ARTICLE · 1119265
当大家都开始用平台的AI助手了,而我却还是自己跑工具分析
当大家都开始用平台的AI助手了,而我却还是自己跑工具分析最近一个朋友在用 Amazon 后台的一些 AI 工具，他跟我说，现在不只是平台，很多 ERP 和卖家工具也都开始加入 AI，而且有些确实很好用。 我回头看了看自己。 除了平时用 Codex 跑一些分析，剩下基本还是 GPT。Amazon 后台的 AI，包括各种 ERP 推出来的 AI 功能，我反而几乎没怎么用。 这让我想到一个之前一直在思考的问题。 之前我问过一些做 AI 工具的朋友：你们到底是怎么让 AI 分析业务的？ 得到的答案大多很简单：把数据喂进去，让 AI 自己分析。 这个方法当然没有问题。 如果一个人原来完全不会看数据，不知道广告哪里有问题，也不知道 Listing 应该怎么改，那么 AI 确实可以快速告诉他一些行业里比较标准的做法。 从这个角度来说，AI 非常适合补短板。 它可以让一个原本只有 50 分的人，很快做到 70 分。 但问题也恰恰出在这里。 做业务最后追求的，难道只是达到行业平均水平吗？ 很多时候，一个公司的短板被补齐，并不意味着这个公司的业务就会变得更好。 真正决定一家公司的，往往还是它原本最擅长的东西：产品判断、供应链、流量、数据能力，或者某一种独特的经营方法。 所以我思考的不是AI补短板，而是如何放大长板。 补短板其实并不困难。平台和各种工具已经在帮卖家做这件事了。 而想让 AI 放大自己的优势，你首先得知道自己的优势是什么，还要把自己的数据、方法、判断标准和业务逻辑慢慢沉淀下来。这是一个漫长且困难的沉淀过程。 这也是为什么我会想到“马太效应”。 AI 看起来把工具提供给了所有人，但它最终未必会让所有人的能力越来越接近。 它也可能成为一个能力放大器。 原本没有方法的人，用 AI 可以快速补到平均线；而原本已经有方法、有数据、有判断体系的人，则可能借助 AI 把这些优势继续放大。 所以真正值得讨论的，可能不是： “这些 AI 工具有没有用？” 而是： 当所有卖家都开始有 AI 以后，你到底准备用它补短板，还是放大自己的长板？ 同时，我很多时候不是觉得 AI 工具不好，而是卖家面前的选择实在太多了。 每一个 AI 工具想真正产生高质量的分析和动作，都不是接上数据就结束了。你需要持续补充数据、设定规则、校准判断逻辑，还要不断维护它。 这些本质上都是成本。 对于一些卖家来说，这些投入最后会沉淀成高质量的数字资产：数据越来越完整，规则越来越清晰，AI 对业务的理解也越来越深。 但对于另一些卖家来说，如果没有明确的使用目标，只是不断接入新的 AI 工具、重复喂数据、重复建立规则，最后很可能只是把时间、数据和精力分散在不同的平台里。 同样是在用 AI，有的人是在积累数字资本，有的人却只是在增加新的资源消耗。 最后，我也挺好奇大家用什么好用的工具的。 毕竟AI 工具越来越多以后，真正稀缺的可能已经不是工具本身，而是我们愿意把多少时间和资源，持续投入到真正重要的能力上。