AI 时代下，如何找到真正有价值的问题？

从 2022 年底开始，AI 的浪潮席卷了整个科技圈，我们每天都被各种强大的新模型、颠覆性的概念包裹着。作为一家深耕电商 SaaS 领域多年的公司，我们团队内部也充满了兴奋和焦虑。

但喧嚣过后，我常常反问自己：抛开那些宏大的叙事，我们到底应该如何利用 AI，去创造真正被市场认可的价值？

我发现很多团队，都曾陷入一个误区：过于关注“AI 能做什么”，而忽略了“客户需要什么”。

所以这篇文章，我想和大家探讨一些更实在的问题：

• 你对待 AI 的态度是什么？

• 在 AI 浪潮来临之际，我们究竟属于哪一波人？

• 如何找到真正有价值的问题？

• 如何判断解决这个问题的价值有多大？

希望今天的分享能够对你有所帮助。

你对待 AI 的态度是什么？

在聚焦价值创造之前，我想邀请你先思考一个问题：在你的内心深处，到底是如何看待 AI 的？

我们对待一项技术的态度，往往决定了我们能用它走多远。

有趣的是，不同文化背景下的人们，与 AI 的关系也截然不同。

在中国，我们很多人会把 AI 当作并肩作战的“同事”；

在美国，人们更倾向于将 AI 视为一个帮自己干活的“小弟”；

而在日本，AI 常常被赋予情感，成为可以陪伴的“朋友”，因此诞生了许多情感陪伴型产品。

相比之下，欧洲的一些文化对新技术的态度更为审慎，他们或许更担心 AI 会打破现有的平衡，因此在颠覆式创新上显得相对克制。

这个对比给了我们一个深刻的启发：我们如何看待 AI，就决定了我们会用它来创造一个怎样的世界。

它是我们的伙伴，工具，还是朋友？

这个问题，值得我们每个人深思。

在 AI 浪潮来临之际，我们究竟属于哪一波人？

想清楚了态度，我们还需要看清自己的位置。在 AI 这场新的“淘金热”中，像我们这样的 SaaS 公司，究竟扮演着什么角色？

我想用一个大家熟知的故事来打比方。

当年旧金山发现金矿，成千上万的人涌去寻梦。这里面，主要有三类人。

第一类，是卖铲子和水的人。

淘金不能靠双手，工具和补给是刚需。这些人是最先赚到钱的，但这个生意需要巨大的规模效应，是少数巨头的游戏。这就像今天提供算力的 Nvidia，提供云服务的 Microsoft 和 Google，他们是基础设施的提供者，是牌桌上的庄家。

第二类，是真正去挖金子的人。

他们是市场的主力，怀揣着一夜暴富的梦想，但历史告诉我们，绝大多数人都空手而归。

那么第三类人呢？他们独辟蹊径，在淘金地旁边开酒店、开餐厅，为所有淘金者提供服务。他们赚的，是整个生态的钱。

那么在 AI 浪潮中，也有类似的三波企业。

并且绝大多数企业都属于第三类 - 把 AI 融入到企业自身的产品和服务中，去解决客户在业务领域里遇到的那些最具体、最头疼的问题。

就像 Figma，它不是一个纯 AI 公司，但它利用 AI 解决了设计师工作中实实在在的痛点，所以市场给了它极高的认可。

看清我们的位置，我们才能保持清醒，不盲目追逐，而是把精力聚焦在真正能为客户创造价值的事情上。

拨开迷雾，找到那个“真正”的问题

既然我们清楚了自己的定位，那么下一个最关键的问题来了：

到底什么才是那个值得我们去解决的“真正”的问题？

我见过太多团队，都容易犯一个错误：看到一个表面现象，就立刻冲上去解决，却没有思考问题背后的本质是什么。

但是我更推崇的方式是：如果我有 1 小时去拯救世界，我会花 55 分钟去定义问题是什么，只以 5 分钟寻找解决方案。

感兴趣的朋友欢迎阅读《SaaS 102 | 为什么我要开始写 SaaS 102？》。

对于如何找到问题的本质，我想和你分享一个大楼电梯的案例。

一栋大楼里的租户抱怨电梯慢，最直接的方案是什么？

换一部更快的电梯。但这个方案成本巨大。

后来管理者发现，租户们抱怨的其实不是电梯的绝对速度，而是在等待中产生的“无聊感”。

于是，他们只做了一个极小的改动：在电梯间装上了镜子。

人们在镜子前整理仪表，分散了注意力，“慢”的感觉就这么消失了。

在电商业务中，你也经常会遇到类似的情况。

比如，假设你是一个服装品牌，现在面临消费者咨询很多，客服忙不过来的问题。

你要怎么解决这个问题？

很多人可能下意识会地想去招募更多客服。

但你有没有深入想过去分析那些客户咨询的问题是什么？

如果客户咨询的问题都是服装尺码或者材料相关的问题，那么你要的做的不是招聘更多客服，而是在产品介绍页把尺码和材料写清楚。

这类的信息差有很多，就像我去美国，完全搞不懂他们的服装尺码，他们用数字比如 0、2、4、6、8 表示尺码，而我们习惯用 S、M、L，这种信息差就会导致反复的沟通。

再比如，你是一个主要卖奶粉的母婴品牌，你突然发现自己店铺的老客户复购率暴跌了。

面对这个问题，你会怎么解决？

可能很多人的第一反应可能是加大促销力度。

但你有没有想过，最根本的原因可能非常简单：客户的小孩长大了，他不再需要婴儿奶粉了，你的解决方案也不再是给老客户发送奶粉优惠券，而是引导他们购买其他年龄段的母婴产品。

所以，下一次当我们面对一个难题时，请千万不要急着给出答案。

我希望大家都能多问自己一句：“这，真的是问题的根本所在吗？”

像 Zoom 一样，从最根本的问题出发寻找解决方案

找到了问题的本质，我们又该如何寻找解决方案呢？

这里，我想和大家重温一下 Zoom 的故事。

在 Zoom 之前，线上会议的体验普遍很差。当时的巨头们都认为，问题出在用户的网络不好。

但 Zoom 的创始人 Eric Yuan，这位前 Webex 的工程师，却看到了问题的另一面。

他意识到，用户觉得体验不好，不是因为网络带宽不够，而是因为沟通的“感觉”不流畅。

那么，在线上会议中，什么对“感觉”的影响最大？

是声音。我们可以忍受画面偶尔的卡顿，但完全无法接受声音断断续续。

于是，Zoom 做了一个看似简单却颠覆性的决策：

在网络不佳时，优先保证音频流的清晰和稳定，甚至不惜牺牲视频的画质。

这个小小的改变，彻底解决了用户“感觉”上的痛点，让他从众多竞争者中脱颖而出。

Source: Award Consulting

Zoom 没有去挑战那个我们无法改变的外部环境（比如用户的网络），而是从产品内部，找到了那个影响用户感受最关键的杠杆。

这才是从最根本的问题出发寻找解决方案。

一个问题值不值得解？用 IMPACT 框架计算一下

生活中、工作中，值得优化的点太多了。但我们的资源是有限的，到底哪些问题才值得我们投入精力去解决呢？

这里，我想和大家分享一个非常有用的思考框架：IMPACT，这个框架帮助我们从六个维度去评估一个问题的价值。

比如我们用 Slack 增加 “Thread” 这个功能做一下模拟实验。

基于 IMPACT 框架，我们很快就能判断 Slack Thread 是一个需要优先开发的重要功能。

我再举一个反例：为什么火车上没有安全带？

用 IMPACT 框架分析一下你就会明白，给火车加安全带是一个成本很高，价值很低的事情。

这听上去很冷酷，但商业决策的本质，很多时候就是关于 ROI 的计算。

打造 MVP，从做滑板开始，而不是造轮子

现在我们找到了一个有价值的、本质的问题，下一步，是不是就该全力以赴，打造一个完美的解决方案？

我的答案是：千万不要。

我想和大家分享一个我非常信奉的开发理念：

Make it work, make it right, make it fast. 

正如下面这张经典的 MVP 对比图。

这张图要解决的本质问题是“让用户从 A 点移动到 B 点”。

如果我们一心想造一辆完美的汽车，于是先造一个轮子，再造一个底盘……这个过程看似严谨，却隐藏着致命的风险。我们做了一个想当然的假设：从 A 到 B 的那条路，一定适合开车。

可万一，那是一条河呢？

用户需要的，其实可能是一艘船。

当我们耗费心力造出第一个完美的轮子时，我们不仅没有给用户交付任何价值，更可怕的是，我们从未真正走完一遍 A 到 B 的旅程来验证我们的核心假设。很可能，我们的客户早已选择了别的通路。

而 MVP 的思路则完全不同。

我们先给用户一个滑板。它不完美，但它能用，能立刻解决用户从 A 到 B 的问题。在这个过程中，我们和用户一起完成了第一次端到端的价值交付，验证了这条路是通的。然后，我们收集反馈，将滑板迭代成自行车，再到摩托车，最终抵达那辆真正满足用户需求的汽车。

在每一步，我们都在创造价值；在每一步，我们都在消除不确定性。

这背后有太多真实的例子。

最早的抖音，它的推荐算法就是靠人工去筛选帅哥美女，先验证了内容方向是对的，才去开发复杂的算法。

最早的 Google 翻译，也是从简单的短语翻译拼接开始。

我们 AfterShip 自己的 EDD，第一个版本也只是用了简单的平均数去计算，先让它能用，后面才逐步引入了更复杂的 AI 模型。

我们追求的，不是第一步就造出完美的汽车，而是先造出一个能动的滑板，让用户即刻感受到从 A 点到 B 点的喜悦。

总结

今天和大家分享了这么多故事和方法论，其实核心思想非常简单。

第一步，找到问题的本质。 

第二步，判断这个问题的价值。

 第三步，不要找一个完美的方案，先打造 MVP，Make it Work，然后再不断迭代。

最重要的是，千万不要跳过第一步和第二步，直接进入第三步。

AI 的浪潮已经到来，它不是少数技术专家的专利，而是我们每一位人都可以参与和创造的未来。

希望你也可以找到高价值的问题，从本质出发打造解决方案，在 AI 时代里抓住属于自己的机会。