【实践】把公司当 AI 产品来设计：5 个产品，百万美元收入，100% AI 写代码

来源Source

我是 Every Newsletter 的订阅用户，很喜欢 Dan Shipper 和团队朴实表达的风格。关注一段时间后，才发现原来这不仅仅是一个 KOL，他们还做了一堆 AI 产品。更有意思的是，他们团队很小，很多做产品的人之前完全没有代码经验，大部分活儿都是 AI 干的——简直就是完美的 AI Native 公司样本。

碰巧在 Lenny"s Newsletter 看到对 Dan Shipper 的访谈，发现他完整分享了如何把公司当 AI 产品来打造，如何让工作自动化、如何积累组织的复利（而不是一件事儿就是做一件事儿），人和 AI 如何协作（人的用户是啥）……觉得这种实践经验和视角很宝贵，所以分享出来。

要点Key Takeaways

🔝向上滑动阅览

工作的回归

AI 如何让昂贵服务“平民化”

一个普遍的焦虑是：AI 会不会抢走我们的工作？Dan Shipper 提出了一个截然相反但更具洞察力的观点：AI 不仅不会消灭工作，反而会创造并“带回”工作，其核心逻辑在于——大幅降低服务的成本。

想象一下，在过去，拥有一名私人助理、一个专业的财务顾问或一个专属的营销团队，是只有大型企业或富裕个人才能享受的奢侈品。这些服务的成本之所以高昂，是因为它们依赖于专家一对一的时间投入。

AI 正在彻底改变这个等式。通过将专家的知识和工作流程“编码”进 AI 系统，我们可以将服务成本降低 10 倍甚至 100 倍。一个人类客服，在 AI 的辅助下，可以同时服务比以往多几十倍的客户；一个小企业主，可以通过 AI 工具，享受到过去需要一个完整市场部才能提供的营销策略分析。

这种成本的急剧下降，意味着一个巨大的、未被满足的市场将被激活。 过去那些因为“太贵了”而从未考虑过购买这些服务的小公司和个人，现在成为了新的消费者。需求的爆炸式增长，将为那些懂得如何使用 AI 工具来增强自身能力的“超级个体”创造大量新的就业机会。这不仅不会导致失业，反而会让整个服务业的蛋糕变得更大。

被低估的“云代码”

非程序员的超能力

对于大多数文字工作者、市场分析师或学生来说，“编程”似乎是一个遥不可及的技能。但 Dan Shipper 指出，我们正进入一个“人人都能编程”的新时代，而钥匙就是那些基于自然语言的“云代码”工具。

这些工具的革命性在于，它们将强大的计算能力，封装在了简单的对话界面背后。你不再需要学习复杂的语法和函数，只需要用日常语言，告诉 AI 你想对一堆文本做什么。

Dan 分享了他自己的一个例子：他想分析托尔斯泰的《战争与和平》，学习其写作风格。在过去，这需要耗费数周甚至数月的人工阅读和笔记。而现在，他可以把整本书的文本扔给 AI，然后用几句简单的话下达指令：

• “分析这本书的平均句长和段落结构。”

• “找出所有关于‘战争’和‘爱’的比喻，并分类列出。”

• “模仿作者的风格，写一段关于‘科技’的描述。”

这等于给了每个普通人一个听得懂人话的“数据分析师”和“编程助理”。 从分析数千份用户反馈，到从一年的会议纪要中提取所有关键决策，再到自动将一篇长文改写成不同风格的社交媒体帖子——这些过去需要专业技能或大量重复劳动才能完成的任务，现在只需要几分钟的“对话”。这种能力的普及，将极大地提升知识工作者的生产力上限。

重新定义 AGI

当 AI 可以“独处”

通用人工智能 (AGI) 何时到来？这是一个被广泛讨论但定义模糊的问题。Dan Shipper 提供了一个非常务实且新颖的定义，它不基于抽象的“意识”或“智能”，而是基于一个经济学和行为学的指标：AI 的“独处成本”。

他把 AI 的发展，比作一个孩子的成长：

• 婴儿期 (GPT-2/3): 你几乎每时每刻都要“看着”它，稍微复杂的指令它就会出错，你需要不断地纠正和引导。让它“独处”的成本极高。

• 儿童期 (GPT-4/Claude 3): 它能更好地理解指令，可以独立完成一些简单的、定义明确的任务。你可以让它“独处”几分钟或几小时，但很快就需要回来检查它的进展。

• 成年期 (AGI): 它能完全理解一个高层次的目标，并自主地分解任务、制定计划、解决遇到的问题，并持续运行数天、数周甚至数月，直到达成目标。你只需要偶尔检查一下它的战略方向，而无需担心它的具体执行。让它“独处”的成本变得非常低，甚至可以盈利。

这个定义之所以深刻，是因为它抓住了“智能”的实用主义本质——真正的智能，在于能够可靠地、自主地、经济地完成任务。 当我们雇佣一个 AI Agent 的成本，低于它为我们创造的价值，并且我们无需为其“操心”时，AGI 时代就真正来临了。

AI 让人变笨？

恰恰相反，它在加速学习

一种常见的担忧是，过度依赖 AI 会不会让我们丧失独立思考和学习的能力，就像过度依赖计算器会让我们心算能力下降一样？Dan Shipper 坚决反对这种观点。

他认为，AI 扮演的角色更像是一个“私人教练”或“助推器”。在学习任何新技能的初期，我们都会遇到一个陡峭的学习曲线和大量的重复性练习。AI 可以极大地压缩这个过程。

• 学编程： 当你遇到一个 Bug，与其花数小时在论坛上搜索，不如直接问 AI。它不仅能告诉你错在哪里，还能解释为什么错了，并提供几种修改方案。这让你能更快地掌握核心编程思想，而不是被琐碎的语法错误卡住。

• 学写作： 当你写完初稿，可以让 AI 扮演一个经验丰富的编辑，从结构、逻辑、用词等多个维度给你提出修改建议。这让你能站在一个更高的起点上，去审视和打磨自己的作品。

AI 并没有代替我们思考，而是为我们的思考提供了即时、高质量的反馈。 它清除了学习道路上许多不必要的障碍，让我们能把宝贵的认知资源，投入到更具创造性、更需要战略性思考的环节上——比如，决定“写什么”比纠结“这句话怎么写”更重要；设计程序的“架构”比修复一个“分号错误”更有价值。

“复合式工程”

两人团队的秘密武器

Every 公司的一个惊人事实是，他们的产品团队极小，但效率极高。其秘诀就在于他们称之为“复合式工程”的全新工作模式。这种模式的核心思想是：不把 AI 当作一次性的代码生成器，而是把它当作一个可以被持续训练和优化的“系统”。

传统编程是“加法式”的：每写一行代码，工作量就增加一分。而复合式工程是“乘法式”的：

1. 起点： 工程师不直接写代码，而是编写一个非常详尽的、包含所有需求和约束条件的提示词 (Prompt)，让 AI Agent 生成初始代码。

2. 迭代： 工程师审查 AI 生成的代码，发现问题后，他们不会去手动修改代码，而是返回去修改和完善那个“提示词”，让 AI 重新生成。

3. 沉淀： 每一次对提示词的优化，都在“教”AI 如何更好地理解他们的需求和编码规范。这个被反复打磨的提示词，就成了一个宝贵的、可复用的“资产”。

4. 复合效应： 下次当他们需要开发一个类似功能时，就可以直接调用这个优化过的提示词，AI 能一次性生成质量更高的代码。

工程师的角色，从“代码工人”转变成了“AI 训练师”。 他们工作的核心，不再是逐行编写实现细节，而是构建和维护一个能高效生成高质量代码的“自动化系统”。每一份投入，都在为未来的工作积累“复利”。

公司 AI 转型的关键

CEO 带头用

如何在公司内部推动 AI 的普及和应用？不是靠采购昂贵的软件，也不是靠成立一个“创新部门”。Dan Shipper 在咨询了多家大公司后发现，最关键的因素，只有一个——最高领导者的亲身示范。

当 CEO 亲自在日常工作中使用 AI，并公开分享自己的经验时，会释放出三个强大的信号：

• 合法性： “连老板都在用，说明这不是在摸鱼，而是公司鼓励的方向。”这消除了员工尝试新工具的心理障碍。

• 紧迫感： “老板都在学，我再不学就要落后了。”这创造了一种自上而下的积极氛围。

• 方法论： CEO 分享的具体用法（比如“我是如何用 ChatGPT 写这篇内部信的”），为员工提供了立即可模仿的最佳实践。

成功的 AI 领导者，通常会做几件具体的事：

• 以身作则： 在全体会议上，直接展示自己使用 AI 的过程。

• 建立分享机制： 设立每周的 AI 用法分享会，让早期使用者成为内部的“布道者”。

• 激励与奖励： 公开表扬那些通过 AI 提升效率的团队和个人，甚至将 AI 使用情况作为绩效评估的一部分。

文化转型，永远是“一把手工程”。 在 AI 时代，CEO 的角色不仅仅是战略家，更应该是首席“AI 应用官”。

从“知识经济”到“分配经济”

这是本次访谈中最核心、最深刻的洞见。在过去的几十年里，我们的职业价值主要来自于掌握某种特定的“知识”或“技能”，比如会编程、会设计、会写文案。我们是任务的“执行者”。

AI 的出现，正在从根本上改变这个模型。当 AI 能够执行大部分具体的、定义明确的任务时，人类的价值，就从“执行”向上游移动到了“分配”和“管理”。

在新的“分配经济” (Allocation Economy) 中，每个人都将成为一个“模型管理者” (Model Manager)。最有价值的技能，不再是你知道多少，而是：

• 品味与愿景 (Taste and Vision): 你知道“好”的标准是什么吗？你能清晰地定义出你想要达成的最终目标吗？AI 可以帮你画画，但画什么、画成什么样才算好，需要你来决定。

• 评估能力 (Evaluation): 你能判断出 AI 生成的多个选项中，哪一个是最好的吗？你能识别出 AI 结果中存在的微妙错误或“幻觉”吗？

• 管理与委派 (Delegation): 你知道什么任务应该交给 AI，什么任务必须亲力亲为吗？你懂得如何将一个大目标，分解成 AI 可以理解和执行的清晰指令吗？

本质上，我们都在从“士兵”转变为“将军”。 我们的主要工作，是思考战略、设定目标、分配资源（AI 模型），并对最终结果负责。

“通才”的崛起

传统工业时代推崇的是“专才” (Specialists)，即在某个狭窄领域里深耕多年的专家。因为知识的获取和技能的掌握，都需要巨大的时间成本。

AI 正在打破这种壁垒。它将海量的专业知识，变成了一个可以随时查询和调用的“外部大脑”。一个有好奇心和学习能力的“通才”，现在可以轻松地：

• 写代码： 一个产品经理，可以通过与 AI 对话，为自己的想法构建出一个可用的产品原型。

• 做视频： 一个作家，可以利用 AI 工具，将自己的文章快速转换成配音、配乐、配图的视频。

• 搞设计： 一个创业者，可以借助 AI，为自己的公司设计出像样的 Logo 和品牌材料。

AI 并没有让专家变得不重要，而是让“成为专家”的门槛大大降低了。 这将导致组织形态的深刻变化。未来可能会出现更多由少数顶尖“通才”组成的“小而美”的公司，他们每个人都能身兼数职，借助 AI 的力量，完成过去需要一个庞大团队才能做到的事。专业化分工的时代或许正在走向终结，一个跨界整合、充满创造力的“通才复兴”时代，正在到来。

AI 时代的创业

找到可被“大众化”的昂贵服务

Every 公司的产品哲学，为所有 AI 时代的创业者提供了一个清晰的“寻宝图”。他们不去追逐最酷炫的技术，而是专注于一个简单而强大的商业模式：寻找价值洼地，然后用 AI 填平它。

这个模式分为三个步骤：

1. 识别机会： 寻找那些因为“人力成本”而极其昂贵的传统服务。比如，一个能帮你管理日程、处理邮件的“参谋长” (Chief of Staff)，或者一个能帮你把思想转化成文章的“代笔作家” (Ghostwriter)。

2. 内部实验： 首先，团队自己尝试用市面上通用的 AI 工具（如 ChatGPT、Claude）来模拟这些服务。他们会开发出一套高效的工作流和提示词，在内部验证这个想法的可行性。

3. 产品封装： 当他们验证了某个工作流确实能极大地提升效率后，就会把这套复杂的流程和提示词，封装成一个简单易用的独立 App。这样，普通用户就不需要自己去摸索复杂的用法，只需一键点击，就能享受到这个曾经昂贵的“AI 服务”。

这个模式的聪明之处在于，它始终以“真实需求”为导向，并且通过低成本的内部实验，极大地降低了产品开发的风险。对于创业者来说，最好的问题不是“AI 能做什么？”，而是“什么昂贵的东西，可以被 AI 变得便宜？”

结语Closing Thoughts

认识很多非常 AI Native 的公司，感觉组织形态和做事方式都已经和传统公司截然不同，各方面效率都已经在三五倍地提升，但很少有人出来分享——自己忙着吃红利还来不及，又不卖课，谁有空做 PPPT 讲道理啊~

Dan Shipper 这个分享非常全面、清晰（可能是因为他们也做 AI Transformation 咨询顾问，整理过方法论），从怎么发现机会验证机会，到如何提高效率沉淀能力，再到人机协作竞争优势。从大道理到实战落地打法都有，真的很建议收藏研究~