ARTICLE · 1028405
AI 做出来的软件,为什么越来越像“垃圾应用”?
AI 做出来的软件,为什么越来越像“垃圾应用”?
这两天我看到一条讨论，标题很重：AI 做出来的 SaaS，99.9% 可能是在浪费时间。 这个数字不能当统计结论。它来自帖子作者的判断，帖子本身大约有 286 票、417 条评论，说明很多人愿意讨论这件事，但没有任何后台数据能证明“99.9%”这个概率。 不过，标题为什么会让人有感觉？因为现在做出一个“看起来能用”的软件，确实比以前容易多了。难的是，用户用完第一次以后，为什么还要回来。 我把这个问题换成一个很具体的场景。 假设今天让 AI 做一个会议纪要工具：上传录音，生成摘要，再列出几条待办。半天后，页面可能已经能打开，按钮也能正常点击。 但真正使用时，问题马上就来了：待办有没有负责人？截止时间在哪里？下次开会前能不能找到上次的决定？如果这些环节没有接上，用户看完摘要就结束了，下一次依然会回到原来的聊天框。 这类软件不一定是坏软件，只是没有形成完整的使用理由。它解决了“怎么把内容生成出来”，没有解决“我接下来要做什么”。 
第一，需求问题被藏在了漂亮的界面后面。 以前做一个工具，要花时间写代码，开发者会被迫思考功能取舍。现在 AI 可以快速补出页面，很多人会误以为“页面完成了，产品就完成了”。实际上，用户到底在什么时候需要它，仍然没有答案。 第二，重复使用的问题被藏在了第一次惊喜里。 第一次生成一张图、一个摘要或一段代码，体验很容易让人觉得惊艳。真正要看的却是三天后：用户有没有第二个任务？第二个任务是不是比第一次更省事？ 第三，找到用户的问题被藏在了开发速度里。 软件做得越快，越容易在没有用户的时候继续加功能。等到功能列表很长，才发现没有一个具体的人愿意把工作交给它。 这也是那条 Reddit 讨论有价值的地方。它并不是在说 AI 不能做 SaaS，而是在提醒：开发时间变短以后，需求验证反而更应该提前。 我会先做下面这件事，而不是马上写完整产品。 先找一个真实的人，问他最近一次遇到这个问题是什么时候。不要问“你会不会用这个工具”，因为大多数人都会礼貌地点头。要问的是：上一次你怎么解决的？花了多久？中间哪一步最麻烦？ 然后拿这一次真实任务做一个最小版本。它只需要完成一个动作，比如把会议纪要里的待办提取出来，并生成负责人和截止时间两个字段。 最后观察三个信号： 对方能不能在不解释的情况下完成第一次操作； 对方会不会主动提出下一次要处理的任务； 过几天以后，对方会不会再次打开它。 如果三件事都没有发生，继续增加功能通常只是在把问题包装得更漂亮。相反，只要有人愿意回来，即使页面还很粗糙，也值得继续打磨。 
AI 很适合做四件事：把需求草稿变成页面，把重复数据整理成结构，把用户反馈归类，再根据真实问题补上下一步功能。 它不适合替你决定“这个问题值不值得解决”。这个判断需要看真实使用，而不是看生成出来的页面有多完整。 Paul Graham 在讨论早期创业时提到，最开始往往要手动找到用户、观察用户使用，再不断修改产品。放到今天，AI 只是让修改速度更快，并没有把“找到愿意使用的人”这一步删掉。 所以我现在更愿意把 AI 做软件理解成一个快速验证器：先用它做出能解决一个小问题的版本，再用真实任务决定要不要继续。 软件会越来越容易被做出来，这不一定是坏事。真正稀缺的，反而是对一个具体问题的理解，以及让用户愿意回来完成下一次任务的能力。
能跑起来，不等于值得留下
AI 把三个问题藏起来了
如果今天重新做一个小工具