干了14年工程设计，他把经验做成了AI工具，这事跟每个老手都有关

9月17号，盐城新闻网报了一条消息。东台市有个叫周朋的人，干了14年工程设计，现在带着团队在做一件事，把工程图纸的审校工作交给AI。

项目叫「数图智校」。报道里说团队还在测试图纸识别精度，入驻了东亭元点OPC社区之后，拿到了技术交流、创业服务，还有本地设计院的资源对接。

说实话，这条新闻本身没什么爆点。没有融资额，没有用户数，没有收入。连准确率测试的完整结果都没披露。

但它让我停了一下。因为它回答了一个很多人正在焦虑的问题。一个干了十几年的人，手里最值钱的东西到底是什么。

先看清楚，被AI盯上的不是你的岗位，是你手里那件重复的事

周朋做的事，说穿了不复杂。工程设计图纸在交付之前，要经过一轮又一轮的校审。编号对不对，附件清单能不能对上，同一个项目里有没有混进不同日期的版本。这些活不产生设计价值，但每次都得做，做完还得签字。

干了14年的人，闭着眼睛都知道哪几个地方最容易出错。这种判断不是从书本里学来的，也不是考个证就能拿到的。它是被甲方骂出来的，是被返工逼出来的。

现在他把这套判断拆成规则，让AI先跑一遍，把可疑的地方标出来，人再复核。AI负责检索、比对、整理。人负责确认问题、解释背景、做最终判断。

你发现没有，这里面有一个很关键的分工。AI抢走的不是「判断」，是「判断之前的翻找」。

“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。

这句话是我今天最想让你记住的。很多人一听AI就慌，觉得自己的活要被抢。但你去拆一下那些真正落地的项目，被替掉的往往不是「做决定」这个动作，而是决定之前那一堆重复的、机械的、不需要创造力的准备工作。

周朋的团队现在还在测试阶段。没有可核实的收入，没有付费客户数量，没有完整的准确率报告。所以我不会跟你说这是个赚钱样板。它现在更适合放进观察名单。

但它给了一个方向。这个方向，跟你有没有技术背景关系不大。跟你干了多少年、手里有没有别人不会的判断，关系很大。

大部分人的顺序搞反了，先问AI能干嘛，再找谁需要

现在做AI产品的人，十个里有八个是这么想的：模型现在能识别图片了，那我做个识别工具吧。模型现在能写总结了，那我做个总结工具吧。做完之后发现，不知道卖给谁。

有行业经验的人，顺序是反过来的。先指出一个长期存在的问题，再看AI能承担其中哪一部分。周朋就是这么干的。他不是先学了AI再去找场景。他是先知道自己这行哪里最烦，再去找工具。

这个顺序的差别，就像一个是先买了锅再想做什么菜，一个是先知道自己想吃什么再去买锅。前者容易买一堆用不上的东西，后者目标清楚。

但我要给你泼一盆冷水。干得久，不等于产品一定做得好。经验要变成工具，中间隔着三样东西。

第一样，可解释的规则。你脑子里那个「这里容易出错」的直觉，得拆成一条一条能写下来的判断标准。拆不出来，AI就没法学。

第二样，真实的样本。得有足够多有代表性的图纸，有已知有问题的，也有正常的。光拿几个碰巧成功的例子去演示，那不叫验证。

第三样，可检验的结果。别人拿着你的工具跑一遍，能复查，能确认它到底帮了什么忙，漏了什么。

「我知道这里容易出错」只是起点。「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。这中间的距离，比很多人想象的要远。

一个海外项目做对了一件事，把范围收窄到一类具体的人

再看一个海外项目，叫Veora。这个案例我觉得特别值得讲，因为它把一个很多人做错的事做对了。

创始人在9月16号的复盘里自己说，三位创始人从今年6月开始做，三个月累计收入大概1.4万美元，年化经常性收入大概6万美元。这不是一个人的公司，数字是项目方自己披露的，没有经过独立审计，年化也不等于已经收到了一年的钱。

产品做的事情是围绕邮件、会议和已有的联系记录，帮人找销售机会、跟进、安排约会，控制权留给用户。团队一开始想覆盖所有销售需求，后来收窄到一类人：自己负责销售的创始人。早期靠已有关系找试用伙伴，持续做访谈。创始人自己也承认，留存还在观察。

这个收窄的动作，我觉得比那1.4万美元更值钱。

“「帮企业提升销售效率」听起来很大，但不容易决定第一版做什么。「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。

具体到什么程度？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。这些问题，每一个都能对应到一个具体的动作。

如果你要借鉴这个思路，我建议你先验证一份「客户跟进清单」，而不是上来就搭一个自动销售系统。只处理拿到授权的记录，列出依据，草拟下一步，由本人确认再发。报价、合同条件、付款承诺这些，不让工具自己决定。

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

我见过太多人做产品，一上来就想服务所有需要的人。结果就是谁都服务不好。你去看那些活下来的小团队，几乎都经历过一个「砍掉一大半客户」的过程。不是他们不想做大，是他们发现，范围一大，产品就没法定义，交付标准也没法定。

需求清楚，不等于生意成立，这是最容易踩的坑

第三个案例，是一个叫CleanWhiteBG的工具。做的事情特别直观，把图片背景变成白色。做电商的、做设计的，一听就懂。

但我核对完页面之后，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，创作者的发布帖里却说，这是自己用的免费工具，还不能称为一门生意。两个口径对不上，中间缺少解释，所以没法据此确认付费情况。

这个案例的价值不在收入，在于它暴露了一个特别常见的认知误区。需求清楚，不代表生意成立。

把图片背景变白，这个需求确实清楚。很多人确实需要。但清楚的需求后面，还排着好几道题。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。这两件事之间，隔着一整个市场。

我见过太多人卡在这一步。工具做出来了，发到网上，有几个朋友点赞，然后就没了。不是工具不好用，是没有人愿意为它掏钱。掏钱这个动作，跟「觉得不错」完全是两码事。

如果你手里有行业经验，从一件小得不能再小的事开始

前面三个项目，阶段不一样，做的方向也不一样。但它们指向同一件事：你手里那些重复了很多年的工作经验，可能是现在最值钱的原料。

但怎么开始？我见过太多人一上来就想搞个大平台，结果三个月过去还在画架构图。不用辞职，也不用先开发一个完整系统。先做一次小试验。

第一步，只选一种文件、一类问题。

比如只查文本里的编号一致性，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。你要是连范围都说不清楚，后面根本没法验证。

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，再让工具去跑。这一步是为了避免只展示几个碰巧成功的例子。客户文件不能随便上传。资料授权、脱敏、存储和删除的方式，要事先约定好。这个不是小事，尤其是工程、医疗这类敏感行业。

第三步，同时记录漏报、误报和实际工时。

这一步特别容易被忽略。工具发现了十个疑点，如果九个都需要人花时间排除，那未必节省了工作。比起报告有多少页，更应该比较的是：完成同一项任务，算上人工复核和返工之后，总共用了多久？质量有没有下降？

第四步，再问客户愿不愿意继续买。

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来讨论价格。不要在还没核算投入之前，就承诺低价、无限量或者固定倍数的提效。这种承诺后面基本都是坑。

“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。

这四步走下来，你可能花了两三周时间，但你会知道一件特别重要的事：这个东西到底有没有人要。比闷头开发三个月强得多。

政策文件不等于能领钱，资源对接要回到具体任务

顺便说一个很多人关心的事。9月17号，武汉市政府发布了数智经济高质量发展的「十五五」规划。很多人看到这种文件就兴奋，觉得机会来了。

但我得提醒一句。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，不能直接推导出「现在就能领补贴」。具体条件还是要看实施办法和办理渠道。

对正在尝试的人来说，我更建议带着一个实际问题去看资源。能不能找到愿意试用的客户？能不能拿到合法可用的样本？能不能请到熟悉业务的人一起验证？

这些问题，比比较办公空间大小，更接近一门生意的起点。周朋的团队入驻OPC社区之后拿到的资源对接，重点也是本地设计院这类能带来真实客户的资源，不是工位。

不做会怎样，我把代价说清楚

我不喜欢吓人。但有几件事，我得把话说明白。

你现在手里那些「只有你会」的判断，如果不主动把它变成可交付的东西，它会一直锁在你脑子里。你在，它就在。你不在，或者你换个岗位，它就没法传给任何人。这不是危言耸听，这是很多老师傅的现状。

而且，现在做这件事的成本，是过去十年里最低的。以前要把经验做成工具，你得找技术团队，得花钱，得等很久。现在一个人、一台电脑、一些现成的模型能力，就能跑一个小验证。

但成本低，不代表没有门槛。门槛从「会不会写代码」，变成了「能不能把经验拆清楚」和「愿不愿意承担判断的责任」。这两道门槛，比技术门槛更难跨，因为它要求你面对自己那些说不清道不明的直觉。

还有一个代价，是时间上的。今天动手，和半年后动手，看起来差不多。但早动手的人，手里会多一份真实数据，多一个愿意配合的客户，多一次失败的经验。这些东西，是后来者花钱也买不到的。

反过来，如果你试了，发现这件事没人愿意付钱，那也是一个特别有价值的结果。你只花了两三周，就省下了三个月甚至半年的瞎折腾。

今天就可以做的一件事

不用等明天。今天下班前，拿出一张纸，把你工作里最烦的一项重复检查写下来。就是那种每次都要做、做完没什么成就感、但不做又会出错的事。

写下来之后，问自己三个问题。这件事的判断标准，我能不能一条一条写出来？我手里有没有真实的正反样本？如果让工具先跑一遍，我能省下多少时间？

三个问题里有两个答不上来，说明这件事还不适合现在做。三个都能答上来，你就找到起点。

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。

把工作里最烦的那项重复检查交给AI辅助，你会先选哪一项？想清楚这一个问题，比看一百个案例都有用。