沃顿教授:AI创业,别只盯着卖软件

AI把代码、设计和经营建议变得更容易获得，创业机会就只剩下再做一个软件吗？沃顿商学院教授伊桑·莫利克给出的答案恰好相反：把软件当工具，去做原本被门槛挡住的生意。但从课堂原型到客户愿意付钱，之间仍有一段无法靠生成速度跳过的路。关键是重新理解创业机会的来源。

别只想着卖软件，也想想用它经营什么

创业讨论里有一种很熟悉的惯性：新技术来了，赶紧做一个工具，再按月收费。

莫利克在这场访谈中反而想把注意力挪开。他借用淘金的比喻，提出的不是再找一把铲子卖给别人，而是想想能否利用新工具，直接经营一门原来难以进入的生意。

这不是对软件公司下死亡判决。他区分了两种情况：技术本身就是核心的公司，仍然需要优秀工程师与AI一起工作；另一些公司的目标，本来就不在于卖软件。

主持人经营邮件通讯和视频内容，软件是让这些工作运转的工具。她在访谈中提到，随着订阅人数触及某个门槛，所用服务的价格将明显上升，于是开始考虑能否自己搭建相关功能。

这里发生的变化很具体：原来必须先找到技术合伙人、再排期开发的想法，如今有机会先由提出需求的人推进。创业者可以多一种实现方式，不必顺势把自己也变成软件供应商。

更值得追问的，是这套能力能让哪门生意成立，而不只是还能包装出哪个工具。

最有意思的创业点子，往往很窄

莫利克讲到课堂里的项目时，没有先介绍一个覆盖所有人的超级应用。

他的学生包括医生、生物医疗器械从业者、金融从业者和人道援助工作者。他们带来的问题各不相同，范围也很具体。

有人想追踪企业的整条供应链，找出需要留意的财务薄弱环节；有人想改善患者接收信息的方式，让信息真正被理解，而不只是再交一张表格。

这些是教授介绍的课堂项目，访谈没有给出它们已经实现收入或利润的结果。值得注意的，是想法的出发点：不是先问AI还能生成什么，而是先知道某个行业里，哪件事一直做得不够好。

他认为，熟悉一个问题的人，突然拥有更多制作能力，会看到过去难以实现的可能性。软件在这里不必是最终商品，也可以是把专业经验变成服务的工具。

这种方向看上去不够宽，却可能更容易提出具体要求：哪里会出错，谁会受到影响，什么样的结果才值得使用。知道这些细节，与能否迅速生成一个漂亮界面，是两种不同的优势。

界面做出来了，行业的阻力还在

创业课上总有一些反复出现的想法。莫利克举的例子，是用技术取代房屋交易中的经纪人。

纸面上的账很好算：交易金额大，中间环节收费高，软件似乎能够把流程连接起来。但按他的教学观察，学生往往低估了经纪人已经嵌入其中的社会关系、法律规则与行业安排。

困难并不全在代码里。即使技术部分变容易，原来藏在交易过程中的阻力也不会因此自动消失。

主持人没有照单全收。她提到送餐和短租平台，追问那些看起来也有信任与现实障碍的生意，为何后来能够做成。

莫利克承认，事先并不能确定哪个想法一定不行。他并不主张把这些题目一概划掉：需求可能是真实的，问题只是比最初看到的更难。

这段来回，比一份不能做的项目清单更有价值。AI降低的是一部分制作难度，创业者仍要找到真正卡住交易的地方。 如果最难的是信任、合规或行业关系，继续把界面做得更完整，未必是在解决最贵的问题。

同一位AI顾问，未必带来同一本好账

访谈还谈到一项肯尼亚小企业实验。它给AI创业的热情补上了经营层面的复杂性。

研究在2023年开展，持续约五个月，随机让640名肯尼亚小企业经营者中的一部分使用基于GPT-4的商业顾问，另一部分获得商业培训材料；经营结果以多轮自报的营收和利润衡量。

正式论文没有发现总体平均经营表现的显著改善。按实验前表现分组后，效果存在差异，原先较弱的一组受到负面影响；较强一组的改善证据则仍有统计不确定性。

研究者把差异更多地指向经营者选择实施的建议，而不只是问了什么问题或拿到了什么回答。这项特定样本、特定时期的研究，不能直接推成今天所有AI工具的收益结论。

但它提醒了一件与赚钱直接相关的事：拿到一份看似合理的经营建议，还没有完成对成本、需求和执行条件的判断。建议落到真实生意里，结果可能分叉。

便宜下来的，是发现错误的成本

谈到创业方法，莫利克反复回到一个问题：怎样用尽可能低的成本，弄清自己还不知道什么。

在他的解释里，访谈客户、做最初的产品、把东西拿出去给人看，目的并不是给一份商业计划补材料，而是尽快学到新东西，再决定要不要继续投入。

AI能够帮助做更早的探索：把想法展开，制作初步版本，模拟可能的反应。过去某些必须等人、等预算才能开始的尝试，现在可以更早动手。

他同时明确区分了模拟与现实：AI可以扮演一个初步的模拟客户，但它不是客户。

这条区别尤其容易在产品看起来已经很完整时被忽略。生成的页面能运行，模拟对象给出积极反馈，都还没有回答真实的人是否需要它、愿意为什么付钱，以及使用过程中会遇到什么阻碍。

更低的试错成本，应该让人更快接近真实反馈，而不是让一套未经验证的想法更快变得精致。

真正的差异，要长在客户在乎的地方

如果所有创业者都能得到AI建议，彼此的策略会不会越来越像？主持人把这个问题直接抛给了莫利克。

他的回答涉及领域经验、知识广度、主动行动和品味。其中，领域经验并不只是已经工作多少年，也包括主动进入行业、访谈相关的人、测试自己的想法。

而知识广度的作用，是让人能把工具用在不熟悉的环节。懂一些设计与会计，不必意味着亲手完成所有设计和财务工作，却有助于知道该向AI提出什么要求。

莫利克也没有要求创业者在所有环节都与众不同。他举的区分是：如果财务不是竞争优势，使用通用做法可能没有问题；但在自己真正要赢的地方，需要有能够被识别的差异。

品味因此不是给成品加一点好看的包装，而是能够比较方案，讲清楚什么值得留下、什么不够好。他在课堂里引入艺术教授，让学生接触不同作品，并学习讨论它们的语言。

放在生意里，这意味着不能只满足于AI给出了一份像样的答案。更重要的是，它是否符合这类客户的要求，是否解决了那个具体问题，以及哪些地方应该坚持自己的选择。

一句想法，距离一门生意还有多远

莫利克谈到学生团队时说，最初提出点子的人往往觉得点子是最大的贡献。随着学期推进，想法本身却会变化，真正留下价值的是持续的探索和执行。

这也是他对当下AI能力保留的一条现实判断：还不能把一个创业念头交出去，再让系统自行执行，就得到一家真正运转的公司。

这与他鼓励更有野心并不矛盾。技术能力扩大了可尝试的范围，却没有替每个想法补上客户、交易与经营结果。

对一个AI创业项目，更有分量的进展，或许不只是又多做出几个功能，而是终于弄清了谁需要它、对方真正重视什么，以及哪一项投入能够换来可持续的收入。

当软件越来越像随手可取的工具，问题也就从还能做出什么，转向了另一个方向：拿到这些能力以后，究竟准备经营什么？

视频来源：Wharton Entrepreneurship Professor: What I Push My Students to Build Now That They Have AI https://www.youtube.com/watch?v=sHHYVvG_C4Q

参考：The Uneven Impact of Generative Artificial Intelligence on Entrepreneurial Performance: Evidence from a Field Experiment in Kenya https://pubsonline.informs.org/doi/10.1287/mnsc.2024.06909