76 篇博文 含有标签「ai」

当许多企业仍在探讨生成式 AI 的潜力时，一批先行者已经悄然将其融入核心业务，并取得了惊人的成果。OpenAI 最新发布的《AI in the Enterprise》报告，通过深入调研摩根士丹利 (Morgan Stanley)、Indeed、Klarna 等七家行业领导者，为我们揭示了企业成功落地 AI 的七条通用规律。这不仅是技术的胜利，更是一场关于思维范式、组织协同和商业价值的变革。

七大洞见：从试探到规模化的实战路径​

1. 从严谨评估（Evals）开始，先求“可控”再谈“增长”​

AI 的引入绝非一蹴而就。在全面推广前，建立一套严谨、可量化的评估体系（Evaluation, 或称 “eval”）是成功的基石。

以金融巨头摩根士丹利为例，面对高度敏感的客户业务，他们没有盲目跟进，而是首先围绕三大核心场景——语言翻译的准确性、信息摘要的质量、以及与人类专家的答案比对——建立了一套多维度的 eval 评分系统。只有当模型在这些评估中被证实“可控、安全且能带来增益”后，才会被逐步推广至一线业务 。

这一审慎的策略带来了丰厚回报：如今，摩根士丹利 98% 的财务顾问每天都在使用 AI；内部知识库的文档命中率从 **20% 跃升至 80% ；过去需要数天才能完成的客户跟进，现在缩短至数小时 。

2. 把 AI 深度嵌入产品体验，而非“外挂”一个聊天机器人​

最成功的 AI 应用，往往是那些无缝融入现有产品、提升核心用户体验的。它应该像水和电融入人的生活那样，成为产品原生的组成部分。

全球最大的招聘网站 Indeed 就是一个绝佳范例。他们没有简单地做一个求职问答机器人，而是利用 GPT-4o mini 的能力，为每一条系统匹配的岗位自动生成一段个性化的“推荐理由”。这个看似微小的改动，精准地解答了求职者心中“为什么是我”的疑问，极大地提升了匹配效率和人性化体验。结果是，求职者的申请发起量提升了 20%，而后续雇主成功录用的比例也提升了 13% 。

3. 及早行动，享受知识与经验的“复利雪球”​

AI 的价值是通过不断迭代和学习来累积的，起步越早，组织能享受到的“复利”效应就越显著。

瑞典金融科技公司 Klarna 的 AI 客服系统是这一原则的生动体现。在短短几个月内，AI 客服就接管了三分之二的客户聊天会话，承担了数百名人类坐席的工作量 。更惊人的是，客户问题的平均解决时间从 11 分钟骤降至 2 分钟 。这一举措预计将为公司带来每年 4000 万美元的利润增长 。如今，Klarna 90% 的员工已在日常工作中使用 AI ，整个组织因此获得了更快的创新速度和持续优化的能力。

4. 通过自定义与精调（Fine-tuning）贴合业务，打造护城河​

通用大模型能力强大，但真正的竞争优势来自于“量体裁衣”。通过在你独有的数据和业务场景上进行模型精调，才能使其更懂你的业务。

家居建材零售商 Lowe’s 在优化其电商搜索功能时，面临着海量供应商提供的、格式不一的商品数据 。通过利用 OpenAI 的 API 对 GPT-3.5 模型进行精调，Lowe's 将其训练成了一个能深度理解家居行业术语和消费者搜索习惯的“专家” 。精调后的模型，商品标签的准确率提升了 20%，错误检测能力更是提升了 60% 。

5. 把工具交给一线专家，由下而上激发创新​

最了解业务痛点的人，往往是身处一线、每天与问题打交道的员工。将简单易用的 AI 工具交到他们手中，能由下而上地催生出最实用的解决方案。

全球性银行 BBVA 采取了这种“专家主导”的策略，向全员开放了 ChatGPT Enterprise 。在短短五个月内，员工们自发创建了超过 2,900 个定制化的 GPT 应用 。这些应用涵盖了从信用风险评估、法务合规问答到客户 NPS 调研的情感分析等多种场景 。许多过去需要数周才能完成的分析和报告流程，如今被缩短到了几小时 。

6. 解除开发者瓶颈，用“平台化”交付 AI 能力​

在许多企业，研发资源是创新的主要瓶颈 。为了打破这一僵局，建立一个统一、高效的 AI 开发平台至关重要。

拉丁美洲最大的电商与金融科技公司 Mercado Libre 创建了一个名为 “Verdi” 的内部 AI 平台 。该平台整合了语言模型、API 和其他开发工具，让公司的 17,000 名开发者能够用自然语言像“拼乐高”一样快速构建、部署和迭代 AI 应用 。平台化交付带来了惊人的效率提升：商品库存的上架和编目速度提升了 100 倍，对欺诈性商品的检测准确率高达近 99% 。

7. 设定大胆的自动化目标，将人力解放到高价值工作中​

每个企业都充斥着大量重复、繁琐的流程。与其视之为必要的运营成本，不如设定一个大胆的目标：用 AI 智能体（Agent）将其彻底自动化。

OpenAI 自身就是这一理念的践行者。他们构建了一个内部自动化平台，用于处理支持团队的日常工作 。这个平台可以自动访问客户数据、阅读知识库文章、起草回复邮件，甚至直接在系统中更新账户信息或创建支持工单 。如今，该平台每月自动处理数十万个任务，将员工从重复劳动中解放出来，专注于更具创造性和战略性的高价值工作 。

共同的成功脉络​

纵观这些成功案例，其关键并非在于追求最前沿的模型或技术，而在于一套共通的战略思想：

• 评估驱动 (Evaluation-Driven)：将严格的评估作为项目启动和迭代的“看门人”。
• 产品思维 (Product Mindset)：将 AI 作为提升核心产品体验的内生能力，而非附加功能。
• 持续投资 (Continuous Investment)：认识到 AI 的价值在于复利，愿意长期投入资源、积累数据和培养组织能力。
• 平台治理 (Platform Governance)：通过平台化手段，将 AI 能力安全、合规、高效地赋能给整个组织。

成功的路径是相似的：先聚焦高投资回报率（ROI）的场景做深做透，然后用积累的数据、经验和组织学习，反哺下一轮更大规模的迭代。

给技术团队的实操清单​

1. 像做“需求评审”一样做 eval：在项目上线前，用量化指标评估其潜在风险与收益。
2. 让每个模块“原生支持 AI”：在产品设计之初就思考 AI 如何融入，而不是事后外挂一个聊天窗口。
3. 尽早启动“复利飞轮”：开始积累高质量的业务数据、梳理核心流程，并培养员工的 AI 心智。
4. 建立“模型即产品”的精调流水线：将模型微调流程化、自动化，形成独特的、难以复制的差异化护城河。
5. 用低门槛工具赋能一线：将 AI 能力通过 Custom GPTs 等形式下沉到业务部门，让真实场景倒逼平台能力的完善。
6. 提供统一的“脚手架”：为开发者提供统一的安全、合规、监控和路由框架，降低创新门槛。
7. 锁定“三高”流程：优先自动化那些高重复、低主观判断、高跨系统的流程，最大化 AI 智能体的价值。

行动建议： 现在就从你的业务中挑选一个长期存在的痛点，开启第一轮 eval 评估。从小小的胜利开始，你的 AI 复利曲线已经在这片充满机遇的土地上，悄悄起跑。

每年，Stripe Sessions大会都是窥探互联网经济未来发展的重要窗口。今年的大会同样精彩纷呈，Collison兄弟展示了一个既迫在眉睫又极具变革性的商业愿景。认真消化了主题演讲的内容后，我不禁为数字商业格局中正在形成的清晰趋势而感叹。

下面就是我认为最值得关注的五大关键洞见。

一、Stripe生态已成为不可忽视的经济力量​

Stripe生态系统的规模已达到令人瞩目的宏观经济水平：

• 2024年，Stripe平台上的企业增长速度比标普500指数快7倍
• 这些企业的集体增长创造了4000亿美元的新增支付交易额
• Stripe目前每年处理超过1.4万亿美元的交易——约占全球GDP的1.3%
• 大约200万美国企业（占美国企业总数的6%）正在Stripe平台上构建业务

引人注目的不仅是这一规模，还有其应用范围之广。从财富100强巨头到小型创业公司，从AI实验室到创作者经济平台，Stripe实际上已经成为互联网的金融基础设施层。

当一个平台触及如此广泛的经济领域时，其走向的每一个变化都变得格外重要。互联网经济不再是边缘领域——它正日益成为整体经济的核心部分。

二、AI公司正在刷新所有增长记录​

主题演讲中最引人瞩目的发现是AI原生公司的扩张速度之快，远超前几代创业公司：

• 新兴AI公司平均只需9个月就能达到500万美元的年度经常性收入
• Lovable在短短4个月内就实现了5000万美元的年度经常性收入
• Cursor在两年内达成超过3亿美元的年度经常性收入，同时保持着惊人的效率（员工人均创收500万美元）

作为对比，SaaS行业鼎盛时期，典型企业通常需要18-24个月才能达到类似的里程碑。这种增长速度的加速是前所未有的。

是什么造就了这种超高速增长？AI公司主要受益于三大优势：

1. 与生俱来的全球覆盖能力——从创立第一天起就能服务全球200多个国家已成为新常态
2. 比传统SaaS产品更高的用户留存率
3. 远低的运营复杂度，使精简团队能够支持海量用户群体

这表明我们正在经历的不仅是技术迭代，更是商业速度的根本性变革。过去制约企业增长的各种约束正在被系统性地打破。

三、稳定币正在静默重塑全球金融​

虽然AI占据了大多数媒体头条，但稳定币可能最终带来同等规模的经济影响。Patrick Collison将稳定币比作"价值的室温超导体"，这一比喻精准地捕捉了它们的变革潜力。

看看这些发展趋势：

• 自去年以来，稳定币的供应量增长了39%
• 主要稳定币发行商正成为美国国债的重要持有者
• 从SpaceX这样的大企业到众多小型创业公司都在利用稳定币消除全球业务中的摩擦

真正的突破在于稳定币如何解决跨境金融服务的长期挑战。企业现在可以同时在数十个国家开展业务，无需应对复杂的本地银行关系网络和货币转换问题。

这显著降低了全球扩张的门槛，为以无国界价值转移为核心的全新商业模式创造了可能性。

四、"代理商务"将重新定义我们的购物方式​

大会中提出的最具前瞻性的概念莫过于"模型发起商务协议"（MCP）——这使AI代理能够直接代表用户完成购买。

演示展示了Cursor（一款AI编码助手）在编码环境内直接购买Vercel的机器人防护服务，全程无需离开工作流程。

这指向了商业形态的深刻变革：

• AI工具将成为原生销售渠道
• 购买行为将在工作流程中自然发生
• 传统的网站/应用购物结账体验可能变得次要

对于企业而言，这意味着需要彻底重新思考分销策略。每个AI工具都将成为潜在的销售点，AI代理将基于用户意图而非明确的购物行为来促成购买决策。

这对营销、定价和客户获取策略产生的影响将是深远的。我们正在从搜索驱动的商务模式转向意图驱动的商务模式，AI能够在用户需求被完全表达之前就理解并行动。

五、突破性成功的新公式已然改写​

除了特定技术外，John Collison还总结了当今增长最快企业的共同特征：

天生全球化​

最成功的创业公司现在从第一天起就瞄准全球市场，而非遵循传统的先国内后国际的路径。

极度专业化​

互联网的庞大覆盖面使高度专业化的产品不仅变得可行，而且更具优势。Harvey（法律AI）和Naba（医疗健康AI）等公司展示了行业专精如何加速用户采纳。

基于使用的定价模式​

AI经济学和推理成本正推动定价策略从固定订阅转向基于成果和使用量的动态模式。

惊人的员工效能比​

当今的突破性公司达到了过去难以想象的效率水平。Gloss Genius仅用300名员工就支持了90,000家美容沙龙的运营。

这些特征代表着对企业构建方式的根本性重新思考。传统的科技公司扩张手册正在被迅速重写。

这对创业者和投资者意味着什么​

对于正在构建或投资科技企业的人来说，几个关键指导原则浮现出来：

1. 从一开始就放眼全球——地理边界的限制越来越人为

2. 拥抱极度专精——在狭窄领域成为最佳解决方案比在多个领域表现一般更有价值

3. 为代理商务做好准备——思考产品如何与AI助手而非仅与人类用户交互

4. 早期整合稳定币——在竞争对手之前为全球客户消除摩擦

5. 优化用户留存——在AI经济中，具有强大留存指标的高粘性产品正在赢得市场

最令人振奋的是，这一切仍处于起步阶段。AI和稳定币才刚刚开始重塑商业世界。如今以这些技术为基础打造的企业很可能将定义互联网经济的下一个十年。

正如Patrick Collison所指出的，技术变革的动荡时期历来有利于大胆创新。对于愿意拥抱这些变化的创业者来说，机遇从未如此丰富。

你对商业未来的发展有何看法？你是否在所处行业中观察到了这些趋势？欢迎在评论区分享你的见解。

在不断优化销售渠道的过程中，AI 销售开发代表（AI SDRs）已成为 2025 年最热门的工具之一。它们承诺通过自动化潜在客户开发和大规模个性化外联，在不增加人力的情况下，将合格的会议安排到你的日历上。

但它们真的兑现了承诺吗？

在与数十位销售领导者交谈并深入研究 G2、Reddit 和 Slack 社区的数百条评论后，我发现了一个比炒作更复杂的故事。

11 倍问题：高期望，混合结果​

11x.ai 已成为这一领域的典型代表，声称可以让 SDRs 的生产力提高“11 倍”。这是一个大胆的承诺，并设定了很高的标准。

“一位销售总监告诉我：‘我期望 AI 能像初级代表一样研究每个潜在客户，但我得到的只是填入公司名称的填空游戏。’”

这并不是个例。在论坛和客户聊天中，一个共同的主题浮现：邮件感觉自动化、模板化，往往过于通用而无法奏效。

而当潜在客户回复时？AI 往往会出错。正如一位 Reddit 用户所说：

“它可以整天发送邮件，但一旦有人说出意料之外的话，它就短路了。”

这留下了一个奇怪的交接体验——潜在客户以为他们在与人类聊天，但当实际代表在对话中途介入时，他们感受到了变化。

实际有效的地方​

尽管有挫折，AI SDRs 在某些方面确实表现出色：

• 外联量：团队一致报告说，漏斗顶端活动大幅增加。一支欧洲团队告诉我，他们现在可以通过 AI 代表“全天候”跨时区进行外联。
• 潜在客户开发帮助：像 11x.ai 这样的工具在寻找潜在客户方面表现不错。“它找到的联系人列表比预期的要好，”一位德国用户说。
• 个性化见解：Humantic AI 以惊人的准确个性化档案给多个团队留下了深刻印象。“就像为第一次通话准备了作弊码，”一位 G2 评论者说。
• 实时辅导：Cresta 采取不同的方法——实时辅导人类 SDRs，而不是取代他们。这对于新代表的入职培训或提高通话质量特别有用，而无需聘请全职培训师。

超越性能：隐藏的痛点​

超越功能问题，更深层次的结构性问题开始浮现：

• 锁定合同：大多数平台要求每年 35,000 至 60,000 美元的承诺，几乎没有试用的机会。“我们被一个对我们不起作用的工具困住了，”一位买家说。
• 技术故障：从错误到延迟的仪表板，用户——尤其是在欧洲——报告了破坏工作流程的可靠性问题。
• 定制限制：如果你的受众是小众或信息复杂，AI 往往会遇到困难。“我们调整了好几周，”一位 B2B SaaS 高管说。“邮件仍然感觉很通用。”
• 数据安全担忧：随着敏感客户数据流经这些系统，几家大公司对其信息可能如何使用或重用表示担忧。

战略困境：构建、购买还是增强？​

鉴于权衡，销售领导者以三种方式接近 AI SDRs：

• 全力以赴者：通常是快速移动、高量的组织，优先考虑规模。他们愿意接受 AI 的粗糙边缘。
• 增强者：使用 AI 支持（而不是取代）代表的团队。他们使用像 Regie.ai 这样的工具来撰写邮件，使用 Humantic 来准备通话，并让人类控制对话。
• DIY 构建者：技术娴熟的组织在 GPTs 和内部数据之上构建自定义工作流程。虽然工作量更大，但这让他们拥有控制权并避免供应商锁定。

需要改进的地方​

要从“有趣”变为不可或缺，AI SDR 供应商需要在几个方面取得实质性进展：

1. 处理对话，而不仅仅是介绍——最大的差距在于后续。如果 AI 无法自然回应，幻觉就会破裂。
2. 超越模板——真正的个性化应该参考真实的业务背景，而不仅仅是职位和公司名称。
3. 使定价更灵活——团队希望在承诺六位数之前进行试验。
4. 修复用户体验——更好的入职培训、更快的加载时间和更少的错误将大有帮助。
5. 允许更深层次的定制——为公司提供工具，以教授 AI 他们的价值主张、信息框架和产品细微差别。

未来发展方向​

市场似乎正在分裂为两个方向：

• 垂直 AI SDRs：针对医疗、金融或制造业语言、工作流程和法规进行培训的行业特定工具。
• 轻量级助手：支持代表撰写、潜在客户开发和通话准备的更实惠工具——而不是假装取代他们。 a 那些倾向于增强而非自动化的公司可能最终会建立更可持续的业务。

底线​

AI SDRs 是企业 AI 炒作周期的经典例子。其推销——一个无限可扩展的数字销售团队——是不可抗拒的。但现实仍在追赶。

对于大多数团队来说，今天的明智之举是有针对性的增强： 让 AI 做它擅长的事情——潜在客户开发、撰写、支持——同时让人类参与处理异议、关系建立和成交。

因为在销售中，就像在生活中一样，人情味仍然很重要。也许现在比以往任何时候都更重要。

你使用过 AI SDRs 吗？你的体验如何——值得炒作还是为时过早？

TianPan.co 的发展历程,正是网络出版演进的缩影。从最初的静态 HTML 页面,到如今融合 AI 的智能内容平台,我们始终在探索突破。随着第三个版本的发布,让我和大家分享我们是如何在 AI 时代重新思考并实现现代出版平台的。

从 WordPress 到 AI 原生的蜕变​

2009 年,TianPan.co 和许多技术博客一样,起步于一台配置简单的 VPS 上的 WordPress 站点。那时的工作流程很简单:写作、发布、继续写作。随着技术的发展,我们的需求也在不断升级。第一版选择了 Octopress 和 GitHub,开始将内容作为代码来管理,这种方式更贴近开发者的使用习惯。到了第二版,我们引入了 GraphQL、服务器端渲染等现代网络技术,同时推出了 React Native 移动应用。

如今,技术环境已发生翻天覆地的变化。AI 不再是一个简单的概念,而是正在深刻改变我们创建、组织和分享知识的方式。正是这样的认知,促使我们开发第三版时提出了一个大胆的设想:如果我们从零开始,把 AI 作为核心来设计一个出版系统,会擦出怎样的火花?

AI 原生平台的技术底座​

第三版在多个维度突破了传统博客平台的局限:

1. 内容即数据：所有内容都以 markdown 格式存储,便于 AI 系统实时处理。这不仅仅是为了机器可读,更是让 AI 真正参与到内容生命周期的各个环节。

2. 分散发布,统一管理：内容会自动从中央仓库流向 Telegram、Discord、Twitter 等多个平台。与传统的多渠道发布不同,AI 能够智能地保持内容一致性,并针对不同平台特点做出优化。

3. 基础设施升级：我们从最初的单核 1GB 内存配置,升级到更强大的基础设施。这样的升级不仅提升了系统可靠性,也为实时内容分析、自动编辑等 AI 驱动的功能提供了算力保障。

技术架构充分体现了这种"AI 优先"的理念:

.
├── _inbox            # AI 监控的草稿区
├── notes             # 已发布的英文笔记
├── notes-zh          # 已发布的中文笔记
├── crm              # 个人关系管理
├── ledger           # 个人账本(基于 beancount.io)
├── packages
│   ├── chat-tianpan # 基于 LlamaIndex 的内容交互接口
│   ├── website      # tianpan.co 网站源码
│   ├── prompts      # AI 系统提示词库
│   └── scripts      # AI 处理流水线

突破出版边界：构建融合的知识体系​

第三版最大的特色,在于它巧妙地整合了多个知识模块:

• 智能人脉管理：通过 AI 增强的笔记系统管理人际关系
• 财务追踪：集成 beancount.io 实现完整的账本管理
• 多语言支持：智能翻译与本地化
• 互动学习：AI 驱动的对话式内容探索

工作流程也实现了质的飞跃:

1. 以 markdown 格式创建内容
2. 触发 CI/CD 流水线进行 AI 处理
3. 通过 Zapier 实现多平台分发
4. AI 编辑通过 GitHub Issues 持续提供优化建议

展望：技术出版的新图景​

我们的目标不仅是打造一个更好的博客系统,更是重新定义 AI 时代下技术知识的分享方式。系统的每个组件都是实验新型 AI 能力的沃土,随时准备迎接进化。

真正令人兴奋的,不仅是技术架构本身,更是它开启的无限可能。AI 能否帮我们发现看似不相关的技术概念之间的潜在联系?如何让复杂的技术内容更容易被更多人理解?未来是否能轻松地实现富媒体内容的智能创作?

这些都是 TianPan.co v3 正在探索的方向。在这个实验场中,AI 不再是简单的工具,而是创造和传播知识的得力助手。