Why Your AI Offer Isn't Selling, and How to Fix That
三句話摘要
AI 時代企業領導者如何通過故事講述和意圖驗證，推動組織從被動應用轉向 AI 原生思維。 AI 的未來由那些願意投資於自身故事講述能力、與他人建立有意義聯繫、同時精通代理人工具的建設者決定，而非超大規模資料中心的技術突破。 故事講述是銷售的核心。 無論是律師事務所還是 HVAC 公司，客戶最終決策不是因為認證清單或技術術語，而是因為你能清楚地展現問題解決方案。那家直接搬進伺服器並說「你的資料就存這裡」的 AI 廠商，比那些只列舉安全與合規的競爭者更容易贏得信任。
重點整理
重點- 1
故事講述是銷售的核心。 無論是律師事務所還是 HVAC 公司，客戶最終決策不是因為認證清單或技術術語，而是因為你能清楚地展現問題解決方案。那家直接搬進伺服器並說「你的資料就存這裡」的 AI 廠商，比那些只列舉安全與合規的競爭者更容易贏得信任。
- 2
意圖驗證循環決定實際價值。 領導者真正需要的不是手動編寫程式碼，而是一套方式來驗證「我們做的一切是否真的正確、可持續且安全」。這特別重要，因為許多 20 年前的程式碼結構存在安全隱患。
- 3
自上而下的領導責任不可或缺。 76% 的 CEO 認為所有領導者需要精通技術。若 CEO、首席人資長、行銷長等不使用 AI 工具，員工就缺乏推動力和信心去採用。領導者的身體力行是轉型的前提。
- 4
小型 AI 原生團隊擁有巨大槓桿。 MidJourney 40 人團隊年收入 2 億美元；大型組織中 5 人小隊也能產出驚人成果。通過挑選充滿熱情的團隊領導並給予他們具有緊迫性的大挑戰，能快速催化全隊學習和協作。
實用技巧與重點
乾貨- 具體工具與平台
- Claude、CodeEx、Cloud Code
- ClickUp AI Brain 2（超級代理，已整合工作區）
- GitHub 開源專案（如 OpenBrain）
- Substack 社群平台
- 數字與成本
- MidJourney：40 名員工，年收入 $2 億
- 76% 的 CEO 認為領導者需要精通技術
- 1 億代幣/天目標（通過自動路由實現）
- 自動路由系統：95% 查詢發送開源模型，必要時使用前沿模型
- 具體案例
- 律師事務所：直接部署伺服器勝過列舉認證清單
- HVAC 公司痛點：接電話、快速回覆、派人上門調度
- Shopify 實習計畫：培養應屆畢業生 AI 天賦
- Linear 網站：設計品味曾引領潮流，後遭大量模仿
- 團隊結構
- 傳統模式：1 個產品經理帶 12 位工程師
- AI 原生模式：5 人小隊可做出大多數產品
- 推進策略：先建立 AI 原生小團隊示範，再逐個擴展
- 講者背景
- Nate B Jones：YouTube 深度分析頻道、Substack 社群、OpenBrain 開源專案
- 職業歷程：菲律賓、泰國、印尼從事教育項目 → 科技業（Oracle 時代）→ 亞馬遜（第三方、支付、Prime Video）→ 新創（3 次成功）→ AI 全職
結論
結論“AI 的未來由那些願意投資於自身故事講述能力、與他人建立有意義聯繫、同時精通代理人工具的建設者決定，而非超大規模資料中心的技術突破。”
完整解析
詳細這場訪談的核心論述圍繞 AI 時代的領導力悖論展開。當前企業和個人常犯的致命錯誤是：推銷 AI 本身，而非推銷 AI 帶來的轉變。Nate 用一個真實案例說明——當多家 AI 廠商向一家律師事務所推銷「安全、合規」的認證清單時，贏家卻是那家直接搬進一台伺服器、簡潔地說「你的資料存這裡不會動」的廠商。前者說的是技術，後者講的是故事。
這個洞察延伸到組織轉型。領導者面臨的真實困境不在於 AI 工具本身（已經足夠成熟），而在於「意圖驗證循環」——能否清楚驗證所做工作確實正確、可持續且安全。這尤其重要，因為 2027 年的重大投資主題將是如何驗證程式碼安全性並利用 AI 加速驗證。
Nate 強調，AI 原生思維並非指完全依賴 AI，而是優先考慮 AI 如何幫助。他用電影《龍威小子》的類比說明：初學者亂揮亂打，高手則大腦自動判斷。同理，領導者需要培養「穿著 AI 機甲」的思維——自動聯想到 AI 可用性。但這種轉變必須自上而下。若 CEO、CFO、CHRO 等不親自使用 Claude 或 CodeEx，員工就缺乏心理許可去實驗。
在人才和成本方面，Nate 觀察到一個關鍵反轉：小型 AI 原生團隊（5 人）可完成傳統大隊（12 人）的工作。MidJourney 40 人團隊管理 2 億美元年收入業務，正是極端效率的證明。組織推進 AI 轉型時，聰明的做法是先組建充滿熱情的小隊，給予他們緊迫感強、略帶恐懼的挑戰，讓他們快速成功並互相學習。當團隊成員看到「原來可以用 Claude 做這個」時，眼中會閃過「恍然大悟的光芒」，自發探索和採用開始發生。
對於推銷 AI 解決方案的建設者，Nate 的建議是精準定位目標客戶（如西雅圖的 HVAC 公司），深入理解他們的具體痛點（接電話、調度、回應速度），然後展示 AI 如何解決這些痛點。故事的力量在於它觸及運營者真正關心的問題，而不是技術細節。
成本層面，他認為「AI 太貴」的說法源於缺乏自動路由系統。聰明的設計能讓 95% 查詢走開源模型（費用低廉），只在必要時調用前沿模型（如 Claude）。這與簡單粗暴地給所有員工發 Claude 積分截然不同——後者無異於「把 480 伏帶電電線交給工廠工人，說自己想辦法」。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
