做了14年工程设计,他开始把经验做成AI工具|OPC Daily 016

这是「1个人也能干」的第十六篇文章。

聊到AI创业，我们很容易先想到一个问题：现在还能做什么新产品？

但今天，一个国内项目让我更想问另一件事：

你已经做了很多年的工作里，有没有一件反复发生、别人总来请教你的事？

可能是检查一份设计文件，也可能是判断该跟进哪位客户。

这些工作未必新鲜，却有具体的使用者、明确的麻烦，以及可以讨论的交付标准。

今天不讲一夜暴富。我们看三个处在不同阶段的项目，再拆一个值得小范围验证的服务方向。

01 做了14年工程设计，他想解决反复校审的问题

据盐城新闻网9月17日报道，东台市数图云工程科技有限公司的周朋有14年工程设计经验，正与团队开发“数图智校”，探索工程图纸智能审校。

报道提到，团队在测试图纸识别精度；入驻东亭元点OPC社区后，获得技术交流、创业服务及本地设计院等资源对接。

先划清边界：报道说的是“周朋和团队”，不是一个人独立完成全部工作；也没有披露可核实的收入、付费客户数量或完整准确率测试。它目前更适合进入观察名单，而不是被包装成赚钱样板。

来源：盐城新闻网《走进盐城一人公司》

我关注这个项目，不是因为它已经证明了商业成功，而是因为它的起点。

很多人做AI产品，先问模型能做什么，再找谁可能需要。

有行业经验的人，有机会反过来：先指出一个长期存在的问题，再判断AI能承担其中哪部分工作。

当然，干得久不等于产品一定做得好。经验要变成工具，还得被拆成可解释的规则、真实的样本和可检验的结果。

“我知道这里容易出错”，是起点。

“别人能据此复查，并确认工具到底帮了什么忙”，才开始接近产品。

02 Veora：不是服务所有销售，而是找到一类具体的人

海外项目Veora提供了另一个角度。

创始人在9月16日的复盘中自述：三位创始人从今年6月开始，三个月累计收入约1.4万美元，年化经常性收入约6万美元。它并非纯一人公司；数字属于项目方披露，未经独立审计，年化指标也不等于已经收到一年的钱。

产品围绕邮件、会议和已有联系记录，辅助寻找销售机会、跟进及约会，由用户保留控制权。团队起初覆盖广泛的销售需求，后来收窄到“创始人自己负责销售”的人群；早期通过已有关系寻找试用伙伴、持续访谈。创始人同时承认，留存仍在观察。

来源：Veora创始人复盘

对小团队来说，这个转变值得借鉴。

“帮企业提升销售效率”，听起来很大，但不容易决定第一版到底做什么。

换成“帮既要做产品、又要亲自卖产品的老板整理跟进事项”，工作就具体了：

谁还没回复？上次谈到哪里？下一步需要补什么材料？哪些承诺需要本人确认？

如果要借鉴，可以先验证一份“客户跟进清单”，而不是直接搭一个自动销售系统。

只处理获得授权的记录，列出依据，草拟下一步，由本人确认再发送。涉及报价、合同条件和付款承诺，不让工具自行决定。

这不是Veora已经验证了你的方案，而是从它的定位变化里，找到一个可以试的小切口。

03 一个白底图工具：需求清楚，不等于生意成立

CleanWhiteBG做的事情很直观：把图片背景变成白色。

但核对页面后，我决定不把它写成收入案例。

它的Indie Hackers资料栏显示月收入200美元，创作者的发布帖却说，这是自己使用的免费工具，还不能称为一门生意。两个口径之间缺少解释，暂时无法据此确认付费情况。

来源：CleanWhiteBG产品页与创作者说明

它仍有观察价值：一个小工具，可以围绕一个明确结果来设计，而不必一开始就塞进几十种能力。

但后面还有另一道题：外部用户会不会反复使用，愿不愿意付费，获取这些用户又要花多少成本？

功能做出来，只完成了产品验证的一部分；有人持续为它付费，才开始回答商业问题。

04 今天发现：行业资料的重复核对

本号一直关注一类工作：多人反复搜集、整理、比对信息，能不能借助AI重新组织？

今天的场景，是行业资料核对。

下面是受这些项目启发的服务设想，不是对数图智校现有功能的描述，也不是已经验证的收入模式。

以设计文件为例，先不碰“AI自动完成全部审查”这样的大目标。

可以从更窄的文本任务入手：检查文件编号前后是否一致、附件清单是否对应、同一项目是否混入不同日期的版本。

这类任务有一个好处：可以把“哪里可能有问题”和“为什么这样判断”一起交给使用者核对。

设想最终交付的不是一份笼统的AI评分，而是一张有出处的疑点清单：

• 原文在哪一页、哪一段；
• 哪两处内容存在差异；
• 依据哪条经过确认的检查规则；
• 哪些地方信息不足，暂时无法判断；
• 由谁复核，最后怎样处理。

AI负责辅助检索、比对和整理，专业人员负责确认问题、解释背景、作出判断。

尤其是工程安全、设计合理性和规范适用性，不能把模型输出当作最终结论。没有被AI标出来，也不代表没有问题，更不能因此跳过原本要求的人工审查。

一个小团队能否从这里做服务，关键不在“能不能生成报告”，而在报告是否可追溯、是否真正减少重复劳动，以及责任边界是否清楚。

05 如果你有行业经验，可以先做一次小试验

不用先辞职，也不用先开发一个完整平台。

先找一位愿意共同验证的同行，把任务缩到双方都说得清楚的范围。

第一步，只选一种文件、一类问题。

比如只查文本中的编号一致性，不承诺判断整份设计是否合格。

范围越明确，越容易知道工具究竟做对了什么、漏掉了什么。

第二步，用有权使用的资料，建立对照答案。

由专业人员先确认已知问题和正常样本，再让工具处理，避免只展示几个碰巧成功的例子。

客户文件不随便上传；资料授权、脱敏、存储和删除方式，需要事先约定。

第三步，同时记录漏报、误报和实际工时。

发现十个“疑点”，如果九个需要人花时间排除，未必节省了工作。

比起报告有多少页，更应该比较：完成同一项任务，算上人工复核与返工后，总共用了多久？质量有没有下降？

第四步，再问客户是否愿意继续购买。

愿意尝鲜和愿意重复付费，是两回事。

如果客户认可交付，可以根据资料量、检查范围和复核成本讨论价格。不要在尚未核算投入之前，就承诺低价、无限量或固定倍数的提效。

先证明一个小任务值得被购买，再决定哪些部分值得做成软件。

06 对一人公司而言，资源对接也要回到具体任务

国内的OPC支持体系也值得关注。武汉市政府9月17日发布了数智经济高质量发展“十五五”规划。

但规划文件不等于每一项支持都已经开放申请，看到政策方向，也不能直接推导出“现在就能领补贴”。具体条件仍要看实施办法和办理渠道。

来源：武汉市政府规划通知

对正在尝试的人，我更建议带着一个实际问题去看资源：能否找到愿意试用的客户？能否获得合法可用的样本？能否请到熟悉业务的人共同验证？

这些问题，比单纯比较办公空间大小，更接近一门生意的起点。

今日一句话

AI降低的是把经验做成工具的成本，不是获得经验和承担判断责任的门槛。

看完今天的项目，我越来越觉得，寻找机会不一定要先去陌生行业找风口。

也可以回头看看：在自己熟悉的工作里，有什么问题总是重复出现？哪些检查每次都要重新做？哪些经验一直只能口头传授？

不是所有经验都能自动化，也不是所有麻烦都有人愿意付钱解决。

但把其中一个问题讲清楚、试清楚，比做一个无所不能的演示，更接近真实客户。

如果把你工作里最烦的一项重复检查交给AI辅助，你会先选哪一项？