追了一年 AI工具 产出却为零

寂静回声

本文作者 Brian D. Evans 是 Inc. 500 连续创业者、BDE Ventures 创始人，长期专注 Web3 和 AI 早期投资，在 Forbes、Inc.、Rolling Stone 等媒体发表过大量商业评论。
在这篇文章里，他用自己追了一年 AI 工具却产出为零的亲身经历，拆解了一个典型心理陷阱：
把「试新工具」当成「自己在搞建设」，他的核心论点是——当所有人都能用同样的模型时，唯一的护城河是品味和深度，而品味只能靠真实的后果和持续的专注来赢得。

以下为全文编译
我们想做点长久的东西，但又怕被甩在后面。于是我们追前沿，说服自己「先看到未来的人就能赢」。但历史告诉我们一个不太舒服的事实：
先看到未来的人，很少是最终拿到红利的人。看到前沿和活过前沿，完全是两种能力。
如果你已经被这轮技术周期搞得精疲力竭，你应该看看这篇文章。因为「早」不是奖赏，是陷阱。

有一种人天生就被边缘地带吸引，他们比任何人都更早感知到趋势的变化，在弱信号变成共识之前就捕捉到了。未来最先向他们显露，不是以数据的形式，而是一种直觉，一种别人还没看到的微光。
我们对自己讲的神话是：先看到就等于先赢。但其实不是这样的。
Google 不是第一个搜索引擎，Apple 不是第一个做智能手机的。其实不用翻历史，看看现在的 AI 就够了。十八个月前，那些急着给 GPT-3 套一层薄壳做产品的公司，大部分已经死了。
今天赢的那些公司，是等到地基真正稳固之后，才开始浇筑混凝土的。

如果你是创始人，在正确的时间用对正确的工具，可以把几个月的工作压缩到几天。如果你是投资人，亲手玩过这些技术，每一次下注都会更精准。
但有一条线，过了就会适得其反。当「用工具」本身变成了目的而不是手段，你不是在靠近目标，而是在远离目标——同时还觉得自己很高效。这是最危险的分心方式，它把自己伪装成了进步。
去年有一段时间，我同时在测试四个 AI 编程助手、三个图像生成器、两个 Agent 框架。我在「保持领先」。但当我回顾那个月的实际产出时——零。什么都没交付。
所有精力都花在了评估上，而不是执行上。我演着建设者的角色，做的却是产品测评员的工作。最可怕的是什么？整个过程感觉特别充实。
每一次测试、每一次对比、每一次新集成，都像是在前进。但不是。那只是一种极其精巧的原地踏步。

你的大脑非常不擅长区分「进步的感觉」和「真正的进步」，跟朋友聊你的创业项目会给你一个多巴胺刺激，即使你一行代码都没写。早餐前冒出一百个想法感觉像是创新，即使没有一个会见天日。你的奖赏系统在工作完成之前就把情绪支票兑现了。
测试一个新 AI Agent 感觉像是发布了一个产品。迁移到新的工作流感觉像是「保持领先」。新鲜感把自己伪装成了美德。
但忙碌不等于优势，那只是一个未完成实验的博物馆。
先驱者花在修水管上的时间，比真正用水管的时间还多。
世界还没跟上来。客户看不到需求，同行听你讲未来听到烦了。你带着信念，但没有任何外部正反馈。这是一个孤独而昂贵的位置。
最深层的成本呢？倦怠。
你看到了趋势，全身心投入，敲遍了每扇门——但从来没有真正走进任何一扇门。你可能很早，但你的业务里没有任何东西在真正复利增长。
创始人们以为尝试每一个新模型、Agent 和工具是在建立竞争优势。不是。那只是在堆积疲劳。你在认知上很超前，在执行上完全碎片化。你摸遍了每扇门，但没进过任何一间屋子。

真正的硬通货
不是资本，不是编程能力，更不是第一个试用新 Beta 版本。
当所有人都能用一模一样的模型、一模一样的 Agent、一模一样的算力时，工具就不再是差异化因素了。唯一剩下的优势是：你知道用这些工具该做什么。这需要品味（taste）。而品味建立在一种看不见的资产上——注意力。
不是社交媒体意义上的注意力，不是点击、曝光或粉丝。是更深层的那种：

你投入到眼前工作中的专注力是选择看什么——也许更重要的是——选择不看什么的能力。
这里的「品味」是你能看到一个新 AI 工具，十分钟内就知道它到底解决了真问题还是只是 demo 很炫。
它是从 AI 生成的上千个选项里，知道哪个真正重要——不是因为你分析了每一个，而是因为你在真实世界里做过足够多的事，能感觉到分析里缺了什么。
早期采用者的致命错误，是把注意力当廉价品。好像你可以把它撒在每一个新前沿上，还能剩下足够的来做出真正的东西。如果你把所有时间都花在对工具做出反应上，而不是去构建对什么真正重要的判断力，你就不可能培养出品味。把自己摊在每一个炒作周期上不是在建立优势，是在烧掉唯一能产生复利的资源。
秘诀不是速度，是深度。

我认识一个创始人，叫他 James 吧，他本人希望这样。他做的是物流优化公司。2022 年底 AI 浪潮来的时候，他整个同行圈子都进入了狂热状态。他们把 GPT 往产品上一接，新闻稿里写上「AI 驱动的功能」，招了一批提示工程师。标准剧本。

他跟那些试过竞争对手新 AI 功能、发现不靠谱的客户聊。他精确地画出了自己产品里哪些地方 AI 能带来真价值，哪些地方只会增加复杂度却没有回报。他读论文，用自己的数据私下测模型，什么也没对外宣布。
六个月来，投资人很焦虑。竞争对手在拿媒体曝光。董事会想知道 AI 路线图在哪。
然后在 2024 年第三季度，他出了一手。他把一个微调过的模型集成到路线优化工作流里——也就是他的产品本来就最擅长的那个环节。客户成本降了 31%。不是什么「AI 驱动」，不是侧边栏上贴个聊天机器人。就是一个精准的集成，让产品本来就最强的那个点变得强得多。
他的留存率一个季度涨了 40%。那些竞争对手中的两家后来关门了。
不是无视 AI 的人，而是用早期的接触搞清楚了 AI 在自己的世界里到底哪里重要，然后在时机成熟时果断出手。认知上很早，动作上不急，出手的时候精准。