Transcript

20人AI公司如何超車巨頭？小搏大策略曝光 · 創意每天聽

0:00
今天這個案例，我其實看到標題就覺得很訝異。一家才20個人的AI新創公司，竟然說他們可以超越規模是他們三倍大的競爭對手？這聽起來是不是有點…出乎意料？
0:18
確實，一般人會覺得資源和人數就是硬實力，尤其在AI這種高技術門檻的領域。三倍的團隊規模，意味著更多的開發者、更多的資金，照理說他們應該更有能力去「出貨」，也就是更快地推出產品。
0:41
對啊，所以我第一個疑問就是，他們到底是怎麼做到的？難道真的是靠AI工具把效率拉滿？但大家都用AI，為什麼只有他們能贏？
0:56
原文其實有提到，他們並不是為了用AI而用AI。關鍵在於他們建立了一套「AI原生」的運作模式。作者說，許多AI工具的儀表板都會顯示「省下多少小時」、「產出多少東西」，但他會直接忽略這些數字。
1:19
忽略這些數字？這點很有意思。我猜啦，很多老闆看到AI工具報告說省下多少工時，馬上就覺得有成效了。但為什麼他覺得這沒用？
1:34
因為那些數字量化的是「產量」，不等於「價值」。原文就舉了一個例子，說一家程式碼分析公司 GitClear 發現，2024年程式碼複製貼上的比例第一次超過了重構的程式碼，而這跟AI寫程式助理有關。
1:59
喔，我懂了！也就是說，AI可能很快地幫你寫出很多程式碼，但其中可能包含了大量的重複內容，甚至會增加後續維護的負擔。這不就是製造了一堆「看來很忙，其實沒用」的工作嗎？
2:20
沒錯，所以他們評估AI成效的方法是，追蹤「目標達成速度」。比如，一個原定第三季末才要推出的功能，如果在四月中旬就完成了，這就代表AI真的幫他們加快了170天，這才是實打實的進步。
2:42
這個做法我信了，因為原文有提到具體數字。這對我們一般上班族也很有啟發耶，我們可能也常用一些工具來提升效率，但有沒有真的去檢視這些工具帶來的成效，是不是真的推進了核心目標？
3:04
是的。他們還有一個做法，就是「快速原型而非冗長的產品說明書」。當有新想法時，他們會直接用AI快速建構原型，團隊馬上就能玩起來，然後在一小時內決定做不做。
3:23
一小時就決定？這也太快了吧！我們公司有時候光是開會討論一個新功能，可能就要花好幾天，甚至還不一定有結論。
3:37
這點其實不容易做到。他們能這麼快，是因為接下來他們在讓AI寫程式之前，會先擬定一份「一頁式合約」。這份合約會清楚列出功能用途、涉及數據、介面以及可能失敗的方式。
3:57
等等，這裡我有疑問。既然AI可以這麼快地幫你把原型做出來，為什麼還要先寫合約？這樣不是又慢下來了嗎？我會擔心這個流程會不會反而把效率降低。
4:14
原文有解釋，這份合約的目的，是為了「大幅提升程式碼品質」並「減少交付時間」。一份寫得好的合約能確保AI產出的程式碼是高品質的，而不是一堆需要人手去修改的爛攤子。一份研究發現，高AI採用率的團隊，雖然任務完成度提高了21%，但程式碼審查時間卻增加了91%，錯誤率也上升了9%。
4:49
哇，那這個一頁式合約就很關鍵了。等於是把人類智慧用在「設定規則」上，而不是埋頭去修改AI犯的錯。這其實對一般上班族也一樣，我們在開始做一件事之前，是不是應該先花時間把「遊戲規則」想清楚？
5:13
另外，他們也讓「自動化關卡和AI代理」來做初步審核。這樣可以把人類從第一線的審查工作中解放出來。他們開發團隊花更多時間在「設計測試」和「定義結果」，而不是不斷地檢查程式碼。
5:34
這個很有意思。等於是把大部分的基礎檢核工作交給機器，人類反而去做更宏觀、更策略性的規劃。這樣不只效率高，團隊成員的工作滿意度也應該會更高吧？
5:52
最後一點，他們會「根據對用戶帶來的改變來評估工作」，而不是看完成了多少「提交」、「票證」或「簡報」。他們稱那些「看來有生產力但沒推進目標」的工作叫「舒適工作」。
6:12
「舒適工作」這個詞很有趣。我猜很多人可能都掉進過這個陷阱，每天好像很忙，但其實對真正想達成的目標沒什麼實質進展。
6:27
是的。他們要求每個目標都要附帶一個「可驗證的測試」，例如「結帳轉換率連續30天超過4%」，這種就是很明確，旁人都能查證的。這樣團隊就會清楚，只有真正影響到目標的交付才算數。
6:49
聽下來，他們的策略其實是把AI的優勢發揮到極致，同時又避免了AI可能帶來的「虛假效率」。這好像也提醒了我們，在資源有限的情況下，更要學會聰明地運用工具，把精力放在真正有價值的事情上。