ARTICLE · 1255552
懂业务的人学会 AI,才是真正的王炸
懂业务的人学会 AI,才是真正的王炸前几天，我发了一条视频，大概讲自己怎么用 AI 把 TikTok 达人板块全部自动化，没有说的很详细，因为拆开讲就太长了。 
有人私信我，问能不能付费学习这套流程，这件事让我有点意外，因为从技术角度看，我做的并不是什么特别高深的系统，只是一些skill和定时任务。市场真正感兴趣的，是我知道应该把 AI 用在哪里。 
我不知道应该怎么报价，毕竟只是内用还没有对外，看到朋友圈有人发这个业务的解决方案，我去了解了一下，他们卖的是中台应用，免费上门给你梳理业务流程做成工作流，但是499/899美金一个月，而且必须按年订阅，再按照使用量消耗积分，这相当于至少要花费好几万。 
我都懵逼了，我说这也太贵了，对于业务复杂、重视权限和数据安全的大公司来说，请专业团队来做很正常。 但如果企业需要的只是一套相对标准、规模不大的工作流，这个成本就未必划算。尤其当企业内部已经有人既熟悉业务，又愿意学习 AI，很多流程可以先由内部跑出一个可用版本，再决定哪些环节需要专业团队介入。 包括前几天去参加一个行业活动，一个做AI客服的服务商公司来加我推销服务，我一看这些业务我自己都能接入，连价格都没问了，估计也是不便宜的。 
我看着这些公司不禁思考，AI盛行下出现这么多类似于降本增效的公司，但是只要业务负责人稍微懂点AI我感觉这些功能就都自己接入了啊，这些公司真的能活很久吗？ TikTok 达人业务我很熟悉，哪些环节每天都在重复，哪些动作有清晰规则，哪些事情可以交给 AI，哪些地方必须保留人工判断。 比如，同样是“联系达人”，背后其实包含筛选、建联、跟进、寄样、催发布、回收视频链接等不同环节。每一步的判断条件都不一样，也会遇到大量例外。 如果不了解业务，只看到“达人邀约”四个字，很容易把它理解成批量发消息。但真正做过的人知道，找到达人只是第一步，后面的跟进和履约才最消耗人力。 所以，AI 自动化里最难的部分，往往不是把几个工具连接起来，而是先把业务讲清楚。 一个很懂 AI、但没做过 TikTok 达人业务的人，也可以帮企业搭自动化。 问题是，在他动手以前，业务人员必须先把整套流程从头讲一遍：每一步做什么，按照什么条件判断，遇到异常怎么处理，哪些数据可以相信，哪些结果必须人工复核。 讲一遍通常还不够，还需要反复演练和修改。 等技术人员终于理解了业务，项目才真正开始。中间的沟通成本很高，最终做出来的系统也可能看上去功能齐全，却不符合一线人员的使用习惯。 懂业务的人自己学习 AI，路径正好相反。 他不需要重新理解问题，因为问题每天都发生在他面前。他最清楚哪里浪费时间，哪里容易出错，也知道什么样的结果才算真的可以交付。 当这样的人开始使用 AI，第一反应不会是“这个工具有哪些功能”，而是“我现在这一步能不能交给它”。 真正会越来越难的，可能是另一类生意：没有很深的交付能力，只是把几个公开工具包装成标准流程，再利用客户不了解 AI，卖出很高的价格。 随着一线业务人员开始学习 AI，这层信息差会快速缩小。 企业内部的人会越来越清楚，哪些需求可以自己解决，哪些值得购买成熟产品，哪些才需要专业团队定制。 很多做业务的人现在会焦虑：AI 会不会把自己的经验变得不值钱？ 我的感受刚好相反。 纯粹重复、按照固定规则执行的部分，确实会逐渐被自动化。但那些来自真实项目的判断力，比如怎么定义问题、怎么处理例外、怎么判断结果能不能交付，会变得更值钱。 AI 可以快速执行，但它首先需要有人告诉它，什么才是正确的事情。 行业里有一个岗位叫 FDE，全称是 Forward Deployed Engineer，通常翻译为“前线部署工程师”。它不是“全栈业务专家”，更接近深入客户的实际业务，把模型和技术真正部署到生产流程里的人。 并不是每个业务人员都要转型成工程师。但这种工作方式值得学习：不要停留在聊天、写文案和做图片，而是开始观察自己的完整流程，找到可以交给 AI 的环节，再逐步把它跑通。 如果你做业务，可以从一件小事开始，不需要一天学十几个 AI 工具，也不用先学习一大堆代码，先找出你每天或每周都在重复做的一件事。 把它从头到尾做一遍，记录每一步的输入、判断条件和最终结果。然后再看，其中哪些步骤有明确规则，哪些可以让 AI 先做，哪些必须由人确认。 先解决一个小流程，比收藏一百份 AI 教程更有用。
一，一个付费咨询引发的思考
