写，这个模式非常顺畅。

若愚：这个是必须的，也建议大家用语音输入的工具。

晓辉：微信输入法就可以用语音。

若愚：有一类产品还有个区别。我用了海外的Typeless，它不只是转写，会把长篇大论里很多口头词、不太清楚的表达清理掉，整理成文档级别的东西。

比如分段、一二三四的列表，都帮你处理得很好。

我们人的大脑内存不是很大，需要一来一回的交互。说一句话，会刺激下一句话、下一个念头跳出来。所以思考的时候，不一定要憋在那里冥思苦想。

过去有的人喜欢拿笔写，也是刺激思考的方式。今天可以用think aloud，把想法大声说出来。

找这样的工具，一直说，不要担心流畅不流畅，让它帮你整理成文档。尤其对产品经理，这个效率很高。

直接转写，可能留下一堆“嗯”“啊”，丢给AI，它有时也不容易理解你想表达什么。

晓辉：AI现在也会帮你过滤，已经很聪明了。如果不想付费，微信输入法也可以，语音输入也还不错，还有一些直接转写的工具。

这个话题岔开了，我们再回到创业。

08 效率，怎样变成更好的生活

晓辉：刚才讲了FDE、在公司里转型的状态。如果抛开服务企业转型，你有没有关注其他创业机会？比如面向C端，或者Agent。

这些方向似乎也很卷，大家怕被大模型吃掉。我前两天看a16z的一个分享，觉得讲得挺好：大多数人其实没那么关心效率，没那么关心提了多少效。

大家关心的是怎么过好生活，怎么更有趣、更有创造力，有更丰富的人生体验。这个方向可能有很多创业机会，你关注过吗？

若愚：有很多直接或者间接的机会。你刚提到生活更好，这件事间接产生了一个很厉害的公司，叫Supabase。

你很难想象，在谷歌、亚马逊，还有阿里云、腾讯这样的厂商已经占据云市场的情况下，还能冒出一家云端数据库公司，用的还是PostgreSQL。

它厉害在哪里？我用这个产品，从头到尾，几乎没点进去过数据库的界面。我用过三个页面：登录页面，拿API token的页面，付费页面。

体验是这样的：我说要做一个网站，代码都写好了，现在部署到云端。服务器用Vercel，数据库不知道用什么，又不想用AWS，就用了Supabase。

给我一个链接，注册一下，后面的所有配置，通过MCP和API，让AI自动完成。

甚至查询数据，我没有自己查，也没自己写SQL，都是AI调用API查出来，再渲染成表格让我看。

用了一段时间，它提示我，用量到了限制，需要付费，我就去付钱。

对做软件的人来说，这几乎是一个终极愿景：希望用户疯狂喜欢自己的付费页面。可惜通常大家最恨的，恰恰是付费页面。

它为什么能吸引用户？本质上不是造了一个更好的数据库，而是让工程师省下大量繁琐的配置时间。工程师因此可以享受生活，或者把脑子花到其他地方，所以更愿意用它。

它的功能不一定比AWS更强，肯定没有那么全，但它回应了你说的那个点：看上去是数据库产品，其实也是让工程师人生变得更美好的产品。这里面是一个很大的商业机会。过去所有已经被证明可行、有价值的服务，可能都可以为AI重做一遍。核心是把链路接起来：用户怎样通过AI，用MCP、函数调用，或者其他连接方式，连上系统的API，把事情自动完成，再把后续付费流程打通。

过去铺天盖地的广告，加上销售、客服，才能走完的过程，有机会被新的方式改变。

晓辉：我觉得它还是解决了用户痛点，大家不希望繁琐地弄那些事。但它解决的仍然是效率问题。

工程师提效，节省时间，可以有更好的生活。但什么叫更好的生活？

比如短视频，人们通过视频获得更多有意思的信息，这算是一个更好生活的方向。面向大众，它是消费。这种新的消费机会，你觉得有吗？当然这个问题很难，真有的话，就是下一个大的方向了。

若愚：这个问题比较抽象，我们不太可能在直播里给出一个特别完整、马上能操作的方向。但如果从第一性原理看，你会意识到，所有有价值的东西，最终提供的都是情绪价值。

刚才Supabase那个案例，看似工程价值，其实也是情绪价值。我从繁琐配置里省下时间，就算不干活，去睡觉、喝咖啡，也可以，我很开心。

当体验、情绪到了那个位置，自然会为它付费。

咖啡也是情绪价值。它给你接下来可以专注工作的确定性。比如早上七点起来，七点半开会，担心后面会议状态不好，就用咖啡把自己叫醒。

因为给了你这种确定性，你才会反复购买。

所以我真心觉得，没必要把看起来为了工作的提效，和生活里的消费品完全割裂。你做一个东西，有人愿意付费，多少都提供了情绪价值。

为什么有时候觉得自己的工作没价值？你收这份工资，不一定直接创造用户价值，但你可能给老板创造了情绪价值。

你守在那个位置，守住那个流程，老板内心就安定，觉得这件事不会崩。有人帮我守着，就能出去打高尔夫、喝酒、吃饭了。

公司招一个特别强的人，也有类似逻辑。老板担心AI时代落后，希望有强的人来带这件事。人到位以后，焦虑下降，同时又真的把业务往前推，这就是配得上那个价值。

只是不同服务的客单价不一样。

小区旁边的早餐店，为每天上学的孩子提供一份健康早餐，有鸡蛋、玉米、馒头，客单价可能十块钱左右。解决企业老板一个重大的问题，客单价就完全不一样。

背后的原理，是你缓解了那个有付费能力的人的焦虑。

再往前推一步，我觉得真正用户付费的原因有且只有一个：这件事情如果做错了，代价非常大。

为什么家长为孩子教育投入很多钱？因为希望高考只参加一次，知道时间一去不返。为什么得了一个特别难治的病，要花很多钱求名医？因为担心这一次看错，命可能就没有了。

为什么有人愿意在医美上花很多钱？因为如果手术做坏了，就没有以前好看。为什么顶尖人才值很多钱，也有类似逻辑。

所以回应你的问题，创造价值，本质上是在缓解一个有付费能力的人做错事的焦虑。你能缓解他的焦虑和恐惧，就有机会赚钱。

甚至视频平台上那些卖很便宜的课，有的人买九块九的课程，并不是买来学完，而是点击购买那一刻，心里舒服了一点。

还有暑假报语言培训班，很多人去了没学到多少，可能主要交了朋友。但报班的核心原因，是缓解内心焦虑，告诉自己，暑假有在好好学习。

从这个角度理解，你的公司为什么能赚到钱，其他很多东西就是战术层面的表现。

晓辉：你把这些全都归到情绪价值，也可以说得过去。但一般人不是这样理解，大家还是把效率归效率、情绪归情绪，拆开一点，比较好定价、定位，也好划分赛道。

本质上可能确实是用户愿意为确定性买单，或者为需求买单。你做了更好吃的一顿饭，减少了恐惧，或者像Labubu那样，给人毛茸茸的感觉，也能跟别人聊天，有谈资。

它们满足的是不同维度的需求。

如果都从情绪价值想，也确实有意思。老板有时候付费，不一定只因为你推进了AI转型。你缓解了焦虑，让他看到机会、方向、未来的确定性，他也愿意付费。

若愚：对。你看提效的本质是什么？老板看一眼资产负债表、财务分析，发现开支在直线上升，销售额却是平的。

你肯定不能只说，我是来给你提效的。提效的验收结果，应该是成本下降了，比如下降三分之一，要有一个算得出来的东西。

无论是削减流程，还是别的方式，都要落到这个结果。最好的方式，其实不一定是减员。

我们都不希望裁员。最好是用现在的人，把业务规模成倍扩大；或者人还是这些人，内部流程简化，能做事的人做得更快。

但要给老板讲清楚，你的成本确实下降了，而且能算出来。那一刻，他也是得到情绪价值：不焦虑了，觉得公司又活过来了。

晓辉：所以今天来看，上班如果能获得很多情绪价值，也是一个很好的工作。团队很好，领导给你支持，又给你付钱，又让你开心，就是一个很好的班。

09 招强的人，也可能是在省钱

若愚：你说了一个特别好的点。硅谷很多创业者都说过，作为一个顶尖老板，要招A类人才，招顶尖的人。

他们的理论是，顶尖的人只喜欢跟顶尖的人一起工作。这个大家听过，但背后有一个隐藏的东西，没有说出来。

为什么这么做？这些老板是希望降低人才成本。听起来反常识，招贵的人，反而是为了降低成本。

如果你真的招过顶尖人才，比如在美国可以拿很高年薪的人，就会发现，他入职前、面试的时候，会反复看团队结构，问工作范围，问自己的老板是谁。他特别重视这些。

如果团队里的人都很强，就给顶尖人才创造了很大的情绪价值。他会觉得，我在哪里工作，都是花一样的时间。来这里，不仅愿景好、事情大，让我兴奋；看一看团队，跟这些人一起工作，也特别有价值。

因为一直雇佣很强的人，他们互相给对方情绪价值，这就是降低人才成本的杠杆。

于是你可以说，你相信我们的愿景、相信团队，但我们工资付不了那么多。举个例子，谷歌给你一百万美元年薪，我只能给三十万，剩下的七十万用期权补。

人如果真的相信愿景、相信团队，是可能接受的。

但如果给他一个特别恶劣的环境，他觉得来这里就是受罪，那要么不来，要么说，既然要来，钱得给足。你给足了，还不一定能招到。

所以这是一个隐藏的东西：一直招强的人，其实是在省钱。

你招厉害的人是在省钱，反而招不厉害的人是在浪费钱。因为团队的氛围，会慢慢沉下去。

晓辉：没错，强的人会吸引强的人，很有意思。

我又想到直播前讨论的一个问题。你创业这么多年，讲了很多干货，那我们再聊具体一点：踩过什么坑？包括从上一家公司离开，是因为团队不够强，还是别的原因？

若愚：好问题。踩坑天天都在踩。为什么说创业不是人干的事？最难的地方，是每天都要做很多大大小小的决定。

不说一百个，可能至少五十个，要在电光火石之间做出来，有的靠直觉，有的靠数据。但很大概率，一大半决定都是错的。

错了，你得认错，挨打要立正。第二天洗心革面，再重新做。

所以踩坑非常正常。我为什么能讲出前面那些话？因为自己也招错过人，体验过好团队和坏团队。

有愿景地做、没有愿景地做，结果不一样；异想天开地做、回到用户去做，结果也不一样。

你是否深度剖析了用户在人性层面的东西，还是只从功利层面分析，出来的结果完全不同。

前面说的这些，听起来振振有词，其实你觉得有道理的地方，我都做错过。

到今天，让我做一个新东西，我依然忍不住脱离用户，产生幻觉，觉得这件事就应该是我想的样子。但我会反复检查自己。你也会这样，所有人都会。越有能力、越有经验，越容易这样。这是我们这些创业老兵的问题。我们太有经验了，反而不如初生牛犊。

所以第一个，是我依然会犯这种错。

晓辉：那你犯过最大的错，或者让你印象特别深的一个错，是什么？

10 为了维持和谐，失去了真正想留的人

若愚：我犯过最大的一个错，是在一个很关键的团队重新整合阶段。

当时团队已经出现两种做事方式和文化。一类倾向于硅谷大厂、像AWS那样做事；另一类是创业公司的方式，也不是莽撞，是很有逻辑地做事。

团队规模很大，我下面有一百多号人。我的核心犹豫，是倾向于先维护和谐氛围，把这两类人捏到一起。

我幻想，通过自己的协调，能让他们一起工作。但因此，让我失去了几个真正顶尖的人才。

失去他们的那一刻，我才下定决心，亲手把几个看起来很顶尖、过去很多公司招不到的大厂总监级别的管理者裁掉，对团队做了一次真正的清理。

原来有四五个层级，后来变成中间只有一级。而那一级，全是工程师领导，没有纯粹只管人的角色。

这件事对我的触动非常大。做领导，不能首鼠两端。思路一定要清晰，坚定选择：我要什么样的团队文化，什么样的做事方式？

然后找到能这样做事的人，把权力交给他们。

作为领导，一旦左右摇摆，就给下面的人很多腾挪、寻租的机会。

短期看，团队好像比较稳定，似乎大家能一起工作。但真正做事的人，每天很难受，因为本质上大家不是一类人，做事方式不同。

晓辉：最后是创业模式胜出了，对吧？

若愚：暂时是创业模式胜出了。

最后我们把一百人的团队层级，砍到中间只有一层。我直接带五十个人，另外五十个人，分给三个很强的工程师。

这几个人既有能力引导团队，自己又还在一线写代码。

开发效率和质量，看起来完全是另外一家公司，很快就起来了。大家不用天天扯皮，没那么多事情，就是干。

公司的方向也很清楚。在同样的市场、同样的渠道里，把产品线扩展到用户整个流程的后一步，从招聘做到考勤、发薪。

战略方向清晰，重点列出来，就这样做。

从会用AI到做成挣钱生意，中间还需要什么？

晓辉：当时这个阶段，已经算AI阶段了吗？是这两年的事吗？

若愚：那时还没有走到今天这个AI状态，但已经意识到传统的组织方式不对了。

为什么之前会招那些人？2021年，硅谷的钱太多了，我们当时融资也很顺利。公司有钱，业务又疯狂上涨，就一定容易产生一种极其民主的状态。

就是我刚才说的，下面任何人，只要你想干活，我们都充分支持，因为有钱。

所有VP都会抓住这个机会，说咱们扩张团队，干点大事。

晓辉：原来前面讲的是你自己的团队。

若愚：对。团队高速扩张，又会招更多这样的VP进来。

晓辉：原来真的都是你自己踩过的坑。

若愚：是的，自己踩过的坑。

晓辉：估值高也不一定是好事。太高，下一轮有没有人接，或者撑不撑得住这个估值？还要考虑团队怎么收回来。

若愚：对。但那时不只是我们公司的问题，不只是硅谷，全球都有这个问题，中国公司也一样。

后来很多人说AI裁员，我觉得不能全归因于AI。本来就需要收缩，因为当年那一波钱太多，导致组织无序膨胀，今天需要回来收缩。

AI给很多企业一个理由，战术层面上，老板也确实看到了收缩的机会，于是选择收缩。

晓辉：这是一个大坑。还有没有别的？我们再挖一挖。

若愚：这是第一个大坑。第二个让我想想，要不你给点提示，想听哪方面？坑太多了，组织、战略方向，还是日常工作？

11 怎样把个人的工作，连到公司的愿景

晓辉：我还是想听关于人的，关于对齐人心。

在组织里，大家真的能对齐愿景吗？能不能把自己的方向，跟组织愿景对齐起来？

你们做HR、蓝领招聘SaaS。每个人都带着不同目的进入一个组织，怎么让个人的自驱力、agency，跟组织方向和目标对齐？

若愚：这个问到了很经典的问题。很多公司都在学OKR，但最难的一点，就是你刚才说的：

中间隔了太多层。

这件事怎么解决？第一，企业创始人这个层级先对齐。我们为什么做这家公司？

我不拿Workstream举例，拿大家知道的P2P、小额贷款来说。愿景不同，做事方式完全不同。

如果企业愿景真的是科技向善，做普惠金融，你的场景可能是一个从小地方来上海打工的人。他付不起市中心房租，只能住得偏远一点，但又要去市中心工作。

你贷给他三千块钱，让他买电动车，给一个比较合理的分期利率，一年以后总共花三千六、三千八把钱还了。

他解决了问题，小贷公司也有回报。按照这个愿景，会这样设计产品。

但有一些公司，愿景走歪了。同样是小额资金、分期还款，做着做着，变成了从学生、穷苦的人身上赚很高的收益。

到底要科技向善，还是只想赚很高的年化回报？这是创始人级别，要先想清楚、对齐的事情。

对齐以后，中间的执行层要打通，不要有那么多部门。领导团队的人，一定是真正能做事的人，别只是在扩张自己的地盘。

一旦带团队的人能做事，就会特别关注，愿景到底怎么实现？他们会逼着老板把roadmap、战略路线图说清楚。

很强的员工，是能倒逼老板想明白的，不是大家空对空地讨论。

中层逼着老板把路线想清楚，大家又觉得符合这个愿景，工程师才会知道，我写下这个功能，怎样帮助公司向善？

这样工程师才可能把自己的OKR，对齐到公司OKR。才有你刚才说的，作为一线员工，真正帮助企业向上、向善、向好发展。

这时候员工会主动想用AI增效，因为他也等不了了：为了把这个事做好，一定要更好、更快地做。

若愚：做得更好更快，客户和社会得到价值，你们也有增长，老板赚到钱。老板又是相信这个愿景的人，才会把钱回馈给员工，发奖金。

于是员工才真正体会到，上了AI，帮公司提效了，创造了价值，自己也赚到了钱。

这才是positive loop，一个积极的正向循环。

但一旦反过来，就会是一个向下的循环。老板没想清楚，中层在和稀泥、扩张地盘，底下做事的人看不到愿景和价值，卷得越多，处境越差。

晓辉：这也是为什么企业文化很重要。像腾讯一直坚持科技向善，这个文化传递得比较好，也会有一系列思辨：到底什么算向善？什么情况下，工程师能够做到向善？

这些是以前在公司经常讨论的话题。比如短视频、直播，不同平台的推荐算法不同，算法本身也有底线，要在具体行动里落实。

当然，你讲的比较高级。除了商业能力的盈余，还要额外考虑社会责任、社会价值。但大多数中小企业，可能还面对很多很具体的生存问题，也需要关注。

晓辉：我也挺想听你的经验，因为以前创业也踩了很多坑。

我最大的坑是现金流管理，还有招人太快。招人确实得稳住节奏。要招厉害的人，不能招看起来厉害的人。

这些经验很重要，但很多时候，只有自己踩过以后才发现。

若愚：你说得很对。我为什么看起来在讲一些很虚的东西？其实这是一个链条。

为什么先讲好的愿景？因为没有好的愿景，很难以合理的成本，招到真正强的人。

人才密度越低，就越容易陷入短期的生存危机；人才密度高了，从生存危机里挣扎回来，也会更简单。

所以，解决短期的人才危机，恰恰不能只头痛医头、脚痛医脚，要先回到做企业的本心，把问题梳理清楚，再一层层往下走。

这个事情很难从下面一点一点往上修，得先从上面想清楚。

有时候大家抱怨老板不好，真的是这样。企业发展得很好，通常因为团队、每个员工做得好；企业突然变差，很多时候是老板的问题。

这不是博取同情。如果最高层没想清楚做这件事的战略意义，下面每个员工就可能四分五裂地做。最后老板还怪员工不努力，于是又进入恶性循环。

12 几条可以探索的AI创业路径

晓辉：今天这些经验，都是创业里一步步积累起来的。能不能再聊聊接下来关注的方向？

你之前跟我说过，“AI时代的麦肯锡”。现在还看好这个方向吗？

若愚：我觉得可以做，也特别适合你做。

我大致觉得有几类事情可以做，今天把我认为可能做的方向讲一下。当然，这里是战略方向，没有全部战术细节。

第一类，你看到一个传统行业，它运作得很好，但用户体验不好，或者整体效率低下。也有一些软件、服务帮它运作，但今天可以做一个完全AI原生的产品，重塑它的体验。

这是很好的机会。比如美国餐饮业，很多方面还落后，一些事情还在纸上做，系统又多，人也不怎么用科技。

这一类机会，需要你对行业有非常深的洞察。真的能接触行业老板、真实用户，跟他们讲同一套语言，能把产品部署到他面前。

最至关重要的一点，是过去可能要一个极复杂的产品，让二十个人一起协作，今天你的产品能让一个人完成。这是很有价值的机会。

第二类，是一个运作很好的业务，做了十年、二十年，还是传统运作模式，但内部数据非常多。

这些数据，是OpenAI或者DeepSeek没有、外部查不到的数据。

他们内部想转型，但被我们刚讲的组织问题卡住，转型不了。

因为某些原因，他突然想做一个新部门，或者一家新公司，找你来做。你们又很意气相投，那你就可以用创业的形式，帮他做这件事。

把数据用起来，做垂直行业模型，或者重构行业流程，这也是一类可以探索的机会。

在这个基础上，还有我们说的麦肯锡。我不加入这家公司，而是从外部，以咨询方式帮你落地，那就是“AI时代的麦肯锡”。

你到底是通过FDE帮他部署一套Agent，还是通过咨询重塑业务流程，提高销售业绩，降低内部成本？这都是咨询公司的逻辑。

再有一类，是你有特别的兴趣爱好，又掌握AI工具，靠自己做出一个很有价值的小工具。

有几万、十万用户愿意付费，足够养活自己。

这种产品有两大优势。第一，你跟这群人待在一起，自己就是深度用户之一，所以做得特别细。用户可能觉得，你就好了那么一点点，但这一点特别好。

第二，用户跟你的关系特别近。你是OPC，和用户关系很近，就算有竞品，也可能看在认识你、信任你的份上，愿意继续用你的产品。这是一条OPC的路径。

还有做模型、做数据供给。这些当然也可以赚钱、可以融资，但特别卷，除非你是行业里极其顶尖的人，否则要很谨慎。

其他一些方向，看似有机会，但进去以后会发现，卷得非常深。

晓辉：你已经给大家指了五个方向。

无论是传统行业AI提效，从外部帮企业转型，再识别新的机会，或者做小众应用，都在非常具体地解决问题，我觉得很有启发。

但你没有特别提Agent，或者基础设施这些层面的创业。好像硅谷讨论这些更多。

若愚：Agent是刚才这些机会里面的一种产品形态。

比如做一个传统行业的AI原生产品，你可能就是通过Agent，弯道超车，成为新的system of records。

晓辉：system of records怎么理解？

若愚：比如公司有OA系统，里面沉淀了员工的基本信息、联系方式，后面有福利、薪资。人力、财务可以算钱，大家也可以沟通。

这是承载业务数据的系统。

再比如营销系统里放着所有客户资料，知道哪个客户是哪位销售带来的，应该怎么算提成。也是类似的东西。

前面说的这几类产品，本质上都可能是在做Agent。

但为什么今天说Agent不好做？很多投资人也不傻。如果行业可以创新的深度没那么深，你叫它Agent、harness、Skill，说不好听一点，可能就是一个prompt。

投资人不会花五百万美元，只是买你一堆Markdown文件。

你的产品价值到底在哪里？用Agent革新的工作流，必须给用户体验和效率带来足够大的提升，他才愿意抛弃过去的产品，来用你的产品。

这样你才会更快地重新构建数据系统，再在这个数据系统上，构建新时代的SaaS。这是它的逻辑。

晓辉：关键还是解决用户价值，在特定时间里，在AGI到来之前，给用户一个确定性的交付。

若愚：差不多这个意思。然后，尽快构建私有数据壁垒。

你做的事情、创造的价值，还有产生的数据，千万不要只是成为外面基模的后训练数据。

这些要沉淀在自己的私有壁垒里。形成你自己企业内部的飞轮，而不是一个外部的飞轮。这才是能够创业的核心逻辑。

晓辉：很开心跟若愚有这次对话的机会，也学到了非常多。今天我们就到这里，非常感谢若愚，我们下次再连线。

若愚：好的，谢谢大家，拜拜！

晓辉：拜拜，祝大家晚安。

JOTO 企业落地观察

• 企业部署AI系统时，不能仅将FDE视为技术交付角色；FDE需具备跨职能穿透力，能直接承接客户一线反馈、转化为产品设计并完成轻量级部署，这对组织内角色定义与能力模型提出新要求——需打破BD、产品、研发、客服的传统壁垒。
• 智能体工程落地的关键，在于缩小用户与核心开发者之间的距离。当一个FDE能同时理解业务场景、编写提示词、调试RAG逻辑并完成现场部署，意味着智能体不再依赖长链条协作，而是以单点高耦合方式嵌入真实工作流，这对团队技能复合度和工具链集成度构成实质性挑战。
• RAG知识工程在企业场景中必须锚定可验证的业务闭环。文中提到用向量API匹配JD与候选人信息获得‘非常非常好的效果’，说明RAG有效性不取决于通用语义精度，而在于能否在具体业务动作（如小时工匹配）中替代原有判断路径，并被客户用付费行为确认价值。
• AI安全治理需前置嵌入产品演进节奏。平台从招聘SaaS转向覆盖考勤与发薪，意味着处理数据敏感度跃升；而GPT-3.5出现后立即启动大规模产品转型，表明企业在引入AI能力时，安全边界评估不能滞后于功能迭代，须在每次能力扩展前明确权限控制、数据隔离与审计留痕机制。