从SaaS估值崩盘、人工智能工具创业开始，再到裁员离婚之后又重新站起来。本文并不是在诉说自己的不幸遭遇，而是在经过五年的学习之后所总结出的产品创业的方法论，在人工智能的时代里。

在人工智能产品的时代下，创业者的新思路是什么样的？一位曾经做过的SaaS产品经理，在过去五年的经历中所得到的一些感悟

一、技术拐点：怎样才能知道自己的赛道是不是要垮台了

2021年的时候我是在一家做人工智能和机器人流程自动化产品的公司里工作。公司完成C+轮次融资，在过去六个月中员工人数由三百人增加到了六百人，整体形势一片大好。

当时我主要的工作就是为SaaS产品做规则适配，也就是把客户的业务流程分解成一个个规则，并且由RPA机器人来完成这些单规则流程点。这套逻辑的主要优势在于“规则覆盖面”，即哪个产品所涵盖的行业规则越多，那么这个产品就越有价值。

但是有一个信号我没有注意到，在OpenGPT出现之后，传统的AI四小龙的价值都被打下来了。资本市场逻辑发生了变化，“规则覆盖”变为了“理解能力”。LLM并不需要教你它的规则，它可以自己去理解。

回顾当时的情况，我错估了某件事情：SaaS以及RPA的护城河并不是技术上的优势，而是在于技术栈上的一种绑定效应。如果底层的技术被破坏了的话，那么所有的应用层也会随之倒塌。

方法论一：发现技术拐点的三种迹象

第一种情况就是资本市场的叙述方式也发生了变化。当投资人不再关心你是否已经掌握了所有的行业规则的时候，而是在乎你能否读懂自然语言的时候，就表示你的技术栈正在发生变化。

第二条信号就是头部产品边际效益递减。我们当时的产品RPA，客户的定制化需求越来越多了，但是每一个新的客户的第一笔订单金额却越来越少了。这就意味着老的技术的“规模效应”变成了“规模不经济”。

信号三是：一线员工使用的门槛没有降低反而提高了。RPA要让业务人员把流程写成规则脚本，这方面的门槛一直都有。有了LLM之后，业务人员就可以直接用自然语言来表述自己的需求了。新科技淘汰的是过时的技术所造成的“翻译层”，而不是工作岗位本身。

如果在上面提到的三种情况中出现了两种的话，那么就不要迟疑了，去寻找下一个赌场吧。

二、韧性建设：创业失败了三次之后，怎样才能确保自己仍然在牌桌上面

从2021年开始，我就经历了被裁员、创业失败、离婚和朋友背叛等事情。这段经历我不愿意去描述具体的细节，但是其中有一些教训是非常真实的。

方法论二：就是用三张账本来衡量创业者韧性

第一种方式就是现金流账户。在裁员的时候我得到了一笔赔偿款，在这之后的一段时间里它帮助我度过了创业失败后的一个空白期。我个人的经验是：个人现金储备要能够满足十八个月的生活费用。不是六个月，而是十八个月。创业失败并不是一下子死掉的，而是一点一点地失去生机，所以你有时间来决定是否继续或者退出。

第二类为信用账户。朋友背叛所造成的损失并不仅限于金钱上，也包括了对人的一种判断。后来我的原则就是：创业合伙要找“曾经一起输过钱”的人。不是一起赚到钱，而是一起赔过钱。只有当利益受到损害时，人们才会表现出真实的性格来。

第三种方式叫做心理账户。离婚的时候我很抑郁，在阳台上坐着直到天亮。后来我才明白过来，心理韧性的含义并不是“保持积极”，而是在一定时间内可以接受消极的情绪。承认目前的情况很糟糕，但是不能把现在的状况当作永恒的事实来对待。还处于打牌的状态中，并没有输掉。

三者之中，现金流决定了你可以坚持多久、信用关系着能不能一起坚持下去、心理账户影响着是否愿意继续坚持下去。

第三步就是对需求进行验证，即把个人痛点转化为可以运行起来的产品

我目前的产品叫做牛牛降，它所要解决的就是一个很具体的难题：即在使用人工智能写作之后，如果被检测工具判断为是由AI生成的内容而受到限制访问的情况。

这个需求并不是通过市场调研得来的，而是我自己摔出来的。

我在做自媒体时，先是让人工智能来撰写草稿，之后我自己修改了一番之后再发布出去，但是仍然会被限制流量。那会儿我就知道了两点：一是这样的需求是存在的；二是受到限制的人并不仅仅只有我一个人。

方法论三：人工智能时代的需要验证的“三步踩坑法”

第一部分就是让自己的人成为第一个使用者。不要一开始就去做用户的调查研究。人工智能时代有很多新的需求，但是用户自己也不清楚自己到底需要什么。只有你亲自使用过AI的工作流程之后才会知道哪些地方会变得不顺畅。

第二步就是以最小的成本去检验它，并且不能一开始就搭建起整个系统来。牛牛降的第一版并不是代码，而是一个小模型跑出来的结果。用户把原文发送到我的微信上，我跑完之后再发回来。每天只允许十人参加跑步活动，共进行了五十组比较的数据。确定有效果之后再搭建系统。

第三步就是选择技术的时候要考虑总的拥有成本，并不是只有效果好才好。我选择了轻量化模型，在CPU上进行推理，在四核八G的服务器上运行，一千个字的处理时间是一分钟。不使用GPT-4的原因是推理的成本很高、反应的速度很慢、不适用于批量的工作。对于一个小小的工具而言，“能够运转”要比“运转得最棒”重要得多。

人工智能时代的产物验证方式也发生了变化，即由原来的先做产品后进行验证转变为现在的先验证再做产品。由于人工智能使得验证的成本很低。

三、能力再塑造，在人工智能的时代里，产品经理应该做些什么

2021年我在做SaaS的时候，产品经理的主要能力就是“画好边界”，即明确业务场景、用户角色和规则逻辑，并把需求文档交给研发。

在有了LLM以及Agent之后，上述逻辑就被打乱了。人工智能并不需要你去设定边界，它可以自行理解你的意图。

方法论四：人工智能时代的PM能力模型转换

传统的技能、权重的变化、人工智能时代的新的技能

更重要的是设计人机合作的界限

技术水平、判断能力大幅提升，选择了合适的模型以及推理方法

我在做牛牛降的过程中，除了要抵抗住AI检测的业务规则是由我自己来设计之外，系统的所有代码、UI和运营文档都是由AI自动生成的。放到2021年的话，我要招聘一名前端工程师和一名后端工程师，并且花费两个月的时间去调试它。一个人用上周末的时间就可以产生数以万计的对话了。

但是有一件事情人工智能不能代替我去做的就是：判定什么样的降AI效果才是好的。这就要求我对检测工具工作原理有了解，对各个平台限流策略有所认识，并且要考虑到用户的各类内容的不同之处。这是业务判断力而不是技术能力。

因此，在人工智能的时代里，产品经理的核心能力已经不是“把用户的需求转化为代码”，而是要在不明确的业务场景下，去界定什么是正确的。

四、创业理念：需求是不会消亡的，只是会以另外一种形式存在

SaaS不再是资本市场追捧的对象，但是SaaS解决过的问题仍然存在。RPA被LLM+Agent打垮了，但是RPA做过的一些自动化的场景依然存在。随着人工智能检测工具的进步，对于抗检测的需求也会随之产生。

技术一直在发展之中，但是需求却是不会改变的。发生变化的是需求表现的形式以及用来满足这些需求的技术手段。

方法论五：在人工智能的时代里，创业者的“不变清单”

人们总是希望节省时间——不管使用RPA还是Agent，底层的需求都是一样的。

人总是害怕被取代——人工智能检测得越严苛，降低人工智能需求的压力就越大。

人总是会为了确定性而买单——不确定有效果的产品只能免费提供，有效的才需要收费。

人总是相信真实的——这就是为什么个人IP和创始人故事在人工智能的时代里更加有价值的原因。

这份清单上所列的东西，在五年前如此，在五年后依然如此。变化的是技术手段。

结束语

五年前我还是在深圳的一家SaaS公司里担任产品经理，而现在我已经是一个人坐在电脑前面开发人工智能产品的创业者了。虽然听上去有些讽刺，但是也很合情理。

我是MBTI为INTJ的人，我喜欢和别人进行深层次的交流。本文可以看作是对关心我的朋友们的一个交代，也可以当作自己过去五年的学习经历的一次总结。

如果你们正处在人工智能时代进行创业，或者是处于转型期感到迷茫的话，可以找我，我不能保证给你正确的答案，但是可以分享一下我自己踩过的雷。

最后一句话就是我在我最困难的时候对自己说的话：

只要还坐在牌桌前，就还没有失败。