现在能卖出去的 AI 产品,基本分以下三种:
第一种,用 AI 把开发成本打下来
原来投产比算不过来、没人愿意做的小系统、小工具,现在几天就能做出来
改的是成本结构
第二种,在原有体验上加一层 AI
原来的流程不变,查得更快、填得更少、错得更少
改的是效率
第三种,有了 AI 才做得出来的体验
以前根本没有这个产品,现在才有
改的是需求本身
最常见的是前两种,因为好算账、好放量
第三种最有想象空间,但也最难卖,客户连预算科目都没有
所以判断一个 AI 产品是否会被客户买单,自己先算笔账:
这次采购让客户改的是成本、效率,还是未被解决的需求?
答案不同,定价、销售策略全都不一样
上市公司、央企国企的 IT 负责人,见面第一句话往往是:必须本地化
我们一开始拒了很多这种单
后来换了做法:本地化和 SaaS 两版方案都给,让客户自己走流程
到采购做预算那一步,最后通过的往往还是 SaaS
不是 IT 说错了规则
"必须本地化"是 IT 在他屁股下必须坐住的凳子,不是整条链的决定
最后签字的是预算和采购,不是第一个开口的人
所以第一轮会上别跟 IT 辩,两版都给,把选择交给流程,交给内部的利益链
制造业做 AI 项目,先看数据情况,不看场景炫不炫
数据有没有、干不干净、能不能跨部门打通、有没有统一标准——这几条没确定,项目基本交付不了
一般别一上来就碰硬件场景。很多厂连数据都没有,等于从零挖,吃力不讨好。就算有数据,大半精力也耗在清洗、对齐、补ERP和MES的口径上,模型反而不是最难的那截
制造业 AI ,要先找:已有业务系统在跑、字段相对齐、出了问题能追到人的环节
数据底座不扎实,再贵的硬件和模型都是空加预算
今天下午和朋友聊完,更确定一个判断:
@leslieloser_@beefnoode
AI 时代最大的红利,不是多会讲模型,而是谁能扎进一线,理解真实业务,找到那些长期存在、反复发生、但过去没人解决的问题。
过去内容让普通人被行业看见,现在 AI 让普通人有机会真正进入行业内部。
技术是水,需求是船,机会永远在真实场景里。