夜雨聆风
过去几年，AI赚钱的逻辑一直在变。
最早，稀缺的是「会用模型」； 后来，稀缺的是「能把工具接起来」； 再后来，大家开始卖Agent和自动化。
到了今天，我越来越觉得——
真正值钱的，已经不是某一个工具或workflow，而是有人愿意进入具体业务，找到一个昂贵的问题，把它做完，再证明它真的变好了。
我更愿意把这个角色翻译成：「AI结果负责人」。
AI能力正在迅速商品化，真正稀缺的是：谁愿意对「这个流程有没有变好」负责。
这句话背后，其实是过去四年AI生意的一次换挡。
这四年，AI生意换了四次商品
2023：卖「会用」
ChatGPT刚把生成式AI推向大众时，稀缺的是知识差。会写prompt、会接API、会做一个聊天机器人，就足以成为服务。
那一年，McKinsey的调查里，只有三分之一的受访者说公司已经在至少一个业务职能中经常使用生成式AI。市场卖的是入场券：培训、提示词、wrapper、内容生成。
2024：卖「接起来」
模型不再新鲜，企业开始问：能不能接进CRM、客服、营销、知识库和内部文档？于是Make、Zapier、RAG、workflow automation成了主角。
同一份年度调查到了2024年，生成式AI的组织使用率升到65%。但约一半的应用仍主要依赖现成工具，真正能把数据、权限、流程和风险一起处理好的团队并不多。
这一阶段最容易卖的是demo：几分钟跑通一条链路，看起来像未来已经到了。
2025：卖「跑起来」
Agent开始进入企业。大家不再满足于生成一段文字，而是希望模型能规划、调用工具、跨系统执行，甚至接管一段流程。
问题也在这一年暴露出来。McKinsey 2025年的调查显示，88%的受访组织已经在至少一个职能里经常使用AI，但接近三分之二还没有开始企业级扩展；只有39%报告了任何企业层面的EBIT影响。
不是模型不会做，而是试点没有进入真正的工作现场：没有明确owner，没有基线指标，没有异常处理，没有权限设计，也没有人持续维护。
2026：卖「结果」
现在会用AI已经不构成优势，甚至能搭一个Agent也会越来越普通。新的分水岭是adoption之后的absorption：一个组织能不能真正吸收AI，让它进入流程、留下反馈、积累上下文，并随着业务一起变化。
Microsoft 2026 Work Trend Index里有一个很重要的判断：文化、管理支持和人才机制等组织因素，对受访者所报告AI影响的解释力，是个人努力的两倍。
这意味着AI项目的核心，正在从「部署一个工具」变成「重新设计工作」。
为什么AI Consultant比AI Agency更准确
Agency通常卖一个外部交付物：机器人、自动化、内容流水线、Agent系统。交付结束，项目也结束。
Consultant真正卖的是判断和结果。他要先理解业务约束，再决定哪里该自动化，哪里该让人保留判断，哪里必须有审核、回退和记忆。系统上线后，还要看指标有没有变化。
这并不意味着AI Agency会消失。会被压缩的是那种「把通用工具接一下，再按项目收费」的中间层。模型更强，平台更完整，模板更便宜，这部分差价只会越来越薄。
更难被替代的，是进入一个陌生组织后，迅速识别真正瓶颈的能力。
Anthropic在2026年1月的Economic Index中也给了一个有意思的信号：基于2025年11月的Claude.ai样本，augmentation占52%，automation占45%。即使模型能力持续上升，成熟用法也不等于简单地把人拿掉。很多时候，价值来自重新设计人和模型怎么交接、校验和继续学习。
2026上半年，自媒体也从卖流量转向卖结果
把视角拉回Twitter/X，很多人更关心的问题是：现在做自媒体，还能不能赚钱？
当然能。但我觉得，上半年最明显的变化，是「能生产内容」本身越来越难构成溢价。AI把写作、剪辑、选题和分发的成本都打了下来，公开信息迅速过剩，泛知识内容越来越像一种免费供给。
平台内变现依然存在。但过去几年，自媒体赚钱的逻辑大致走了三步：
- 先卖流量
靠播放量、平台分成、商单和affiliate。核心指标是曝光，内容越多，分发机会越大。 - 再卖关系
把关注者沉淀到newsletter、订阅和社群。价值开始从「被多少人看见」转向「有多少人愿意持续付费」。 - 现在卖结果
这一步和前面的AI consultant连在一起。你在公开内容里持续拆解一个具体问题，读者通过内容判断你的能力；真正付费时，他们买的不是更多帖子，而是一次诊断、一个workflow、一套工具、一个项目，或者一个可以被验证的改善。
对于想做自媒体的人，我更建议把内容当成一条信任链：
公开内容用来证明判断（把你正在研究的问题、取舍和方法写出来） 咨询或服务用来获得真实上下文 案例用来证明结果 产品用来放大重复出现的方法
自媒体不是第三条路。它是独立顾问的获客系统，也是产品的早期分发系统。
一个AI项目，应该从指标开始
如果真的要把这套方法拿来做业务，我会再加一点产品和工程约束：
- 先找一个足够痛、又足够窄的问题
不要从「公司需要AI」开始。要从一个具体流程开始：谁每天在做，做一次多久，错误成本多高，当前基线是什么。 - 再用真实上下文构建
不是拿几份样例做demo，而是使用真实SOP、历史输入、业务规则和异常案例。输出要有eval，要有人工复核点，也要有失败时的回退路径。 - 然后进入真实流程测量
不要只展示「它能做」。要比较上线前后：时间有没有缩短，错误率有没有下降，转化有没有提高，员工是不是愿意继续用。 - 最后再把结果放大
对独立顾问来说，把结果变成case study和新的客户入口。对内部顾问来说，把它变成晋升、预算和更大范围流程改造的依据。
真正可以复用的，不只是automation template，而是你诊断问题、设计边界、验证结果的整套方法。
两条路里，我反而更看好内部顾问
现实里常见的路径有两条：freelance consultant和in-house consultant。前者自由、上限高，但要自己解决获客和销售；后者收入更稳定，而且天然拥有组织上下文。
很多人低估了第二条路。
AI项目最缺的往往不是模型知识，而是有人知道数据在哪里、流程为什么这样设计、谁会抵触、什么错误不能发生、哪个指标老板真的在意。这些隐性知识，外部团队需要几个月才能摸清，内部的人已经拥有。
所以未来的「AI顾问」未必都在咨询公司。运营、销售、客服、财务、产品和工程团队里，都会出现一批能重构本职工作的人。他们不一定挂着AI title，但会成为组织里最早的agent operator和workflow designer。
真正的护城河，不是会用Claude
今天是Claude，明天可能是另一个模型。工具会换，价格会降，能力会变成基础设施。
真正能积累的，是五件事：
选对问题 拿到上下文 设计工作流 建立验证 赢得信任
所以我不会先问「怎么靠Claude赚钱」。
我会先问：
我身边哪一个流程足够昂贵、足够具体、可以测量，而且我有机会在一周内让它真的变好？
当你能回答这个问题时，Claude才不只是工具。它开始成为杠杆。
你现在还在卖什么？工具、Agent，还是结果？
欢迎留言聊聊你的观察。
