Manus已经放开注册，DeepSeek的热度也依旧不减，在这波AI浪潮之下，很多企业的1号位都在思考：我们的业务，如何跟AI相关？我们需不需要AI产品化？

在AI创新院开学典礼上，曾打造“今夜酒店特价”的连续创业者、云九资本合伙人、AI创新院导师、混沌创新领教任鑫分享了关于“AI产品化的深度拆解”，对于企业的1号位来说，机会和红利应该从哪里入手。

以下是任鑫老师的分享。

AI产品化如何找机会：用户要的不是电钻，而是墙上那个洞

AI产品化究竟是什么?

我们不讲产品具体怎么做，而是聚焦于如何入手、从哪里开始，如何找到机会，怎么去挖掘，以及如何兑现。

按照混沌的理论（供需连），所有产品的机会、业务的机会，就是供给和需求重合的地方。用互联网术语来说，这叫产品市场契合（PMF，Product Market Fit）。就是用连接把供需连起来。我们如果是这个连接者，这就是我们的机会。

混沌经常提到的一个词是“十倍速变化”，那么AI带来了什么十倍速变化？是不是智能供给的十倍速变化？比如，原本要找人帮你写报告，可能需要两周时间，还未必能找到合适的人，现在，你打开电脑，输入一行字，报告就生成了。

以前人工智能是很昂贵的、稀缺的、很难获取的，但现在供给已经变得十倍好、十倍快、十倍便宜了，这就是供给的十倍速变化。

当供给发生十倍速变化后，你会发现这个圈变大了。圈变大后，与需求重合的部分就会出现一些新的重合点。

这些就是我们的新机会。

从这个角度出发，我强烈建议大家思考AI产品时，不要只考虑如何在我的产品里加上AI，也不要只考虑产品加 AI或AI加产品，而是应该思考：如果我能搞定更多的AI和智力供给，我应该如何用AI帮助用户更好地完成任务，解决问题。

这是两种不同的思考方法。

我相信大家都听过，“用户要的不是一个电钻，而是墙上的那个洞”这句话。所以，如果你是一家生产电钻的公司，当你思考如何在电钻里加上AI时，你会觉得很难。最终你可能会在电钻上加一个对话框，或者在官网上加一个对话框，但这没有用。

你需要真正思考用户要完成的事情是什么？比如他真的要挂一幅画，需要打两个钉子，钉子要打多高？这两个洞是否水平？这时就可以加上AI了。所以，我们要加在事情上，加在任务上，而不是加在产品上。这是加AI的一个具体思路。

AI产品化的挖掘之道：在“事”里面加AI，不是在产品里加AI

那我们怎么去挖掘呢？

一个比较简单的办法就是拆解用户任务的全流程，看他要完成的事情是什么？为了达成目的他做了哪些步骤？每一步他具体做了什么？他做这些事情是否感到累？如果他累了，我怎么帮忙。这就是我们的切入点。

即在“事”里面加AI，而不是在产品里加AI。

以搜索引擎为例，用户从提问到获得答案的步骤包括：定义问题、选择关键词、输入搜索、筛选链接、阅读理解、得出答案。

这一过程很复杂，但用户只想快速得到答案。因此，优化搜索引擎不应只是提升信息收集效率，而应帮助用户生成关键词、筛选链接、理解内容并直接生成答案。产品的核心逻辑应该是“更好地给你答案，帮你完成复杂步骤”。

我再举一个更明确的例子——

如果我是求职网站的老板，比如BOSS直聘的老板，我不会只想着在产品上加AI，而是会思考求职者找工作的全流程，如何用AI帮助他们简化这个过程。求职者从写简历、搜索岗位、投简历、与HR沟通、电话面试、线下面试到入职，每一步都很累，AI可以帮忙。

例如，AI可以为求职者生成定制简历，根据不同公司的需求突出不同优势；AI还可以判断公司是否靠谱，自动筛选并推荐适合的岗位，甚至自动投递简历。像JobBright这样的公司，就是通过AI帮助求职者写简历、匹配工作，甚至帮助解决签证问题。它的目标是“帮你搞定工作”，而不是单纯优化招聘网站。

还有更极端的例子，比如面试时，AI可以作为面试助手，提示求职者如何回答问题。这些公司的思路是找到求职过程中的痛点，提供针对性的帮助，而不是局限于传统招聘网站的模式。

JobBright甚至还会利用LinkedIn等社交平台，帮助求职者找到与目标公司内部人员的联系，通过推荐关系来求职，完全跳出了传统招聘网站的思路。

所以，不要只想着在产品中加AI，而是要思考用户完成任务的全流程，找到其中让他们感到疲惫的步骤，用AI优化。

例如，网上投简历可能不是最优路径，但通过大数据分析用户的教育和工作经历，帮助他们找到潜在的内推机会，这就是一种新的思路。创新的出发点应该是让用户更轻松地完成任务，而不是单纯改进现有产品。

所有传统企业的同学，千万不要上来就说：“我要搞个大模型”。这样想是亏钱的。但从用户需求出发，就是赚钱的。即使亏，也亏不了多少。一定要反过来想。

AI产品化的兑现：四个层次找到目标

接下来是如何兑现。兑现的方法有几个层次：

第一层次的方法是：我们可以用AI帮助用户更高效地完成老的流程。

我们可以逐个环节去抠，看哪个环节用户需要动脑子，我们就应该帮忙，让用户不需要动脑子，让这个过程更顺畅。用户不仅指我们的目标用户，也包括市场上的用户，甚至是你公司内部的员工。所有的产品都不是大家头脑风暴出来的。

你身边的真实用户场景和真实的业务场景就是最好的资源。从这里出发，让AI 产品自然生长出来。这是一个逻辑。

再比如，用户在听播客时，往往需要听完一整个节目才能获取感兴趣的内容，这很累。如果用AI来筛选并剪辑出用户感兴趣的部分，生成专属播客，就能省事很多。

同样，在社交电商中，不同团长需要根据自身特点修改产品文案，这也很累。如果AI能根据团长的风格和场景生成个性化文案，实现“千人千面”，就能减轻他们的负担。

第二层次的解决问题方法是：不管原来的流程，直接搞一个新流程。

直接创造新流程，而不是优化旧流程。例如，JobBright通过内推这一新流程，直接提升求职效率，而不是优化传统应聘流程。

再比如在儿童教育中，与其让AI讲课，不如通过AI引导孩子们参与辩论，培养批判性思维和表达能力。再比如批改作文，传统方法是老师批改，但AI可以提供更创新的解决方案。比如用AI以不同作家的风格重写作文，或者将作文中的场景用动画展示出来，帮助孩子更直观地理解写作内容，从而提升写作能力。创新的关键是跳出现有流程，直接用AI提供更好的结果，满足用户真正的需求。

整体上来讲，我们第一步想到的很简单，就是人类怎么做，我就用AI怎么做。

但在第二步，我们可以跳出来再想一下：用户要的目的是什么？人类的做法是受限于我们的脑子、我们的“带宽”。如果没有这个限制，你如何更“浪费”地使用这个智力资源，从而达到更好的效果，不要被自己束缚住了。

当我们做完第二阶段之后呢？

第三阶段的目标：是做得更好。很多人忽略了AI可以开拓全新的市场，而不仅仅是服务现有客户。

以往，高服务成本和使用门槛限制了市场，但AI降低了这些门槛，让原本受限的用户也能进入市场。例如，盲人和聋哑人等特殊群体曾因能力限制无法使用某些产品，但AI可以帮助他们，从而创造新的市场。

再如，美国的法律服务因高昂费用而限制了市场需求，但AI可以低成本处理小纠纷，打开一个全新的市场。类似地，拼多多通过降低电商门槛，成功开拓了新市场。

除了价格门槛，能力门槛也常常被忽视。许多用户在使用产品时会感到困惑，但产品开发者往往意识不到这些门槛。我们不要仅仅盯着竞争对手去抢夺那些已经成熟的市场，而应该看到门槛降低后，是否有一批新用户，他们或许是第一次使用我们的产品。

举个例子。我第一次意识到即使是买冰淇淋也有门槛，是因为在机场通过小程序买了DQ冰淇淋。DQ复杂的菜单让我本能地选择小程序下单。这说明，很多产品看似简单，但对用户来说仍有门槛。

另一方面，很多人会误以为自己没有需求，比如做导演或用Photoshop，但其实他们可能只是被门槛吓退。当门槛降低，比如美颜相机让修图变得简单，市场就会扩大。

更进一步，当新市场被打开时，用户可能不再是人类，而是AI或机器人——现有工具是为人类设计的，AI使用起来可能不顺手。因此，为AI专门设计基础设施是一个巨大的机会，比如为AI开发搜索引擎或浏览器。

以3D打印机为例，调整3D模型需要专业软件（如Blender），但通过MCP Server技术，AI可以通过说明书（如API文档）学会使用这些软件。

用户只需口述需求，AI就能操作软件完成任务。例如，在工业领域，为软件添加MCP Server，让AI学会操作工业软件，甚至结合工程师经验开发代理，实现标准化工作的自动化。

第四层机会是：假设五年后所有的工作都由AI完成，那么在你的产业里，有哪些基础设施的事情可以提前布局？我们可以为这一天的到来做哪些铺垫？

整件事情的本质其实是今天我们讲的做AI产品，不是做软件，也不是做一个互联网服务，而是在抢工作，是在做知识工作。其实，整个软件市场是很小的，而整个服务业才是一个大市场。

比如，我刚才提到的工程师。我们做的工业软件，其实是蓝翔技校的升级版，我们在教这些AI agent 如何使用这些工业软件，教它们如何开挖掘机。然后，我们会把这些agent派到工厂去工作，让它们在工厂里“领工资”，我们从中抽成。这就是新的商业模式。

讲到这里，大家可能会有一个疑惑：这听起来很技术。我们不是搞高科技的公司，我们是一家传统公司。我们缺程序员，怎么搞得定？

其实不是这样的。技术现在正在平权，AI正在平权。到今年年底，中级程序员所做的所有事情，AI都能做。我们在去年4月就已经实现了后端代码的 100%AI 编写。今年，我们的中台代码也是100%AI编写的，没有一行代码是人类写的。

当然，这些产品可能确实有点丑。不过，说不定下半年就会变好，或者你可以找一个好的设计师来改一改，很快就会变好的。

现在最恐慌的反而是那些原本就有技术的人，因为他们会发现，半年前还有50%的事情是他们能干的，现在80%的事情AI都能干了。所以我们应该疯狂地拥抱AI技术。当你越不懂技术的时候，AI对你来说增量越大。

我们主要是给大家换一种思路，如果你们想详细了解，我们混沌的线上课会有详细内容。所以，大家不要总想着怎么做AI产品，因为一旦这样想，你就会陷入技术细节，觉得有技术卡点，然后去看那些公众号，看一堆技术模型又怎么样了。这样做不对。

AI产品化的本质：从业务出发，给AI找活干

大家应该从自己的业务出发，从自己的市场出发，思考我其实不是在做AI产品，我是在帮AI找活干。帮AI找活干，最重要的是有活，而不是做出一个AI产品有多难。

我再举两个例子。

第一个例子是Abridge。它是专门帮医生做笔记的。

医生在和病人聊天时需要记录文档，他们每天要浪费大量时间在这上面。以前在美国，有一个专门的书记员角色来帮他们做这件事，他们甚至把它外包到印度。有人就想：这个活儿AI能干。于是，就专门成立了一家公司，让AI帮医生抄笔记。

第二个是YC（Y Combinator）的最新项目。

他们一直在寻找AI的应用场景，他们发现美国“Drive Through”（汽车外卖窗口）的点餐语音交互服务常外包到南美，这件事明显可以用AI去做。于是，他们成立了一家公司，为连锁餐饮企业的“Drive Through”提供AI语音交互服务。

所以，未来的活儿都会被AI干掉。唯一的区别就是谁的AI干掉的。如果你能先识别出这里有个活，然后你先培养AI来干，接着你先派AI去干，那你就赚到了。唯一的区别是谁的AI去干。我们是被AI挤压的人，还是我们是培养AI以及派遣AI的人，这就是差别。

最后，总结一下——

第一，机会在于我们用AI这种十倍速变好、变快、变便宜的智能去覆盖更多的用户任务，帮用户干活。不是在那些高科技领域去帮用户干活，我们的机会是在更多平凡的任务上。

第二，在为用户干活的整个过程中，去理解他想要的是什么，他每一步有没有感到疲惫，我们在哪里可以帮到他。要么减少他的疲惫，要么取得更好的成果，要么服务更多的用户，要么帮AI 做好基础设施。

最后一点，我们是在帮AI找活儿，找那些可以帮上用户忙的活儿，并且用户愿意为这些服务支付工资。一旦我们回到这个本质，大家就会发现这件事情和每个人都有关系。

我们在定义什么是值得被做的，然后我们再培养更多的AI去把这些事给干掉，一起来做出一个更好、更有价值的事情。这才是做AI产品，而不是简单地往产品里加一个对话。