10个高手干一个月，不如一个实习生干一下午？

来源：网络汇编

责编：贾宁

我最近在B站看了一个视频，标题很有意思：AI时代，如何拥有国王的力量？

视频的主讲人程泓宁，是宇宙E-BIKE的创始人。

这是一家做电助力自行车的公司，团队大约25人，年销售额6000万。

听起来有点夸张，一家制造业公司，产品还要经历研发、供应链、工厂、销售和售后，怎么可能靠25个人完成这么多事情？

看完视频，我明白了他们是怎么做到的，也有个感受：AI改变的，不只是某一个岗位的效率，也在改变一家公司组织工作的方式。

今天，我们就来聊聊宇宙E-BIKE的故事，希望对你有所启发。

1

AI时代，最值钱的是主动定义问题

很多人使用AI时，第一反应是问：“你能不能帮我写一篇文章？”“你能不能帮我做一个方案？”“你能不能帮我分析一下数据？”

这些问题当然可以问，但它们只停留在执行层。

真正有价值的问题，往往在前面：我到底遇到了什么问题？这个问题为什么值得解决？

AI最擅长的是把一个已经被说清楚的问题快速推进下去，它可以搜索资料、整理信息、生成文档、写代码、做表格，也可以把一堆分散的内容重新组织起来。

但它不会天然知道你的真正目标。比如，一份报价单，到底是为了快速成交，还是为了守住利润？一次复盘会议，到底是为了把事情讲完，还是为了决定下一步由谁负责？

目标不同，最后的方案也会不同。

程泓宁在视频里反复强调，人和AI的分工可以这样理解：人负责定义问题、做判断、提出想法；AI负责执行、整理、研究和自动化。

这就是程泓宁所说的“独角兽个体”。

现在，一个人的生产力，取决于他能不能把问题拆开，把任务交给合适的AI，再把结果重新组合起来。

2

真正的AI转型，是重做工作流

很多公司所谓的AI转型，只是在原来的流程旁边增加一个AI工具，写邮件时用一下，开会时用一下，做PPT时用一下。

工作流程没有变化，AI只是多了一个辅助环节。

宇宙E-BIKE的做法更彻底一些，他们尝试把AI放进产品研发、会议复盘、知识管理、客户报价和供应链谈判等具体流程中。

1.一个下午，完成过去需要很久的规格书

在制造业里，规格书不是普通文档。

它要说明产品有哪些功能、每个功能如何实现、技术参数是什么、不同部门之间如何配合。规格书写得不清楚，后面的研发、采购和生产都会出大问题。

宇宙E-BIKE的实习生用AI一个下午写完了4万字的仪表规格书。

这是什么概念？

电助力自行车仪表涉及车速显示、蓝牙连接、自动更新等几十项功能，传统做法是10人以上专家团队耗时一个月，出一份上百页的文档。

而一个实习生，借助AI生成功能分析表、获取优化建议、用Codex出可交互的产品模拟器，一个下午搞定。

原本需要多人协作、耗时较长的规格梳理，被压缩到了一个下午，其中交互模拟器的生成只用了大约15分钟。

15分钟只是结果，更重要的是，团队把规格书提前做成了一个可以点击的样机，很多问题因此在开发前就暴露出来。

过去，很多问题要等到开发阶段才会出现，现在团队可以先把验证环节往前移。

AI负责快速搭建第一版，人负责判断它是否符合真实世界，这就是当下最主流的工作方式。

2.把复盘会从信息堆积变成行动决策

很多公司的复盘会，开起来往往要几个小时，每个人轮流汇报，讲自己做了什么，遇到什么问题，接着讨论问题为什么发生。

会议结束以后，大家觉得说了很多话，但真正要改什么、谁来改、什么时候完成，常常没有留下清晰结论。

程泓宁在公开复盘中提到，他们把原本需要大半天的复盘会议压缩到了一小时左右。

前提是，AI先把过去分散在会议记录、项目文档、聊天记录和表格里的信息，集中起来，帮助团队找出反复出现的问题、进度异常和没有解决的事项。

这样，会议就不必从头复述过程，而是直接讨论几个关键问题：哪件事情没有按计划完成？问题出在目标、流程，还是执行？哪些问题已经重复出现？下一步具体由谁负责？

这样，会议就能把时间用在取舍和分工上。AI进入会议流程后，最实用的价值，是减少信息搬运，把人的注意力留给判断和行动。

3.把老板脑子里的经验变成知识库

很多小公司有一个隐形问题：真正重要的经验，往往只存在老板和几个老员工的脑子里。

供应商为什么不能这么谈，某种材料过去踩过什么坑，某个客户真正关心什么，某次产品失败的原因是什么，这些内容没有写进制度，也没有进入系统。新人遇到类似问题时，只能重新问一遍。

宇宙E-BIKE用知识库解决这个问题：供应商沟通记录、产品研发资料、过去踩过的坑，以及创始人对市场和产品的判断，都会被整理到知识库里。

比如，他们在开发碳纤维产品时，会用AI协助查找资料，也会把和供应商沟通时遇到的问题记录下来。这些内容积累起来以后，AI才能逐渐理解公司的产品、流程和历史。

注意，知识库不是把所有文件放进一个文件夹。它至少要回答三个问题：这条信息是什么？它在什么场景下有用？下次遇到类似问题，应该怎样调用？

更重要的是，最初的知识库要由老板亲自建立。因为只有老板最清楚，哪些经验值得保留，哪些判断只是临时意见，哪些内容可以公开给团队，哪些内容还需要权限控制。

使用工具本身并不难，难的是让团队愿意记录，让信息能够被信任，也让不同的人知道如何使用。

4.10分钟生成定制化报价

制造业的报价，不是简单地把价格乘以数量。它要考虑产品配置、材料成本、供应商报价、交付周期、客户需求、利润空间以及后续服务。

如果客户提出的是定制需求，销售人员往往需要回去查资料、问技术、问供应链，再整理一份方案。这样一来，报价往往需要花费很多时间。

宇宙E-BIKE曾经在一笔上百万元订单的沟通现场，利用AI在客户交流结束后大约十分钟生成定制化方案和报价。

AI先把客户提出的需求整理出来，再调用产品资料、历史报价和成本信息，形成一份初步方案。

销售人员可以马上看到：客户真正需要的是什么？哪些配置可以满足？哪些内容需要进一步确认？报价应该怎样组合？

当然，这不代表AI可以直接决定最终价格，利润、交付承诺和技术可行性，仍然需要人来检查。

但它改变了销售与客户沟通的节奏。过去，客户要等一两天才能拿到的初步方案，现在可以在现场形成一个可讨论的版本。

客户也不必只听销售口头描述，而是可以马上对着具体方案继续修改。

速度本身就是竞争力，尤其当客户还在比较不同供应商时，谁能更快把需求变成清晰方案，谁就更容易掌握沟通主动权。

5.帮公司一年省下70万

宇宙E-BIKE还有一个案例，是公司的厂房租金。

很多企业每年都会支付房租，却很少把租金、面积、物业费、租期、搬迁成本和生产效率放在一起重新计算。

大家习惯了现在的位置，也习惯了每个月的固定支出，很少问这个成本是不是合理。

宇宙E-BIKE把工厂报价、物业费、租期等数据交给AI分析。AI发现，公司每年可能承担着大约170万元的租金成本。

进一步比较之后，团队开始考虑搬厂，并用AI分析谈判策略。最后，他们谈下了90天免租期，年租金减少了70多万元。

AI，能让企业看到已经被习惯遮蔽的成本。

AI没有创造出一个新的业务，也没有凭空找到一笔收入。它只是把原本分散在合同、报价、租期和物业支出里的信息放到一起，帮助团队重新计算一遍。

人容易接受现状，AI却可以不断追问：还有没有别的可能？这笔支出和收益是否匹配？如果换一种安排，结果会怎样？

3

AI，更应该用来做减法

AI还能帮助我们推演未来。比如，分析市场变化，判断用户需求，预测某种产品是否会受到欢迎，模拟不同方案可能带来的结果。

但预测不是算命，AI只能根据已有信息，推演可能发生的情况。

如果输入的数据不完整，或者问题本身就问错了，结果再复杂，也只是建立在错误前提上的推演。

企业使用AI预测未来时，至少要保留三层判断：

第一，数据来自哪里，是否可靠？

第二，预测建立在哪些假设上？

第三，如果预测错了，公司能不能承受代价？

比如，AI判断某种产品会受到欢迎，企业不能因此就直接大规模备货，还要继续判断供应链是否稳定、现金流是否足够，以及最坏情况下如何退出。

AI可以帮助我们多看几种可能，但选择仍然要由人来承担。

AI让信息获取变得越来越容易，你可以让它整理行业报告、搜索竞争对手、分析用户评论，也可以让它每天推送一大堆摘要。

问题是，信息变多以后，人的注意力并没有同步增加。如果你什么都看，最后可能什么都没有真正理解。

程泓宁在视频里讲到，比起“做加法”，AI更应该被我们用来“做减法”。

如果一条信息不能帮助团队更好地判断和行动，它就不应该占据太多注意力。

这件事听起来简单，实际却很难。

人天然喜欢收集信息，收集会带来一种“我正在准备”的感觉，但准备并不等于行动。

你下次使用AI整理信息时，可以给它增加几个限制，比如：只保留和当前目标有关的内容；把事实、判断和猜测分开；标明信息的来源和时间；指出哪些内容还没有得到验证。

你的生产力水平，是由你的注意力在哪里决定的。这个时代不缺信息，缺的是专注和取舍。

4

结语

过去，一个人想完成复杂的事情，要先问自己有没有团队、预算和时间。

AI正在改变这些条件，但它不能替你回答最重要的问题：你到底想解决什么？

宇宙E-BIKE的实践说明，AI转型最难的部分往往不是学会某个工具，而是重新设计组织的工作方式，然后分清人和AI协同的边界。

上一代企业比组织能力，AI时代的企业比进化能力。

说明：发布并不意味着我们赞同其观点，只为多一个视角看待问题，部分信息和图片无法核准，如涉权益，烦请联系，我们将迅速处理，谢谢！有融资需求请加微信（vcpepr），为方便备注，申请好友时请发送（姓名·城市·公司·职务）

- The End -

我们已经与阿里巴巴创新投资、达晨创投、高瓴资本、高榕资本、高特佳投资、戈壁创投、国新风投、国中创投、红杉资本、华映资本、火山石投资、IDG、经纬中国、今日资本、纪源资本、君联资本、联想之星、蓝驰创投、梅花天使基金、平安创投、启赋资本、软银中国、赛伯乐投资、赛富基金、深创投、天图资本、腾讯投资、五源资本、毅达资本、英诺天使基金、优势资本、真格基金、浙商创投、中国风投、中国文化产业投资等近千家知名投资机构2000余名专业投资人建立广泛联系和合作。