本卷目錄
第一回 那張清單，是怎麼來的 第二回 三本你看不見的帳 第三回 「我們自己做了工具，為什麼沒人用？」 第四回 「那我們全集團一起上。」 第五回 一個賣瘦身的，用最笨的方法贏 第六回 換我站到反方 外一卷 常見問題 FAQ 終章 知彼，知己上週，一通視訊。
對面是一個房仲集團的窗口，背後是好幾家分店、幾十個業務。
他丟給我一張清單，是他們業務部主管整理的：同行用 AI 做了智能派案、自動跟進、客戶資料庫、行銷自動化——一套接一套，密密麻麻一整頁。
意思很明白：人家都做了，我們全集團要跟上。
我看完，只問了一句：
「這張清單，是主管自己想的，還是他叫 AI 寫出來的？」
對面沉默了兩秒，笑了。
這篇文章，就是那一個半小時的諮詢實錄。你會看到一張焦慮清單怎麼被拆開，也會看到你自己公司的影子。
那張清單，是怎麼來的
焦慮寫的清單，和帳算出來的清單
我追問清單的來歷。
窗口很坦白：主管去看了同行，同行真的有在用 AI 系統。但主管自己不會用 AI，清單上的東西，他沒看過怎麼執行，「就是先把可以做的事記錄下來」。
然後他說了一句更誠實的話：
「主管的想法是，讓業務知道 AI 可以做這麼多東西——多少有一點販賣焦慮，你再不跟上就會輸人家非常多。」
我很喜歡這種誠實。因為這就是現在九成企業「導入 AI」的起點：
不是從自己的問題出發，是從別人的動作出發。
焦慮寫出來的清單，每一條都很急；
帳算出來的清單，每一條都很短。
反方這時候一定想說話了——
「可是同行真的做起來了啊。系統就擺在那，難道是假的？」
不是假的。問題是你只看見結果，沒看見投入。
每一套看起來很威的同行系統背後，都有三本你看不見的帳。
三本你看不見的帳
資料帳・成本帳・維護帳
第一本：資料帳
AI 的本質，就是數據化。
你看到的那套同行系統，AI 只是最後一層。
底下是人家整個公司早就做完的資料化——客戶紀錄、成交流程、每一筆案件的數據，養了不知道幾年。
我在視訊裡跟他講得更直白：你不知道同行砸了多少錢建系統，甚至不知道那是不是人家請工程師寫了很久的東西，AI 只是後來倒進去的。
資料不夠的公司，把同一套系統搬回家，跑不起來。
不是系統騙你，是你只買到了屋頂，沒有地基。
第二本：成本帳
成本帳最容易看錯的地方：你以為最貴的是訂閱費和系統報價。
不是。最貴的，是重資產開局。
一開始就砸下去做很複雜的 AI 系統——做完持續在維護，用的人不多、幫助也不大。錢卡在裡面，時間卡在裡面，人也卡在裡面。
我覺得創業的本質，有兩筆帳一定要算清楚：
投多少錢，賺多少錢；
投多少時間，換回多少時間。
第一筆大家都會算。第二筆，九成的老闆沒算過。
所以評估任何 AI 專案，我只先問一句：這件事，要花多久才能開始執行？
這週就能開始跑的，先做；要籌備半年才能上線的，你多半撐不到見效那天。
反方會說：「先做起來再說嘛，邊做邊修。」
聽起來很敢。但這兩筆帳沒算清楚就開局的人，最後都掉進同一個漩渦——
投了捨不得停，停了不甘心，越陷越深。那不叫邊做邊修，叫沉沒成本綁架。
第三本：維護帳
那種深度系統，不是做完就能用。
是做很久、一直出問題、一直修，才慢慢站起來的。
而且維護沒有終點——系統活著一天，就吃你一天的人力。
你以為在抄捷徑，其實是把別人走了三年的路，當成三個月的專案在排。
他反問我：「我們自己做了工具，為什麼沒人用？」
三群人，一個根源
講到這裡，窗口丟出一段自己的實戰，這段比清單值錢多了。
他說：我上完課之後，自己幫業務做了一個工具包——修圖的、發文的、客製化影片的，一個一個掛上去。結果——
「點擊量沒過半。很多工具的使用量是低的。」
他們甚至做了一個很聰明的東西：業務只要點選案件、按生成，影片自動掛上他的電話和照片，變成他專屬的宣傳片。
迴響比較好一點。使用率，還是普通。
為什麼？我請他把業務分群，答案自己浮出來了：
第一群，本來就會用 AI 的。這種人看你的工具，嫌太基礎——「我自己問 GPT 就有了。」
第二群，想學的初階者。真的在用，用得最兇。
第三群，連手機都用不太順的。你做得再無腦，他也不開。
然後我問了關鍵的一題：這三群人，哪一群營收最高？
他想了想：自己會用的那群。
這就是根源了。
你的工具服務到的，是最不需要它的人；
最能扛營收的人，看不上它。
為什麼看不上？因為那些工具做的事，大模型自己就做得到。
我自己踩過同一個坑。前幾年一堆朋友叫我去開生圖課，我沒開——後來新模型一出，生圖變成一句話的事，那些課全部歸零。好險沒做。
所以我後來只有一條開發鐵則：
大模型能做到的東西，不要開發。
要做，就做大模型做不出來的——裝了你家判斷的東西。有人味的文案、你的成交邏輯、你的報價標準。強者看到這種工具，才會伸手。（工具與資產的完整判斷，卷三講透了。）
他說：「那我們全集團一起上。」
我當場踩了煞車
問題拆完了，對面燃起來了：好，那就整個集團一起導入，所有業務都開始錄音、留資料。
我當場踩了煞車。
先讓員工上場講話。你要業務開始錄音、留存銷售過程，業務心裡想的是什麼？
「我的客戶是我自己開發的，公司只是我需要的一個平台。現在你要把我的經驗萃取走——那我隨時會被踢掉。」
這不是玻璃心，這是理性。對員工來說，配合你的數據化，短期沒好處，長期像在挖自己的護城河。
「留存銷售邏輯是為了降低培育成本」這句話，只能跟老闆講——跟員工講，就是宣戰。
所以「全集團一起上」的真實下場是什麼？幾家店互相看，誰都不想先動，一起幹瞪眼。
我給他的解法，是反過來走：
不從總部推，從一家店跑。
這些分店裡，挑一兩家——主管自己能拿到結果、也願意配合的——先做試點。
同一件事，包裝完全不同：
總部下令全員錄音，叫改革，排斥感拉滿；
一家店先做，叫「搶先用總部的資源」，其他店在旁邊看。
等這家店的業績衝起來，你不用推，其他店自己會來問。
而且就算試點做到一半斷掉，受傷的是一家店，不是整個集團的信任。
改革失敗一次，全公司三年不信 AI；
試點失敗一次，換一家店重來就好。
一個賣瘦身的，用最笨的方法贏
簡單，是被低估的戰略
視訊裡我還講了一個反例，這裡也給你。
我有個客戶，做瘦身服務。
這行的客單價，通常就幾千塊，開個月菜單頂多一兩萬。
他賣七萬。一個月做到千萬營業額。
他的公司 AI 化，靠什麼系統？
沒有系統。就 GPT 智能體而已。
與其搞一堆複雜的東西，不如把最簡單能落地的，先做好。
為什麼「簡單」有這麼大的威力？因為我評估任何教學和導入，只看一個指標：
不是我教了你多少東西，是我教完之後，你多久能做。
教得很深，要一個月才融會貫通——那個月走到一半，人就放棄了。
教得不多，兩三天就能落地、馬上看到東西——他就跑起來了。
跟同行比的從來不是誰的系統炫，是誰的員工真的在用。
換我站到反方
如果我是那個主管，我要的是什麼？
最後，我把自己放到對面想了一遍：如果我是那個業務主管，我要的到底是什麼？
想清楚之後我發現——他要的其實不是系統。
他自己講過答案：「我們需要一個外部的權威，來告訴業務這件事的重要性。因為內部不管是主管講、還是我講，沒人聽。」
這是每個組織都有的病，我叫它先知悖論：內部人講的話，再對，都帶著立場；外部人講的話，再普通，都帶著重量。
所以他真正的需求排序是：先讓業務「想動」，再談做什麼系統。
那我呢？我也對他攤了我的底牌。
去年有另一家房仲找我，開口就要「所有案件自動入庫」的系統——那是大集團砸重金在做的東西。我直接回：我不是軟體開發公司，我幹不過人家的工程師團隊，這種單我不接。
我們只幹一件事：離錢近，簡單，好落地。
把老闆的成交經驗、管理判斷提煉出來，放進銷售、行銷、管理、客服的場景。至於要接全公司資料庫的深水區——你得自己下決心，那不是外人能替你扛的。
那場視訊的最後，窗口自己總結了一句話，我聽到的時候就知道，這課他上懂了：
「我學完最大的感觸是——不是什麼都要 AI。重點是解決問題。也許是小工具，也許是工作流，也許根本不用 AI，人的行為改變就可以了。」
對。
AI 是選項，不是信仰。
帳，才是老闆的信仰。
常見問題 FAQ
給判斷，不給客套
問同行已經領先了，還追得上嗎？
先分清楚他領先的是什麼。領先的如果是工具，不用怕——工具月月換代，人人買得到；領先的如果是資料，那才是真領先，而你唯一的辦法就是今天開始存。晚開始存一年，就真的差一年。
問要不要直接買市面上的行業 AI 系統？
先問一句：它做的事，大模型自己做不做得到？做得到的，不值得買。值得買的系統賣的是「判斷」不是「介面」——這跟卷二講的賣殼賣腦是同一件事。
問要一次全公司導入，還是先小規模試？
先試點。挑一個「主管能拿到結果、又願意配合」的單位跑，業績出來其他單位自己跟進。全公司一起上看起來有魄力，實際上是讓所有人一起幹瞪眼——而且失敗一次，你的公司三年不信 AI。
問公司完全沒資料化，從哪開始？
從錄音開始。會議錄音、銷售對話錄音，是最便宜的資料化——不用改流程、不用買系統，先把真實發生的事留下來。這些原料放著，後面每一步都用得上。
問同行調研應該派誰去做？
老闆自己。因為調研真正要看的不是功能列表，是那三本帳——資料養了多久、成本划不划算、維護要多少人。這三題，員工問不出來，也扛不了答案。
知彼，知己
多數人只做了半套
知彼知己，百戰不殆——大家都會背，但多數人只做了半套。
看同行的 AI，是知彼；盤自己的資料、算自己的兩筆帳、摸清自己組織裡誰會反彈——是知己。
只知彼不知己的跟風，叫送死；知己之後再跟，叫布局。
那場一個半小時的視訊，最後沒有賣出任何系統。
賣出去的是一個順序：先讓人想動，再挑一家店試，離錢最近的先做，帳算清楚再加碼。（怎麼挑第一個場景，卷一的診斷三問講透了。）
所有商業，都值得用 AI 再重做一遍。
卷四・終
← 回 AI 生意經目錄