KeyFrame內部研究專用

Can AI Fix This $1,000,000 Business?

Liam Ottley·6月21日週日·37 min英文

三句話摘要

高端旅游公司透過一周的AI系統改造,從運營混亂轉變為數據驅動、自動化的企業,創始人學會用AI自建工具,重拾對業務的熱情。 AI 改造的核心價值不在新工具本身,而在於賦予創始人自我構建的能力——透過統一數據、重新設計流程、掌握開發工具,讓他們用技術解放時間,重新聚焦於激勵自己的工作。 數據整合是AI的基石 — 不是缺AI,而是缺統一數據層。Liam 首先發現年年累積的未開發潛客(值$500萬)分散在 DM、Typeform、試算表中,建立運營儀表板統一關聯潛客、客戶、支付、行程後,AI 才能真正發揮效能。

重點整理

重點
  • 1

    數據整合是AI的基石 — 不是缺AI,而是缺統一數據層。Liam 首先發現年年累積的未開發潛客(值$500萬)分散在 DM、Typeform、試算表中,建立運營儀表板統一關聯潛客、客戶、支付、行程後,AI 才能真正發揮效能。

  • 2

    流程重設優於工具套用 — 最初試圖用 Canva 製作旅程提案設計失敗,後改用 Claude Code 生成單頁網站。關鍵體悟:不要問「如何讓舊流程自動化」,要問「流程應該從零開始怎麼設計」——這是 AI 改造發揮最大威力的地方。

  • 3

    自我賦能比被動接收更關鍵 — AIOS(AI 操作系統)的核心不是交付完整系統,而是教會 Tom 用 Claude Code 自己構建工具。前四天他感到困頓,但一旦理解方法,他進入「鎖定狀態」,自發連續構建四個實用應用,每個都源於他對業務痛點的直觀認知。

  • 4

    工作與冒險的平衡激發創意 — 整周穿插摩托艇、越野機車等戶外活動,Liam 強調「最大業務突破往往來自有意關閉分析大腦、創造空間」。Tom 在此環境中思路最清晰,最終重新熱愛自己的事業。

實用技巧與重點

乾貨
  • 時間與成本效益:
  • 病毒短視頻製作:6-7 小時 → 3 分鐘(一鍵輸入視頻 URL、自動提取音頻/文字/畫幀、選 B-roll、輸出三個變體版本)
  • 視頻時間軸編製:節省 1.5 天/周
  • 未轉化潛客價值:$500 萬(歷年 DM 與 Typeform 中)
  • 建立的系統:
  • Operations Dashboard — 浏览量、新潜客(Typeform)、已预订通话、月收入
  • 财务追踪模块 — 关联 Stripe、银行转账、加密货币、对账选项卡
  • 病毒短视频机制 — 输入视频 URL → 提取音频/文字/画幀 → 从素材库选 B-roll → 输出 3 个完成版本(3 分钟)
  • WhatsApp 分类系统 — 摘要内容、推荐回复选项、标记高风险信息
  • 销售反馈仪表板 — 分析通话录音、提供改进建议、反馈循环
  • Edge 成员目录网站 — 可按地点/行业/餐厅偏好搜索成员、展示相关联系
  • 潜客恢复系统 — 分析历史对话数据、识别特定行程(如摩洛哥之行)的高意向潜客
  • 技術棧: Claude Code、AIOS、Typeform、Dropbox、Instagram Meta API、Stripe
  • 創始人自建應用數量: 4 個(项目追踪器、WhatsApp 分类、销售分析、成员目录+潜客匹配)

結論

結論

AI 改造的核心價值不在新工具本身,而在於賦予創始人自我構建的能力——透過統一數據、重新設計流程、掌握開發工具,讓他們用技術解放時間,重新聚焦於激勵自己的工作。

完整解析

詳細

Raw 和 Edge 是由 Tom 和 Tommy 创办的高端旅游体验品牌,为创业者提供 5 万至 10 万美元周末旅行。四年成功运营的代价是两位创始人被日常运营完全压垮——每趟旅行从提案、销售到规划都需他们亲力亲为,导致严重过度工作和压力。他们并未意识到在这场混乱中损失的真实成本:多年来积累的未开发潜客(价值 $500 万)分散在 Instagram DM、Typeform、Google 表格等多个系统中,无人系统地分析或跟进。

AI 顾问 Liam Molly 被邀请进行为期一周的"AI 改造"。他的第一步不是立即推销 AI 工具,而是进行深度诊断。他发现核心问题:数据虽然存在,但完全是分散孤立的。Typeform 收集潜客、Instagram Saved Collections 充当临时 CRM、Google Drive 和 Dropbox 存储素材。这个系统看似可行,但没有统一的数据层来连接潜客、客户、支付和行程。Liam 指出,真正的基础是构建"AI 轨道"——一个功能完整的数据架构。只有当所有信息在一个地方被正确关联后,AI 的力量才能真正释放。

团队随即开展建设。病毒短视频机制是首要优先级,因为提高需求是 Raw 最大的瓶颈。Tom 之前的工作流是手工的:在 Instagram 上找到灵感视频、记住音频和文字、手动从素材库中筛选 B-roll、导入视频编辑软件完成剪辑——耗时 6-7 小时。新系统通过 Claude Code 实现完全自动化:粘贴视频 URL、系统自动提取音频、识别屏幕文字、从标记的素材库中智能选择三个相关的 B-roll 变体、自动渲染——整个过程 3 分钟完成。这让 Tom 瞬间意识到他曾为这个工作岗位付过全职工资给某个人。

真正的突破是 AIOS 的部署。Liam 并非交付一套完整系统然后离开,而是建立了一个"AI 操作系统"——一个集成 Claude Code 的工作环境,让 Tom 和团队从被动使用工具转变为主动构建工具。这个转变是根本性的。最初四天 Tom 感到沮丧,不知道该构建什么,甚至怀疑这套系统的价值。但一旦他理解了工作流方法,他就进入了"锁定状态"——用 Liam 的观察,他走路时都拿着笔记本电脑,每一行代码反馈都激发他构建下一个应用。Tom 开始疯狂地自建:一个项目追踪器管理所有正在进行的构建;一个 WhatsApp 分类系统自动提取消息摘要、推荐两个回复选项、标记高风险信息;一个销售分析仪表板从通话录音中提取改进建议;以及 Edge 的成员目录网站,允许成员按地点、行业、餐厅偏好搜索彼此。最聪明的工具是潜客恢复系统——Tom 将多年的对话历史导入,AI 分析并识别最有可能参加特定旅程(如摩洛哥之行)的高意向潜客,这一个应用就可能解锁价值数百万的被遗忘商机。

值得注意的是,整周过程中 Liam 故意穿插摩托艇和越野机车等冒险活动。这不是休闲,而是有意设计的工作方法论。Liam 相信最大的业务突破往往来自有意关闭分析大脑、创造空间的时刻。在这种混合节奏下——深度技术工作与户外冒险相交替——Tom 和团队的思路最清晰。到周末,运营仪表板展示了完整的财务视图(Stripe、银行转账、加密货币),所有交易都能关联到特定客户和行程;病毒短视频机制已成功发布试验短视频获得数万次浏览;Tom 构建的每个应用都直接源于他对业务流程的深层认知。

最关键的是,Tom 重新爱上了自己的事业。他不再被日常运营压垮,而是能够利用 AI 来处理重复任务,将精力投入到战略和创意上。这正是 Liam 所说的"让创始人重新坠入业务之爱"——正如 Naval 所言,这是"将业务和赚钱游戏化"。

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。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。