010. 導言｜YC 說的，正是我在做的
「與其把軟體賣給客戶讓他們自己做事，你自己使用這套軟體，然後把做好的成品以數百倍的價格賣給他們。」 — Y Combinator
代理商（agency）這門生意，一直背著一個說不出口的詛咒。
利潤薄、靠人工作業所以慢、而且想長大就只有一條路——不斷加人。每多接一個客戶，就多一份薪水、多一層管理、多一組要協調的人際關係。這不是哪一家公司經營不善，這是整個產業的物理定律。也因為這條定律，幾乎沒有一家代理商能長成軟體公司那種規模。
而這支影片的講者 Bo Sar 想說的是：AI 把這條定律拆了。
一句被一字不差說中的話
故事的起點不是某個創業導師的金句，而是一段來自 Y Combinator 的話。
YC 是什麼份量，值得先講清楚。它是投資過 Airbnb、Stripe、Dropbox 的新創加速器——當代最有聲望的那一個。當 YC 對旗下新創公司喊話「未來該長這樣」，那不是一則勵志貼文，而是會被一整批創業者拿去當作戰略起點的訊號。
YC 說的原話是：
「與其把軟體賣給客戶讓他們自己做事，你自己使用這套軟體，然後把做好的成品以數百倍的價格賣給他們。」
Bo Sar 看到這句話的反應，不是「這是個好點子」，而是更直接的東西。用他自己的話說：他們講的內容，跟我一直在做的東西一字不差。對他而言，這不是一個需要被驗證的假設，而是一個他已經活在裡面好一陣子的現實，突然被全世界最有聲望的加速器講了出來。
這也是這篇文章值得讀下去的理由：當一個獨立創業者正在做的事，和 YC 對旗下新創的指示重疊，那個重疊處通常藏著一個正在成形、但還沒被大多數人看懂的模式。
三個一閃而過的畫面
在正式拆解之前，講者先丟出三個畫面，速度很快，像預告片：
第一個，是一家設計公司——用 AI 在合約都還沒簽之前，就先把客製化的設計成品做出來，拿著成品去爭取生意。
第二個，是一家廣告代理商——用 AI 做出亮眼的影片廣告，完全不必花時間和錢去搭一個實體拍攝場景。
第三個，是一家律師事務所——用 AI 在幾分鐘內、而不是幾週內，把法律文件寫完。
這三個畫面表面上分屬三個毫不相干的行業，但它們指向同一件事：每一家公司賣的，都不再是「能幫你做事的工具」，而是「已經做好的那個東西」。設計公司賣的是設計稿本身，廣告代理商賣的是那支廣告，律師事務所賣的是那份文件。客戶要的從來不是過程，是結果。
值得留意的是，講者也老實承認：YC 把這三個例子講得「非常模糊」——它沒告訴你實際上要賣給誰、要收多少錢。那段空白，正是一個創業者必須自己補完的功課。這篇文章接下來要做的，某種程度上就是替讀者把那段空白補上。
這篇文章要做的三件事
順著講者的影片結構，這篇文章會做三件事。
第一，解碼 YC 到底說了什麼。 那句話聽起來簡單，但「賣成品不賣工具」這個轉向，背後牽動的是定價邏輯的整個翻轉。
第二，講清楚這個經濟模型為什麼成立。 為什麼是「數百倍」的價差？為什麼代理商能拿到軟體公司的毛利？這不是修辭，是有一套數學可以攤開來算的。
第三，給出六個現在就能賣的具體服務。 講者說，每一項他都會交代誰會買、能交付什麼、AI 怎麼接掉大部分工作，以及可以收多少錢——而且他強調，附上的是「真實的價格、真實的客戶」。
這裡需要先立一個閱讀的姿勢。講者自己說得很清楚，這支影片「比較是要讓你看到這個機會、以及你可以賣什麼，而不是一篇教學」，片尾也導向他自己經營的 AIF Academy 社群。因此本文採取的做法是：模式層面的洞察——賣 outcome、AI 壓低交付成本——當作有價值的分析正常論述；但所有價格、毛利、月營收的數字，都是講者單方提供、未經第三方查證的說法，提及時一律標明出處。機會可能是真的，但分辨「模式」與「招生話術」這件事，得讀者自己來。
帶著這個姿勢，我們從第一個問題開始：YC 那句話，到底在說什麼？
💡 給讀者的 Takeaway
- 代理商難以規模化是產業的結構性詛咒——低毛利、慢、成長只能靠加人；這是 YC 那句話真正想解的問題。
- YC 的核心主張一句話：不要把軟體賣給客戶讓他自己做，自己用軟體把成品做好，用數百倍價格賣結果。
- YC 給的三個例子（設計公司、廣告代理商、律師事務所）只是輪廓——它刻意不講賣給誰、收多少錢，那段空白要創業者自己補。
- 這支影片本質是「機會地圖 + 招生漏斗」：模式洞察值得參考，但價格與毛利數字是講者單方說法，閱讀時要保留判斷距離。
021. 解碼 YC｜賣 access 還是賣 outcome
「這就是賣『使用權』和賣『成果』的差別。而價格差距非常巨大。」 — Bo Sar，解讀 YC
YC 那句話聽起來很簡單，簡單到容易被當成一句漂亮的口號滑過去。但講者特別停下來，要把它逐字拆開——因為他認為「如果你真的搞懂它怎麼運作，背後的意義其實非常巨大」。
這一章只做一件事：把「賣 access」和「賣 outcome」這兩件事，徹底分開。
AI 圈現在大多數人在賣什麼
先看現況。
講者的觀察是：今天 AI 領域裡，大多數人都在賣工具。賣一個聊天機器人、賣一個儀表板、賣一套自動化工作流程。這些東西本身做得好不好是另一回事，重點在交易的結構——客戶付了錢，拿到的是一個工具，然後他還得自己用這個工具去把事情做完。
這就是「賣 access」：你賣的是進入某個能力的權限。客戶買到的是「現在你有資格用這個東西了」。
問題在於，access 本身不解決客戶的問題。它只是把「解決問題」這件事的入場券交給客戶，剩下的力氣、時間、學習成本、犯錯成本，全留給客戶自己扛。客戶買了招募軟體，還是得自己刊登職缺、篩履歷、安排面試；買了帳務系統，還是得自己處理每一筆帳；買了自動化流程，還是得自己把流程設定對、維護好。
工具交付的是「可能性」。而可能性，是這個世界上最便宜的東西之一。
YC 說的是把它翻過來
YC 主張的，是把這個結構整個翻過來。不要賣 access，賣 outcome——不要賣可能性，賣那個已經發生的結果本身。
講者用三組對比把這件事講到不能再清楚。每一組都是同一個句型：別給工具，給成品。
第一組——別給客戶一個招募儀表板，給他一個已經到職的員工。
招募這件事，access 的版本是一套 SaaS：登入進去，職缺管理、履歷篩選、面試排程，工具都給你了，你自己用。outcome 的版本完全不同——你交付的是「這個人下週一來上班」。中間所有的刊登、篩選、聯繫、面試協調，客戶一概不碰。他要的不是一個招募流程的後台，他要的是辦公室裡多一個能幹活的人。
第二組——別給客戶一套帳務軟體，給他一筆已經解決的保險理賠。
access 的版本，是一個能處理理賠的系統，客戶自己進去操作。outcome 的版本，是「這筆理賠已經處理完了」。客戶要的從來不是一個理賠處理介面，是那筆錢到位、那件事了結。
第三組——別給客戶一套自動化工作流程，給他結果本身。
這一組講者講得最簡短，因為到這裡句型已經很清楚了。自動化流程是手段，結果是目的。客戶買的應該是目的。
三組對比是同一個道理：客戶買的東西，永遠不是工具，是工具最後能換來的那個東西。賣 access 的人，把客戶要的結果留在交易之外；賣 outcome 的人，把結果本身放進交易裡。
同一個領域，兩種價格
這個區別不是哲學辯論，它會直接、誇張地反映在價格上。講者用招募這個領域舉了一組對照數字。
招募的 access 版本——一套招募 SaaS 工具，講者表示月費大約落在 每月 $15 到 $100 之間。
招募的 outcome 版本——一家招募代理商，交付的是一個已經到職的員工。講者舉的數字是：每成功媒合一個人收 $5,000 到 $15,000。
把這兩個數字並排，落差大到不像在講同一個領域的生意。一邊是月費兩位數到三位數的軟體訂閱，一邊是單次交付五位數的服務費。中間隔的不是「比較貴」或「比較便宜」，而是兩種根本不同的東西。
需要說明的是，這兩組數字都是講者在影片中單方提供、未經第三方查證。它們的作用不在於精確，而在於指出一個量級——access 與 outcome 之間，不是百分之幾十的差距，是「數百倍」這個級別的差距。這也正是 YC 原話裡「數百倍的價格」那個說法所對應的現實。
那為什麼客戶願意為 outcome 付出這麼大的溢價？
講者的答案只有一句：因為客戶要的不是工具，他們要的是成果。
一套月費 $15 到 $100 的招募軟體，賣的是「你現在有能力自己招人了」——但客戶買它之後，招到人沒、招得快不快、招得好不好，全是未知數，風險也全在客戶身上。而一家收 $5,000 到 $15,000 的招募代理商，賣的是「人已經到職」——客戶付的這筆錢，買的是一個確定的、已經發生的結果，連同把那個結果做出來的全部力氣與風險。
工具的價格，反映的是「使用一個能力的成本」。 成品的價格，反映的是「那個結果對客戶的價值」。
這是兩把完全不同的尺。前者錨定在你的成本上，後者錨定在客戶的收益上。一個招到人能讓客戶多接案、多賺錢的職位，客戶心裡的估值不會是「一套軟體值多少」，而是「這個人能替我創造多少」。outcome 的定價，踩的就是這把尺。
模式的根，是定價邏輯的轉移
把這一章收束起來。
「賣 access 還是賣 outcome」這個區別，表面上是在問「你交付的是工具還是成品」，但它真正改變的，是定價的錨點。
賣 access，你的價格被綁在「提供這個工具要花多少成本」上——所以工具型生意的價格，天花板很低，而且彼此之間只能拚誰更便宜。
賣 outcome，你的價格被綁在「這個結果對客戶值多少」上——所以同樣一件事，只要你交付的是結果而不是過程，定價的天花板瞬間被拉高到完全不同的量級。
這就是 YC 那句話的根。它不是在教你做一個更好的工具，它是在告訴你：停止賣可能性，開始賣已經發生的事實。
但這裡會立刻冒出一個合理的質疑——交付一個「已經到職的員工」，聽起來明明比賣一套軟體累得多、貴得多。要把招聘流程從頭跑到尾，要付出真實的人力、真實的時間。如果交付成本這麼高，那「數百倍價差」裡的利潤，不就被交付成本吃光了嗎？
這個質疑是對的——對傳統代理商來說。它正是那個產業詛咒的核心。而 YC 那句話真正的引爆點，不在「賣 outcome」這四個字，在於 AI 把「交付 outcome 的成本」徹底改寫了。
那套數學，是下一章的事。
💡 給讀者的 Takeaway
- 賣 access（工具）= 把「使用一個能力的權限」賣給客戶，解決問題的力氣和風險留給客戶自己；賣 outcome（成品）= 把「已經發生的結果」連同力氣與風險一起交付。
- 三組對比記住一個句型：別給招募儀表板，給到職員工；別給帳務軟體，給已解決的理賠；別給自動化流程，給結果本身。
- 講者舉的價差實例：招募 SaaS 工具月費 $15–100，招募代理商交付到職員工每次收 $5,000–15,000——這些是講者單方數字，作用在於指出「數百倍」的量級，不在精確。
- 真正改變的是定價錨點：賣 access 價格綁在「你的成本」上、天花板很低；賣 outcome 價格綁在「結果對客戶的價值」上、天花板被整個拉高。
- 但「賣 outcome 交付成本很高」這個質疑是對的——對傳統代理商而言；模式能否成立，全看 AI 能不能把交付成本壓下來，那是下一章的數學。
032. 瘋狂的經濟學｜軟體毛利的數學
「未來的代理商會更像軟體公司——擁有軟體公司的利潤率。」 — Y Combinator（講者引述）
把「賣 outcome」這句口號講完之後，真正該問的問題其實只有一個：這門生意的數學到底長什麼樣子。模式聽起來再漂亮，如果毛利結構沒有變，那它就只是換了個包裝的同一種苦差事。講者在影片裡花了不少篇幅算這筆帳，而他算出來的結論是——這不是包裝換了，是地基換了。
值得先把編輯立場說清楚：接下來這一整章充滿數字，$5,000、$3,000、80%、60–75%，這些幾乎全是講者單方提供、根據他自己事業使用量推估的數據，沒有第三方查證。所以我們把它當成「一個從業者攤開來給你看的帳本」來讀，而不是當成市場公認的鐵律。帳本本身可能會因人、因利基、因執行力而浮動；但帳本背後那個「軟體毛利」的邏輯，值得認真拆開來看。
傳統代理商：辛苦只換回一成
先看舊世界。講者描述的傳統代理商，毛利落在 15% 到 25% 這個區間。把它翻成具體場景：你向客戶收一個月 $5,000，聽起來不錯。但這 $5,000 進來之後，大部分馬上就流出去了——薪水、工具訂閱、各種營運開銷，講者算的數字是 $3,000 到 $4,000 直接被這些成本吃掉。
「你向客戶收一個月 $5,000，但其中 $3,000 到 $4,000 都花在薪水、工具、各種營運開銷上。所以你大概只留下一千塊。」
一個月辛苦下來，真正落進口袋的大約只有 $1,000。
這就是代理商這門生意長久以來的體質。它不是不賺錢，而是「賺得很薄」。每一塊收入都緊緊綁著一筆對應的人力支出，你沒辦法把交付工作跟人脫鉤。客戶要的是被服務，而服務需要人，人需要薪水——這條鏈一環扣一環，中間沒有任何縫隙能讓毛利長出來。代理商老闆常常把營收做得很大，卻發現自己過得像個高級的專案經理：管人、救火、跑流程，最後結算只剩下那薄薄一層。
軟體公司：把成本攤平到趨近於零
再看另一個極端——軟體公司。同樣是賣東西給企業，軟體公司的毛利講者引的數字是 70% 到 90%。差距大到不像同一個物種。
差別的關鍵字是邊際成本。軟體公司的產品「做一次就好」。第一個客戶可能燒掉幾百萬的研發，但產品一旦做出來，第二個客戶、第一百個客戶、第一萬個客戶，要多服務一個的成本幾乎是零。
「軟體公司的利潤率是 70% 到 90%，因為他們產品做一次就好，每多服務一個客戶的成本幾乎是零。複製產品幾乎沒有任何邊際成本。」
這就是為什麼 SaaS 估值能撐得那麼高：它的成本是一次性的、收入卻是反覆的。代理商剛好相反，它的成本是反覆的——每一個客戶、每一個月，都要重新付出一次人力。一邊是把成本攤平到趨近於零，一邊是讓成本跟著客戶數線性疊高。同樣在「賣東西給企業」這件事上，兩種商業模式活在完全不同的物理法則裡。
AI-First 代理商：第三種數學
那麼 AI-First 代理商落在哪裡？講者的論點是——它不是要變成軟體公司，而是要把軟體公司那套「邊際成本」邏輯，偷渡進代理商的生意裡。
他的算法是這樣：AI 接手了大部分執行工作，所以交付一項服務的成本「下降約 80%」。
把這個 80% 套回前面那筆帳：你的代理商一樣收客戶一個月 $5,000——對客戶來說，價格沒變，他付的還是同一個數字。但你這邊的交付成本，從 $3,000 到 $4,000，被砍到 $600 到 $800。
「你的代理商一樣收一個月 $5,000，但你的交付成本從 $3,000 到 $4,000 降到 $600 到 $800。所以那 60% 到 75% 的利潤率就是這樣來的。」
於是毛利從原本那薄薄的 15–25%，跳到了 60% 到 75%。沒有摸到軟體公司 70–90% 的天花板，但已經是另一個數量級。一個本來一個月只留一千塊的生意，現在一個月留下三千多塊——同樣的客戶、同樣的收費、同樣的工作量，只是中間那道交付成本被 AI 抽掉了大半。
三種毛利擺在一起看，故事就清楚了：傳統代理商 15–25%、軟體公司 70–90%、AI-First 代理商 60–75%。AI-First 代理商不在兩端，它卡在一個很特別的位置——它有代理商那種「賣 outcome 能收高價」的好處，又借到了軟體公司那種「邊際成本低」的好處。它是一個混血。
一句話講完整章：對客戶同價，對你少八成成本
如果這一章只能留下一句話，那會是講者反覆強調的這句：
「對客戶來說價格一樣，但你的成本少了 80%。」
這句話之所以重要，是因為它解釋了為什麼這個模式「不是靠犧牲什麼換來的」。
它不是靠降價搶單——客戶付的錢沒變。它不是靠偷工減料——交付的還是一個完整的 outcome，一個到職的員工、一筆解決的理賠、一支拍好的廣告。它也不是靠壓榨員工把薪水砍掉——而是把那些原本需要人去做的執行工作，移交給了成本低得多的 AI。
毛利的增長，完全來自交付端的成本被重新發明。客戶那一側什麼都沒少，你這一側卻省下了八成。這就是講者口中「瘋狂」的地方——它看起來像是某種免費的午餐，而商業世界裡，免費的午餐通常意味著一個結構性的錯位被人發現了，而且還沒被市場填平。
當然，80% 這個數字是講者的單方說法，真實世界裡會因服務類型、利基、執行品質而上下浮動。不同服務的成本下降幅度不會一致——後面幾章拆解六個服務時你會看到，名單開發的成本壓縮幅度遠比系統建置誇張。但即使把這個數字打個折，即使交付成本只降一半而不是八成，毛利結構的方向也已經翻轉了。重點從來不是「剛好 80%」這個精確數值，而是「交付成本可以跟人力脫鉤」這件事第一次成立。
而一旦交付成本能跟人力脫鉤，代理商這門生意最古老的那道詛咒，就鬆動了——它再也不必靠「不斷加人」來成長。這正是下一章要算的另一筆帳。
💡 給讀者的 Takeaway
- 傳統代理商毛利薄在「成本反覆」：收 $5,000、$3,000–4,000 流向人力與管銷、自己只留約 $1,000——這是講者算的數字，但結構性的薄利是代理商的普遍體質。
- 軟體公司毛利厚在「邊際成本趨近於零」：產品做一次，服務每個新客戶幾乎不花錢——這是 70–90% 毛利的來源。
- AI-First 代理商是混血：講者的算法是 AI 讓交付成本降約 80%（從 $3,000–4,000 到 $600–800），毛利因此落在 60–75%。
- 關鍵不是降價，是換掉交付端：客戶付的價格不變，省下來的全是你這側的成本——這也是為什麼這個模式不靠犧牲品質或壓榨員工。
- 數字是講者單方說法，但邏輯值得認真看:80% 可能因服務、利基而浮動；真正的洞察是「交付成本第一次能跟人力脫鉤」。
043. 打破線性成長｜為何這次能規模化
「你不是僱 10 個人從 5 個客戶變成 25 個，你是在建立對 25 個客戶同時生效的技能與系統。」 — 講者
上一章算的是「一個客戶的帳」。但代理商真正的痛，從來不是單一客戶賺多賺少，而是——你想多接客戶的時候會發生什麼事。這一章要談的，就是代理商這門生意最深的那道詛咒：規模化的詛咒。以及講者主張的，AI 為什麼能第一次把它打破。
規模化的詛咒：成長是線性的
傳統代理商想長大，只有一條路：加人。
這條路的邏輯非常直白，直白到讓人絕望。更多客戶，意味著更多工作要交付；更多工作，意味著要僱更多人來做；而更多人，不只是更多薪水——是更多管理、更多溝通協調、更多開銷、更多會出錯的環節。
「更多客戶就意味著更多人、更多員工。更多人就意味著更多管理、更多開銷、更多問題。」
講者用一個詞精準地概括了這種成長模式：線性。
線性成長的意思是，你服務第 25 個客戶的成本，幾乎跟你服務第 1 個客戶一模一樣。中間沒有任何「學習曲線把成本壓下來」的紅利，也沒有任何「規模一大邊際成本就攤薄」的甜頭。
「成長是線性的。每一個新客戶要服務的成本，幾乎跟前一個、跟上一個一樣高。」
這就是為什麼世界上有那麼多代理商，卻幾乎沒有哪一家長成巨獸。它們不是不努力，是被結構卡死了——每多接一個客戶，就要多扛一份等比例的重量，成長到某個程度，光是管理這台機器本身就會把創辦人耗盡。代理商老闆們常說自己「做到一個天花板就上不去了」，那個天花板的本質，就是這條線性曲線。
AI 怎麼打破它：不是省力，是改變斜率
講者的論點是，AI 在這裡做的事，本質上是改變這條曲線的斜率。
關鍵的數字是：AI 能處理掉執行工作的 50% 到 80%。當執行工作的大半被 AI 吸收掉，那個「每多一個客戶就要多一份人力」的等式就被打斷了。
「當 AI 處理掉 50% 到 80% 的執行工作時，一個小團隊就能服務多到不可思議的客戶數量。」
這裡有一個觀念上的轉彎，值得慢慢讀。講者特別強調，AI-First 的規模化「不是僱 10 個人從 5 個客戶變成 25 個」——那只是把線性曲線往上推，曲線本身沒變，你還是用「人」這個單位在堆。真正的轉變是另一回事：
「你打造的是能同時服務全部 25 個客戶的 skill 和系統。」
差別在於你「打造的東西」是什麼。僱人，你打造的是一支會隨客戶數膨脹的隊伍，每個人只服務分到他名下的那幾個客戶。建系統，你打造的是一套對所有客戶同時生效的技能與流程——你把名單開發的 SOP 編碼成一個 skill，這個 skill 不是「服務第 12 號客戶」，它服務全部。第 26 個客戶上門時，你不是去找第 11 名員工，而是把同一套 skill 再指過去一次，邊際成本趨近於零。
這正好接上了第 2 章的軟體毛利數學。軟體公司毛利高，是因為產品做一次、服務無數人。AI-First 代理商想偷渡的，就是這個「做一次、生效於多數」的性質——只是它做的不是一個軟體產品，而是一套套可重用的 skill 與系統。第 2 章談的是「單一客戶的成本被砍掉八成」，這一章談的是「這個被砍掉的成本不會隨客戶數重新長回來」。兩者合起來，才是完整的故事。
市場面：每一個利基都是一座等著被重做的礦
如果只有一個利基能這樣玩，那它頂多是個聰明的小生意。講者要強調的是，這套邏輯適用的市場面極度寬廣。
他點名了一串：招募、醫療帳務、記帳、內容創作、名單開發、法律文件、客戶支援、物流——而且明說「還有更多」。
「這裡面的每一個都是十億美元規模的市場，而每一個都被切割成成千上萬家代理商，每一家都受限於他們能雇用多少人。」
把這句話拆開看，裡面藏著兩個事實疊在一起。
第一，每一個利基都是十億美元等級的市場。這些不是邊角生意，是真實存在、有龐大需求、企業每天都在掏錢買的服務。
第二，每一個利基目前都被切成成千上萬家小代理商，而且全部卡在同一道天花板上——「能僱多少人」。
兩個事實疊在一起，意思就是：每一個利基，現在都像一座礦，礦藏（需求）是真的，而開採方式（靠人力堆疊的小代理商）全部停留在舊技術。誰先用 AI-First 的方式重新開採，誰就有機會在一個本來高度分散、誰也長不大的市場裡，長成一個過去不可能存在的尺寸。
這也呼應了第 1 章「賣 outcome」的論點——這些利基之所以能用 AI 重做，正因為客戶要的本來就是 outcome（一個錄取的員工、一筆解決的理賠、一份寫好的法律文件），而 outcome 是可以被系統交付的東西。
Hormozi 的呼應：為什麼是「營運密集」的生意贏
講者並不孤單地下這個判斷。他在影片裡引了 Alex Hormozi 一段話，而那段話幾乎是從另一個角度說同一件事。
Hormozi 的觀察是：會因為 AI 而拿到「不成比例報酬」的生意，是那些營運非常密集的生意。
「我認為會有不成比例報酬的生意，是那些營運非常密集的生意。比如說一家行銷代理商，如果它大量導入 AI⋯⋯」
這個判斷的邏輯鏈是這樣的。
首先，需求那一端永遠不缺。Hormozi 說得很直接：「想要新客戶的企業永遠不會缺。」每一家公司都想要更多客戶，這個需求不會因為 AI 普及就消失——它是商業的底層慾望。
其次，代理商真正的痛，從來不在需求端，而在營運端。Hormozi 用的詞是「營運上的拖累、人頭數，以及人與人之間的協調」。換句話說，代理商不是找不到生意，是被自己內部的營運重量壓垮。它的瓶頸是線性成長那條曲線本身。
所以結論就接上了：如果你能交付一樣的 outcome——幫企業找到更多客戶——但用 AI 去處理那個沉重的營運與交付端，讓「利潤率不斷上升、複雜度不斷下降」，那就會變成一門極度有價值的生意。
「如果你能交付一樣的成果，但用一種方式去做，讓你能夠規模化營運、利潤率不斷上升、複雜度不斷下降，那就會變成一門極度有價值的生意。」
值得停下來品味的是 Hormozi 那句「利潤率上升、複雜度下降」。在舊世界，這兩件事是反向綁死的：你想要更高利潤就得接更多客戶，接更多客戶就得僱更多人，複雜度必然跟著上升。利潤和複雜度同進同退，這是線性成長的另一張臉。Hormozi 與講者共同主張的是，AI 第一次讓這兩條線分了家——利潤往上走的同時，複雜度反而往下走。
一個來自最有聲望的加速器(YC)，一個來自把生意做得極大的實戰者(Hormozi)，兩個立場完全不同的人，對著同一個結論點頭。這不能證明數字準確，但它至少說明——「AI 打破代理商規模化詛咒」這件事，不是某個 YouTuber 自己編出來的孤例。
詛咒鬆動之後
把第 2 章和第 3 章合起來，這個模式的骨架就完整了。
第 2 章說的是：AI 讓單一客戶的交付成本下降約八成，毛利從 15–25% 跳到 60–75%。第 3 章說的是：這個被砍掉的成本，不會因為你多接客戶就重新長回來——因為你建的是「對所有客戶同時生效的系統」，而不是「隨客戶數膨脹的人力」。一個解決了「薄」，一個解決了「不能長大」。代理商這門生意兩個最古老的毛病，在這個模式裡同時被處理掉了。
但骨架歸骨架。一個誘人的模式，如果停在「毛利數學」和「成長曲線」這種抽象層次，讀者永遠沒辦法真的動手。所以講者影片真正的主體——也是接下來幾章要做的事——是把這個抽象的模式，落地成六個有真實價格、真實客戶、可以明天就開始賣的具體服務。骨架要長出肉，模式要變成生意。我們從第一個服務開始。
💡 給讀者的 Takeaway
- 規模化的詛咒是「線性」：傳統代理商想長大只能加人，服務第 25 個客戶的成本幾乎等於第 1 個——成長曲線沒有任何邊際紅利。
- AI 改變的是斜率，不只是省力：當 AI 吃掉 50–80% 的執行工作，「每多一個客戶就多一份人力」的等式被打斷。
- 僱人 vs 建系統的本質差異：僱人是堆出隨客戶數膨脹的隊伍；建系統是打造「對 25 個客戶同時生效」的可重用 skill，第 26 個客戶的邊際成本趨近於零。
- 市場面極寬：招募、醫療帳務、記帳、內容創作、名單開發、法律文件、客服、物流——每個都是十億美元市場，且都被切成受限於人力的小代理商，等著被 AI 重做。
- Hormozi 從另一角度呼應：會拿到不成比例報酬的是「營運密集」的生意；AI 第一次讓「利潤上升」與「複雜度下降」這兩條原本反向綁死的線分了家。
054. 服務群 A｜名單開發與內容引擎
「Alex Hormozi 剛剛給了我們一個非常好的起點——想要新客戶的企業永遠不會缺。所以我們就從這裡開始。」 — 講者，影片 06:27
前三章把模式講到了抽象的盡頭：賣 outcome、AI 砍掉八成交付成本、用系統而非人頭去規模化。聽起來都對，但抽象的模式有一個致命的問題——它無法被「賣」。客戶不會買一個模式，客戶買的是一張寄到他信箱的合格名單、一支今晚就能上架的廣告、一個明天就能開張的網站。
所以從這一章開始，講者把抽象拆成具體。他在影片裡點名六項服務，每一項都附上「誰買、交付什麼、AI 怎麼做、收多少錢」四個欄位。這是全文的主體，也是讀者最想要的部分。需要先說清楚的是：以下出現的所有價格、成本、毛利數字，都是講者根據自己的事業單方提供、未經第三方查證的——我們會用「他開的價」「他舉的成本」這類歸屬語氣來標示。模式值得認真看待，數字則需要保留判斷。
六項服務裡，講者把名單開發放在第一個講，理由是 Alex Hormozi 的那句話：想要新客戶的企業永遠不會缺。這是整張機會地圖裡需求最不需要被教育的一塊。而第二項內容引擎則是另一個極端——幾乎每一家做生意的人都默認自己「應該」要有社群聲量。這一章談的服務群 A，就是兩個「需求幾乎不用解釋」的入口。
服務 1：AI 名單開發（Lead Generation as a Service）
名單開發是六項裡講者花最多篇幅、講得最具體的一項，原因他自己說得很白——這套系統是他從零打造過的，所以他報出來的每一個成本數字「都是根據實際使用量算出來的」。這份「親手做過」的宣稱，是這一節值得多看兩眼的理由，也是讀者評估其他五項時可以拿來當對照的基準。
誰會買？ 講者的答案幾乎是「所有 B2B 公司」——代理商、SaaS 公司、顧問、承包商，任何需要「行事曆上有一場跟潛在客戶的會議」的人。這個客群的特徵是：他們的生意能不能活下去，直接取決於行事曆滿不滿。需求是結構性的，不是景氣循環性的。
交付什麼？ 不是一份名單檔案，而是三樣具體成果疊在一起：一批附有經驗證 email 的合格名單、一套個人化的觸及訊息序列、以及真的被排進客戶行事曆的會議。注意這個交付物的設計完全呼應前面講的「賣 outcome」——客戶拿到的不是工具，而是結果本身。
真正的差異化在 AI 怎麼把這件事做出來。講者把它拆成五個步驟，這五步不只是流程清單，而是一條成本逐段累積、最後對照月營收的經濟學敘事：
- Scrape 抓取。 從 Google Maps、Google 搜尋、各種產業特定目錄裡拉出潛在客戶，AI 篩出符合客戶「理想客戶輪廓」的企業。這一步講者舉的成本是每筆潛在客戶約 1 美分。
- Enrich 補強。 AI 接手剛抓到的名單，補上 email、電話、公司細節。這一步是整條 pipeline 最貴的環節——他舉的成本是每筆驗證過的 email 約 4 美分。貴是合理的，因為「email 寄得到」是後面所有步驟能不能成立的地基。
- Personalize 個人化。 講者說「這裡開始變有趣了」。AI 讀取每一個潛在客戶的網站，寫出一句引用對方真實近況的開場白。他在影片裡舉的範例很具體：不是「嗨，名字，喜歡你的網站」這種一望即知的罐頭話術，而是「嘿 John，看到你在 LinkedIn 上發貼文說你的牙醫診所要在 Austin 開第二家分店，恭喜」。這一步的成本他開的是每筆約千分之三美分——五步裡最便宜的一步，他的形容是「便宜到不可思議」。
- Launch 投放。 AI 把整批名單載入發信平台，講者自己用的是 SmartLead，他也提到 Instantly 或其他工具。平台負責設定 A/B testing、管理回覆。
- Deliver 交付會議。 AI 把行事曆連結直接寄給潛在客戶，把約成的會議排進客戶的行事曆。交付的終點不是「寄出了郵件」，而是「行事曆上多了一場會」。
把五步的成本疊起來，就是這一節的關鍵數字。講者說，處理 600 筆潛在客戶——抓取、補強、個人化、啟動投放全部做完——總成本不到 30 美元。這個數字之所以值得標粗體，不在於 30 這個數有多小，而在於它要跟另一個數字並排：他開的收費是每月 2,500 美元，並保證為客戶排進約 15 通合格通話。
30 美元的交付成本對上 2,500 美元的月營收——講者直接下了結論：「這是軟體那種利潤率，不是代理商那種利潤率。」這句話把整篇文章前三章的抽象經濟學，第一次具體地釘在一個服務上。
不過他自己也補了一句務實的修正，值得讀者一起記下：每月 2,500 美元只是「一個基準」，實際定價要看這些名單對那門生意的價值。他舉的例子是——如果客戶能從這些通話裡成交 10,000 美元的案子，那客戶會樂意付更多；如果客戶在比較低單價的領域，那收費就得往下調。換句話說，2,500 美元不是市場行情，是講者建議的一個起跑點，真正的定價要由「對客戶的價值」反推。這個修正其實比那個漂亮的毛利數字更誠實，也更接近真實的代理商生意——定價從來不是算成本加成，而是算客戶的價值天花板。
服務 2：完整 AI 內容引擎
如果說名單開發賣的是「行事曆上的會議」，那內容引擎賣的就是另一種同樣不需要被教育的需求——社群聲量。講者的判斷很直接：今天每一個做生意的人都默認自己應該要有某種社群媒體上的曝光。需求端的問題從來不是「要不要做內容」，而是「做不出來、做不持久」。
誰會買？ 講者列的客群幾乎跟服務 1 一樣寬：教練、代理商、本地企業、電商品牌——任何需要穩定社群聲量的企業。差別在於，服務 1 的客群是「沒有客戶會死」，服務 2 的客群是「沒有聲量會慢慢被遺忘」。後者的急迫感弱一點，但客群更大。
交付什麼？ 講者的用詞是「一台完整的內容機器」——每個月在客戶的所有平台上產出約 100 則高品質內容。這 100 則不是同一篇東西複製到五個平台，而是橫跨多種形態：附文案和輪播投影片的 LinkedIn 貼文、附輪播圖的 Instagram 貼文、短影音、把長影片剪成的短片、把部落格文章轉成的社群貼文。
這台機器值得認真看待的地方，在於講者特別強調的一個技術細節：AI 產出的是平台專屬內容，不是跨平台複製貼上的通用文案。LinkedIn 拿到為 LinkedIn 格式化過的思想領導貼文，Instagram 拿到視覺輪播圖，長影片自動被剪成短影音片段。這個區別之所以重要，是因為它正面回應了一個讀者心裡一定會浮現的質疑——「AI 寫的內容不是一看就知道嗎？」講者的回答是：品質「終於到位了」，這不再是過去那種機械感、抽離脈絡、一眼就能看出是 AI 寫的東西。
這當然是講者單方的品質宣稱，讀者大可保留判斷。但他在這裡承認了一個傳統上 AI 解不掉的環節，反而讓整段論述更可信：內容生產裡唯一仍然需要真人的步驟，是拍攝——對著鏡頭講話這件事。然後他立刻補上一條繞道：即使是拍攝，今天也能用 HeyGen 這類 AI 虛擬人工具，用客戶的數位分身產出影片內容。他沒有把這說成完美方案——「當然它不完美，你看得出來那是 AI」——但他的論點是，如果拍攝對某個客戶來說是無法跨越的障礙，那連這一關都有 AI 的解法。這種「先承認限制、再給繞道」的講法，比一味說 AI 全能要踏實。
內容引擎還有一個延伸設計值得提：講者建議可以在內容服務之上加售一個 appointment setter（預約專員）。邏輯很順——內容會帶來進站流量，流量需要有人接住、篩選、約成通話，而這件事 AI 也能做。這個加售項目同時也是後面服務 5 的主角，等於講者在這裡先埋了一條服務之間可以互相串接的線。
收多少錢？ 講者開的價是每月 2,000 到 3,000 美元。他給的定價說帖很簡單：這個價格比客戶僱一個全職內容人員還便宜，但交付的東西更多。他用的詞是「對客戶來說根本是不用想的決定」。要提醒讀者的是，這同樣是講者建議的價格帶，不是市場既定行情；而「比僱一個全職人員便宜」這個對照，成不成立也取決於客戶當地的薪資水準。
把服務 1 和服務 2 放在一起看，會發現它們共享同一個結構：都鎖定一個需求幾乎不用解釋的市場、都把交付物設計成「結果」而非「工具」、都靠一條 AI pipeline 把交付成本壓到很低、都用「比僱人便宜」當定價說帖。這個結構不是巧合——它就是前三章那個抽象模式的具體模板。讀者真正要帶走的，不是 2,500 或 2,000 這兩個數字，而是這個可以套用在任何分散市場上的模板形狀。
💡 給讀者的 Takeaway
- 服務群 A 鎖定的是「需求不用教育」的市場：名單開發對應「沒客戶會死」、內容引擎對應「沒聲量會被遺忘」——選服務時，需求端的急迫感是第一個篩選條件。
- 名單開發的五步驟本質是一條成本敘事：抓取 1 美分、補強 4 美分、個人化千分之三美分——講者宣稱處理 600 筆名單總成本不到 30 美元，並以此對照他開的每月 2,500 美元收費。這些數字是講者根據自身使用量提供、未經第三方查證。
- 講者自己埋的修正比毛利數字更值得記：他承認 2,500 美元只是基準，真正的定價要由「名單對客戶的價值」反推——定價邏輯是算客戶的價值天花板，不是算成本加成。
- 內容引擎的差異化在「平台專屬」而非「通用複製貼上」：每月約 100 則內容橫跨 LinkedIn、Instagram、短影音、長片切片、部落格轉貼；唯一仍需真人的拍攝環節，講者給的繞道是 HeyGen 等 AI 虛擬人。
- 兩項服務共享同一個可複製模板：鎖定分散市場、交付「結果」非「工具」、用 AI pipeline 壓低交付成本、用「比僱人便宜」當說帖——讀者要帶走的是模板形狀，不是單一價格。
065. 服務群 B｜影片廣告與網站建置
「現在你只要為你的 AI agent 做一個 SOP，而不是為你的員工做——它現在叫做 skill。」 — 講者，影片 14:57
服務群 A 賣的是「持續性的成果流」——名單每個月都要補、內容每個月都要產，客戶付的是月費。服務群 B 的兩項服務換了一種形狀：它們賣的是一次性的、可以拿在手上的成品。一支影片廣告、一個上線的網站——交付的當下就結束，客戶看得到、摸得到。這種「成品感」會帶來一個 A 群沒有的銷售優勢：demo 可以直接觸發成交。但它也帶來一個 A 群沒有的挑戰：沒有月費，生意要靠不斷接新案子來支撐。這一章談的就是這兩項「賣成品」的服務，以及它們各自的代價。
服務 3：AI 生成影片廣告
講者介紹這一項時用的詞是「這一項超瘋狂」。瘋狂的不是技術，而是它能砍掉的那一塊傳統成本。所以這一節值得先把講者攤開的「傳統成本現實」完整看一遍——因為這整項服務的賣點，就建立在這個對照上。
誰會買？ 電商品牌、產品公司，任何需要為自家產品做專業廣告活動的企業。這個客群的特徵是：他們本來就在花錢拍廣告，而且花得不少。
傳統上他們付多少錢？ 講者用一個太陽眼鏡品牌拍一檔廣告活動當例子，把成本一項一項拆開：專業模特兒一天 400 到 1,600 美元；攝影師加錄影師，再加 2,000 美元；場地租借、造型、化妝，再加 1,000 美元以上；後製剪輯，他說「通常很貴」，至少 500 到 2,000 美元。把這些疊起來，一檔廣告拍攝的總額落在 5,000 到 15,000 美元之間。而他特別補了一句——這還是偏低的估計，大品牌在單一支影片活動上可能花 50,000 美元以上。
需要提醒的是，這串成本數字同樣是講者單方舉出的範例，不同地區、不同規模的品牌實際花費差異會很大。但這串數字的功能不在於精確，而在於它畫出了一個「成本結構」——傳統影片廣告貴，貴在它是一場需要協調人、場地、設備的實體製作。每一個成本項目背後都是一個要被協調的真人或實體資源。這正是前面第三章講的「營運密集」——而營運密集，就是 AI 最有機會切入的地方。
AI 怎麼做？ 講者的描述近乎魔術：你拿一張產品照片，餵進 Kling、Seedance 這類 AI 影片生成模型，出來的是一支帶動態運鏡、轉場、生活情境鏡頭的專業廣告。輸入只需要「他們產品的一張照片」，輸出是「完整的廣告活動、產品影片、社群媒體廣告」。
這裡講者做了一個值得讀者留意的、相對誠實的時間判斷。他沒有說 AI 影片現在已經完美——他說的是品質「已經跨過了那個門檻，品牌真的會想用這個」，並且強調「我們今天得到的是最差的表現了，它只會變得更逼真」。這是一個關於趨勢方向的論點，不是關於現狀完美的宣稱。讀者可以對「現在的品質夠不夠好」保留自己的判斷，但「方向往逼真走」這個趨勢判斷，是合理的。
真正硬碰硬的賣點是時間：傳統一檔廣告從籌備到交付要 3 到 4 週，因為實體製作就是需要排程；AI 的交付時間講者開的是 48 小時。從幾週壓縮到兩天，這個差距本身就是一個可以拿去談生意的賣點——對一個正在搶檔期、搶熱點的電商品牌來說，「48 小時拿到廣告」有時候比「便宜」更值錢。
收多少錢？ 講者建議的是每一個影片方案收 1,500 到 5,000 美元。他算的帳是：只要找到 3 到 4 個客戶，就是每月 10,000 美元的營收。而交付端的成本——他開的是「幾個 AI 訂閱，可能每月 100 到 200 美元」的工具費。月營收一萬對上工具費一兩百，他的結論還是那句：「這裡的利潤率一樣高到誇張。」
這一節值得停下來想一個編輯角度的問題。傳統影片廣告那 5,000 到 15,000 美元的成本裡，有一大塊不只是成本——它同時是進入障礙。正因為拍一支廣告又貴又慢，大量的小型電商品牌根本就放棄了專業影片廣告這件事。AI 把成本和時間同時砍掉，真正的市場機會可能不是「搶走那些本來就在花 15,000 美元的品牌」，而是「打開那一批本來被成本擋在門外、根本沒在做影片廣告的小品牌」。這一層講者在影片裡沒有明說，但它是這項服務最大的潛在市場。
服務 4：網站建置
如果說影片廣告是「賣給本來就在花錢的人，只是更便宜」，那網站建置就是另一種故事——它賣給的是一批到現在都還沒上車的客戶。
誰會買？ 講者的形容很生動：任何沒有現代化網路曝光的企業，而「這種企業有好幾百萬家」。他點名的是老派企業、本地服務公司、技術行業（工班）、餐廳、診所。這些客戶的共同特徵——他們之中很多人「守著一個看起來像 2012 年做的網站，也許真的是」，或者根本連網站都沒有。
這裡講者插進一句整篇影片裡少數帶有自省意味的話，值得原文保留：「即使對我們來說感覺像是 AI 無所不在、而且超容易，但我們身在一個泡泡裡。大多數老派的企業，他們不知道這件事，他們沒時間深入研究。」這句話的重要性超過它的篇幅——它提醒讀者，六項服務能不能成立，前提是「客戶不知道、不會做」這件事繼續為真。對一個天天在用 Claude Code 的人來說，「自己建個網站」幾乎不算事；但這項服務的整個市場，正是建立在「絕大多數做生意的人不在這個泡泡裡」之上。
交付什麼？ 一個正式上線等級的網站、完全響應式(RWD)、部署到客戶自己的網域、串接到他們既有的工具。注意這個交付物的完整度——它不是「給你一個網站檔案」，而是「你的網域上有一個能用的網站」。又一次，賣的是 outcome。
AI 怎麼做？ 講者點名的工具是 Claude Code、Lovable、Claude，他說這些工具能讓人「在幾小時內建好一個完整的網站」。但這一節真正的洞察不在工具，而在他描述的工作方法。他先講傳統：今天最成功的網頁代理商靠的是 SOP——標準作業程序，員工照著走來加速交付。然後他講轉變——「現在你只要為你的 AI agent 做一個 SOP，而不是為你的員工做，這現在叫做 skill。」
這句話是整章的金句，也是整篇文章一條核心論點的具體落地。前面幾章一直在講「護城河不在工具、在系統」，而這裡講者給出了那個系統最具體的形狀：為一個目標產業做一個模板，把交付網站的流程編碼成一個 skill——AI 接手後，抓取客戶既有的品牌色、文案、圖片，依照模板產出完整網站。工具(Claude Code)是人人可得的，真正屬於這家代理商的資產，是那個被編碼進 skill 的、針對特定產業的交付流程。
時間的對比同樣鮮明：傳統網頁代理商要 2 到 4 週才能交付的東西，講者說現在「一天就搞定」。而他特別點出這項服務一個容易被忽略的事實——需求並沒有消失，「還是有網頁代理商一年賺好幾百萬營收」。改變的不是市場有沒有需求，而是交付成本降了 80%。他下的結論是：只要搞定了客戶開發的渠道，「即使是一人公司也能把這件事規模化得非常好」。
收多少錢？ 講者建議的是收一筆一次性的設定費，1,000 到 7,000 美元，實際金額取決於利基和複雜度。他特別說明這項服務的定價形狀和服務群 A 不同：「這裡不需要月費」——它本質上是一個案子接一個案子的生意。當然他也補充，如果想要，可以另外設計出一個帶月費的方案。這個「沒有月費」的特性正是服務群 B 的代價：成品交付完就結束，營收不會自動續訂，生意要靠源源不絕的新案子撐起來。
網站建置還有一個延伸，講者用它收尾，也順帶觸發了這整段影片裡最有畫面感的一段。他說網站本身之上可以加售聊天機器人、加售語音 agent，直接部署到剛建好的網站上。然後他講了一個關於自己工具的具體宣稱：「我有一個搭配 Claude Code 的 skill，它會做一個網站，然後做一個語音 agent 和一個聊天機器人，把它們部署到那個網站上，全部在兩分鐘內搞定。」他描述的成交場景是——很多需要網站的企業，看到一個會講話的 AI 語音 agent 或聊天機器人 demo，會直接被觸發那個「哇」的效果，當場成交。
這個「兩分鐘 demo 觸發 wow effect」的場景，把服務群 B 和服務群 A 的根本差異點明了。A 群賣的是看不見、要時間累積的成果流——名單和內容的價值要過一陣子才驗證得出來。B 群賣的是看得見、摸得到、可以當場 demo 的成品。後者的銷售週期可以非常短，因為「眼見為憑」本身就是最強的銷售話術。但代價也對稱：A 群有月費這個複利引擎，B 群沒有。讀者要選哪一群，本質上是在選「銷售容易、但要一直跑」還是「銷售要花力氣、但能累積續訂」——這不是哪一個比較好的問題，而是一個關於自己想要什麼樣生意節奏的選擇。
💡 給讀者的 Takeaway
- 服務群 B 賣的是「一次性成品」而非「持續成果流」：影片廣告和網站都是交付即結束、客戶摸得到的東西——這帶來短銷售週期的優勢，也帶來「沒有月費、要靠新案子撐」的代價。
- 影片廣告的賣點建立在傳統成本對照上：講者把太陽眼鏡品牌拍一檔廣告拆成模特兒、攝錄影、場地造型、後製，合計他舉的 5,000 到 15,000 美元（大品牌單支可達 50,000 美元以上）;AI 用 Kling、Seedance 從一張產品照產出，他開的價是每包 1,500 到 5,000 美元。這些數字皆為講者單方提供。
- 影片廣告真正的市場可能在「被成本擋在門外的小品牌」：傳統高成本同時也是進入障礙——AI 砍掉成本後，最大的潛在市場是那批本來根本沒在做專業影片廣告的小品牌，而非搶走既有大客戶。
- 網站建置的整章金句是「SOP 不是給員工的，是給 AI agent 的，它叫 skill」：護城河不在 Claude Code、Lovable 這些人人可得的工具，而在「為特定產業把交付流程編碼成 skill」這個可重用資產。
- 這項服務的前提是「客戶還在泡泡外」：講者自己承認「我們身在一個泡泡裡」——六項服務能成立，靠的是絕大多數老派企業不知道、也沒時間研究 AI；這個前提哪天失效，服務的價值也會被重新定價。
076. 服務群 C｜預約專員與 AI-First 系統
「無論如何，你都可以把系統做一次，然後做一個給上線流程用的 skill，幾乎自動地為每一個新客戶客製化那套系統。」 — 講者
前面四個服務各自鎖定一個交付物——名單、內容、影片廣告、網站。它們的共通點是「把一件具體的事做出來」。本章要談的最後兩個服務不太一樣：服務 5 把 AI 放進「對話」這個一直以來只有真人能做的環節；服務 6 則乾脆不賣單一交付物，而是把整間公司的運作方式重寫一遍。前者是單點替代，後者是系統重構——也正是講者本人現在主推的生意。把這兩個放在一起看，AI-First 代理商的版圖才算完整。
服務 5：AI 預約專員——當對話本身可以被自動化
誰會買？ 教練、個人品牌、資訊型產品事業——任何靠 Instagram 私訊或其他社群媒體對話來開發名單的人。這群人的共通模式是：流量來自社群曝光，名單藏在私訊匣裡，成交靠一通一通約出來的電話。
問題出在規模。講者描述的場景是：這些事業每天收到上百則來自潛在客戶的私訊，每一則都需要有人去回、去篩、去判斷對方夠不夠格、值不值得約一通通話。傳統解法是僱用 appointment setter——真人預約專員，整天坐在那邊聊天。講者表示，這樣一個人光薪水每月至少 $1,000 到 $3,000；而當一門生意月營收做到 $25,000 以上，往往會同時僱用好幾個預約專員來分攤對話量。
這就是 AI 切進來的縫隙。講者的論點很直接：預約專員這個角色「全部都是以文字為基礎的」，而文字對話正是當代 AI 最擅長的事——所以這個職位「可以被完全取代」。
「AI 可以完全取代他們。它可以完全取代那個職位，因為這全部都是以文字為基礎的。」 — 講者
值得注意的是講者列舉的「擬人」細節，因為它們透露了這個服務真正在賣什麼。AI 預約專員可以：
- 用與品牌完全一樣的語氣訓練，讓對話讀起來像出自同一個人
- 帶著自然的延遲回覆，而不是秒回——秒回反而會洩漏機器身分
- 甚至故意犯一些小錯誤，讓對話「感覺更像人類」
- 同時處理遠多於任何真人的對話量
- 不請病假、不放週末、全天候運作
這份清單本身就是一個值得停下來想的訊號。前四個服務裡，AI 取代的是製作工序——抓資料、寫文案、生影片、組網站，這些工作客戶本來也看不到過程。但預約專員不同：它直接面對潛在客戶，而且這個服務的賣點之一，是讓對方察覺不到自己在跟 AI 講話。「故意犯小錯讓自己更像人」是一種刻意的擬態。本文不對此下道德判斷，但讀者買或賣這個服務時，應當清楚自己處在這條線的哪一邊——這是六個服務裡唯一一個，核心價值有一部分建立在「不被識破」之上的。
至於市場規模，講者給的佐證是一個個人見聞：
「我個人就認識一些人，光靠賣 Instagram 用的 AI 約訪專員，一個月賺 $100,000。這就是現在這個市場有多大。」 — 講者
這個 $100,000/月 的數字必須放在它本來的位置來理解：它是講者轉述自己認識的人的收入，未經第三方查證，也沒有說明那是營收還是利潤、有幾個客戶、做了多久。它證明的不是「這個服務一定能讓你月入十萬」，而是「講者認為這個市場大到足以撐起這種數字」。當作市場熱度的指標可以，當作收入預期就太天真了。
定價方面，服務 5 的模式比前面幾個都更多元，講者列了三條路：
- 月費制：每個客戶每月 $2,000 到 $5,000
- 設定費 + 維護：一次性 setup 約 $10,000，之後每月幾百美元維護
- 營收分潤：如果客戶夠大，從 AI 預約專員談成的營收裡抽成，可能比固定收費更划算
規模化的關鍵，講者用一句話帶過——「把系統做一次，然後做一個給上線流程用的 skill，幾乎自動地為每一個新客戶客製化」。這句話看似輕描淡寫，其實是整個 AI-First 模式的縮影，也直接通往服務 6：真正的資產不是「替某個客戶設好的預約專員」，而是那個能把預約專員快速複製到下一個客戶身上的 onboarding skill。客戶買的是結果，你累積的是系統。
服務 6：完整 AI-First 系統建置——講者自己在賣的東西
第六個服務，講者開宗明義說明了它的特殊地位：
「完整的 AI-First 系統建置。這就是我現在實際在賣的東西。而它是今年市場上最熱門的東西。」 — 講者
讀者在這裡要記得編輯該有的距離：服務 6 是講者自己的主力業務，他對它的描述同時是分析、也是推銷。「今年市場上最熱門的東西」是一句行銷語言，不是市場數據。但這不代表服務 6 不值得拆解——恰恰相反，它是把前面所有抽象模式收攏成一個可賣商品的最完整示範，值得仔細看清楚它的結構。
前五個服務各自交付一個東西。服務 6 不賣單一交付物，它賣的是一整套**「企業作業系統」**：盤點客戶的所有流程、把部門畫出來、然後打造能自動處理這些工作流的 AI agent 與 skill。換句話說，前五個服務是「幫你做一件事」，服務 6 是「幫你重寫做所有事的方式」。
講者把這套系統拆成清楚的三層架構：
底層——business context（企業脈絡）。先把「他們是誰、做什麼、怎麼運作」這些基礎事實餵給系統。這是地基：沒有脈絡的 AI 只是個通用助理，有了脈絡它才開始懂這門生意。
中層——部門結構化。把企業按功能拆成行銷、業務、交付、行政等部門。這一層的意義是把「一團模糊的營運」變成「有清楚分工的組織圖」，讓上層的自動化有地方落腳。
頂層——skill 與 workflow。在結構好的部門之上，打造真正執行工作的 skill 與工作流——名單開發、內容創作、客戶 onboarding、報表。講者給的目標是把這些工作流自動化到 80%。
這個三層結構的核心承諾，講者說得很明確：釋放創辦人與員工的頻寬。當重複性的執行工作有 80% 交給系統，人就被解放出來去做新計畫、規模化、訂策略——而不是手動處理一遍又一遍的同類任務。這跟前幾章談的毛利數學是同一件事的兩面：成本下降的另一面，就是時間被釋放。
更值得注意的，是講者描述的「用 AI 來交付 AI」這層遞迴。他說自己的團隊建了一套範疇界定／稽核系統：它會自動對一門生意做稽核、把流程畫出來、並建議該打造哪些部門、agent 與 skill。這套系統取代的，是過去得「調派開發人員花好幾天把所有東西畫出來」的人力——也就是說，AI-First 模式不只用在客戶身上，連「替客戶導入 AI-First」這件事本身，都被 AI 自動化了一層。
但服務 6 真正的護城河，藏在講者隨後講的「可重用資產」裡。他的做法是，跨客戶累積一批預先做好、預先設定好、與產業無關的 skill 與 agent——業務、內容創作、名單開發這類工作流，本來就是跨產業可重複的。於是每接一個新客戶，只需要建客製化的那一小部分，其餘直接插上既有的 skill 庫。
「你建立起一包包預先做好、預先設定好、與產業無關的 skill 和 agent……所以你跨客戶重複使用它們，只為每一個特定的生意打造客製化的部分。這就是你怎麼用這套系統規模化卻不會燒壞自己。」 — 講者
這句話值得讀兩遍，因為它是整篇影片的技術核心。前面所有「軟體毛利」「規模化不加人」的論述，落到地面就是這件事：你賣給每個客戶的是「為他客製的系統」，但你真正在累積的，是一個跨客戶通用的 skill 資產庫。客戶付的是客製，你長的是通用。賣一次，沉澱一份可重複的能力——這才是「代理商長得像軟體公司」這句話的具體模樣。
至於講者本人的真實做法，他描述得相當具體：幫客戶設定 Claude Code 搭配一個 Business Brain（裝著該企業所有脈絡），然後串接資料來源——Stripe 的營收資料、Slack 的內部溝通、AI 會議記錄工具產出的業務通話與內部會議逐字稿。系統因此會「複利累積、越用越聰明」：資料源接得越多、跑得越久，它對這門生意的理解就越深。講者也說明工具不是重點——今天用 Anthropic 是因為「它就是表現得最好」，幾個月後可能換成 Codex 或別的，但框架的核心想法不變。這一點本文認同：工具會輪替，被編碼下來的流程才是留得住的東西。
定價上，服務 6 是六個服務裡最高的：初始 setup $5,000 到 $15,000，加上每月 $2,000 到 $4,000 的持續優化與維護。但講者特別補了一個前提——這是賣給微型企業的價格。如果把同樣的系統賣給 500 到 2,000 名員工的公司，「可以收得多更多」；只是要打進那個客層，需要「再多一點的可信度」。他給的建議是：從今天就開始累積作品集，等 AI-First 框架真正大規模普及時，你已經是一家被信任、有經驗的公司。
這個「可信度」的提醒，其實洩漏了整個模式最誠實的一塊。前五章一路在講 AI 如何把交付成本砍到剩兩成，但服務 6 的定價邏輯卻直白承認：能不能賣到大客戶，不取決於你的 AI 系統多強，而取決於你有沒有信用——而信用是時間和案例堆出來的，AI 砍不掉。這條線索，本文會在第八章再拉出來談。
六個服務攤開來看，會發現它們共享同一個骨架：鎖定一個有真實需求、卻被高交付成本卡住的市場 → 用 AI 把交付成本砍掉大部分 → 把省下的成本變成毛利，把省下的時間變成規模。差別只在切入點——名單、內容、影片、網站、對話、整套系統。從服務 1 到服務 6，賣的東西越來越大、單價越來越高、可重用資產也越深；但底層那句話從頭到尾沒變：不賣工具，賣成品。
💡 給讀者的 Takeaway
- 服務 5 把 AI 推進「對話」這個過去只有真人能做的環節：預約專員整天在做的事是文字溝通，而文字正是當代 AI 的強項——這也是為什麼講者說它「可以被完全取代」。
- 服務 5 的「擬人」設計值得讀者自己想清楚：訓練品牌語氣、自然延遲、故意犯小錯，部分價值建立在「不被識破」之上；這是六個服務裡唯一帶有刻意擬態色彩的一個。
- 「月入 $100,000」是講者轉述的個人見聞，不是可複製的數據：它能說明市場熱度，但沒有客戶數、時間、營收/利潤的拆解，不該被當成收入預期。
- 服務 6 的真正資產不是「替某客戶設好的系統」，而是跨客戶通用的 skill 庫：賣一次客製，沉澱一份可重複的能力——這才是「代理商長得像軟體公司」的具體形狀。
- 服務 6 的定價邏輯自己承認了模式的邊界：能不能賣進大客戶，靠的是「可信度」而非 AI 系統強度，而可信度是時間與案例堆出來的，AI 砍不掉。
087. AI-First Framework｜四步驟入門
「我今天不是在分享理論。這就是我現在的生活。」 — 講者
前面六個服務鋪開的是「可以賣什麼」的地圖。但對一個想入場的人來說，地圖之外還缺一條路徑——從現在的狀態，到能交付這些服務的狀態，中間要走哪幾步？講者把他的方法論濃縮成四個步驟，稱為 AI-First Framework。他強調這不是空談：他自己的事業——名單開發、內容創作、交付本身——全部跑在這套框架上；甚至連讀者正在看的這支 YouTube 影片，從研究、腳本、投影片、縮圖到跨平台再利用，也都由同一套系統產出，他「只專注在拍攝和講話」。
這四步是 Learn（學習）→ Wire（接線）→ Automate（自動化）→ Scale（規模化），本文逐一拆解。
第一步：Learn——先親手用，等那個「啊哈」時刻
第一步不是規劃、不是買工具、不是僱人，而是單純地讓自己對工具上手。講者給的處方很具體：每天用 Claude Code 用個一兩週，做一些簡單的東西。
這一步的目標不是產出，而是一個體感上的轉折點。講者用了一個很直白的說法——做著做著，「就會有那個恍然大悟的時刻，有那個腦袋被炸開的時刻」。在親手摸過之前，「AI 能取代交付工作」對大多數人只是一句聽過的話；只有真的讓 AI 幫你完成一件原本要花你半天的事，你才會從「相信」變成「知道」。這個轉折無法靠讀文章或看影片代替，只能靠手感累積。對一個準備要靠這個模式做生意的人，跳過這一步，等於沒地基。
第二步：Wire——把 business context 餵進去
上手之後，第二步是接線：把你完整的 business context 餵給 AI——你是誰、你做什麼、你的流程、你的目標、你的團隊，全部。
講者的描述抓住了這一步的本質：這是把 AI 從一個通用助理，變成一個**「了解狀況的團隊成員」**。一個通用助理什麼都能聊，但對你的生意一無所知，給的建議永遠是泛泛之論；一個被餵飽脈絡的 AI，才談得上「聰明到不可思議、能幹到不可思議」，因為它的每個回答都長在你這門生意的真實情況上。
這一步直接呼應第六章服務 6 的底層——那個 Business Brain。Wire 不是一次性的動作，而是持續的：接的資料源越多（營收、溝通記錄、會議逐字稿）,AI 對這門生意的理解就越完整。第二步做得紮不紮實，決定了第三步的自動化能不能站得住。
第三步：Automate——建 AI 部門，而它需要時間
第三步是自動化：打造處理企業流程的 AI 部門——行銷、業務、交付、行政——每一個部門「塞滿擁有特定 skill 的專精 AI agent」。這一步把第六章的三層架構從「賣給客戶的東西」變成「你自己在做的事」。
但講者在這一步給了一個誠實的提醒，而這個提醒值得放大：
「把它建出來需要一些時間。而當然，你必須迭代相當多次，才能讓它變得可靠、在正式環境裡真正可用。」 — 講者
這句話是整套框架裡最接地氣的一句。前面六個服務聽起來都像「插上 AI 就好」，但第三步明說了：讓一個 AI 部門在 production 環境穩定可靠，要花時間、要反覆迭代，不是一個週末能搞定的。
也正是這個「要迭代很多次」的事實，構成了講者所謂 pre-configured skill 的價值論據。他的說法是：他的團隊已經花了一個月去開發、迭代這些 skill，所以企業可以「馬上直接用」，省掉那段痛苦的調校期。把這句話翻譯成商業語言：第三步的迭代成本是真實存在的門檻，而「賣別人已經迭代好的 skill」本身就是一門生意——這也正是服務 6 的賣點。讀者要看懂的是：這既是一個誠實的技術提醒，也是一段精準的銷售鋪陳，兩者同時成立。
第四步：Scale——用釋放出來的時間，不加人
第四步是規模化。但講者定義的規模化，和傳統代理商的規模化是相反的動作。
傳統代理商要長大，就得僱人——第三章已經拆過這條線性成長的詛咒。而 AI-First 的第四步，規模化的燃料不是新員工，是前三步釋放出來的時間頻寬。你拿這些時間去接更多客戶、創作更多內容、推出新方案。
「你不增加任何人頭。你不雇用新員工，因為現在你可以帶著那 80% 的利潤率去規模化。」 — 講者
這裡的 80% 毛利 沿用前幾章的數字——同樣是講者單方提供、未經第三方查證的估算，讀者應以「講者的模型」而非「市場既定事實」來理解它。但把這個保留放一邊，第四步在邏輯上是前三步的必然結果：如果 Learn 給了你能力、Wire 給了 AI 脈絡、Automate 把 80% 的執行工作交給了系統，那麼「成長不必加人」就不是口號，而是這個結構自然長出來的特性。
把四步連起來看，它其實是一條有先後依賴的鏈：Learn 建立手感,Wire 灌入脈絡,Automate 沉澱系統,Scale 收割槓桿。每一步都是下一步的前提——跳過 Learn，你不會真的相信這條路；跳過 Wire，你的自動化長在沙地上；跳過 Automate 的迭代，你的規模化沒有東西可放大。它不是四個可任選的選項，而是一道必須依序走完的階梯。框架本身不複雜，難的從來是「依序、紮實地走完」這件事。
💡 給讀者的 Takeaway
- 四步是一條有依賴關係的鏈，不是選單:Learn → Wire → Automate → Scale，每一步都是下一步的地基，跳步等於把後面蓋在沙地上。
- Learn 的產出是「啊哈時刻」而非作品：在親手用過、讓 AI 真的替你完成一件事之前，「AI 能取代交付」對多數人只是一句聽過的話。
- Wire 就是第六章那個 Business Brain：把 AI 從通用助理變成「知情的團隊成員」，靠的是持續餵入完整 business context，接的資料源越多越管用。
- 第三步的「需要大量迭代」是全框架最誠實的一句：讓 AI 部門在 production 穩定可靠要花時間；這個門檻真實存在，而「賣已迭代好的 pre-configured skill」正是建立在這個門檻之上。
- 第四步的 80% 毛利仍是講者的模型數字：當成框架的內在邏輯來理解可以，當成市場保證就過頭了。
098. 結論｜這是方向，不是利基
「全世界最有聲望的新創加速器，正在驗證我已經運作、教學一陣子的這個確切模式。而這已經不再是某個小眾的想法了。這就是該走的方向。」 — 講者
走到這裡，影片的論證鏈條已經完整：YC 喊出「賣 outcome 不賣 access」（第一章）→ 軟體毛利的數學算給你看（第二章）→ 規模化的線性詛咒被打破（第三章）→ 六個帶真實價格的可賣服務鋪滿地圖（第四到六章）→ 四步驟入門路徑收尾（第七章）。講者在片尾把這一切收束成一句斷言：這不再是利基，是「該走的方向」。
而他用來支撐這句斷言的，是 YC 這個權威。他的措辭很精準：「全世界最有聲望的新創加速器，正在驗證我已經運作、教學一陣子的模式。」這句話的修辭效果在於——它把「一個 YouTube 創作者的主張」和「投資過 Airbnb、Stripe、Dropbox 的機構」綁在了同一條船上。本文認為，影片對 YC 觀點的轉述大致是公允的：賣 outcome、AI 壓低交付成本、代理商會長出軟體毛利，這些模式層面的洞察是真的，也確實有價值，值得任何做服務生意的人認真對待。第一到第三章的論證，本文一路是肯定的。
但編輯的工作不止於肯定論證，還要把讀者放回「他們究竟在看什麼」的位置。
這支影片是什麼：機會地圖，也是招生漏斗
最該被記住的一句話，是講者自己說的：
「這支影片比較是要讓你看到這個機會、以及你可以賣什麼，而不是一篇教學。」 — 講者
這句話講者說得坦白，讀者也該照單聽進去。這不是一支教你「怎麼建出這些系統」的影片——它從頭到尾沒有真的教任何一步。它是一張機會地圖：把六塊地畫給你看、標上價格、告訴你 YC 也看好。而地圖的終點，片尾說得很清楚——導向講者的付費社群 AIF Academy：「如果你不想自己一個人摸索……那就是我們 AIF Academy 存在的意義。」
這不是要指控什麼。一支內容做得紮實、同時導向自家產品的影片，本來就是內容行銷的正常形態——Fishpond 這篇導讀本身也沒有假裝自己沒有立場。重點只在於：讀者要能同時握住兩件事——這支影片既是一份有料的機會分析，也是一個設計過的招生漏斗。承認後者，不會讓前者的價值歸零；但忘記後者，你就會把「漏斗的修辭」誤讀成「中立的事實」。
哪些是模式，哪些是行銷話術
要分辨這兩者，最簡單的判準是問：這個說法，換一個沒有 AIF Academy 要賣的人來講，還站得住嗎？
站得住的那一類，是模式洞察：服務的價值在於交付 outcome 而非 access;AI 確實把許多交付工作的成本壓低了；把流程編碼成可重用的 skill，確實能讓小團隊服務更多客戶。這些不依賴講者的身分，換誰來分析結論都差不多。
需要打折的那一類，是單方提供的數字。整篇影片裡那些漂亮的量化——80% 的交付成本下降、60–75% 的毛利、處理 600 筆名單不到 $30、各服務的月費級距、乃至那句最抓眼球的**「月入 $100,000」——全部來自講者一個人的口述。其中成本類數字，講者說是「根據我實際的使用量算出來的」；但即便如此，它仍是單一來源、未經第三方查證，而且是由一個有招生動機的人提供的。本文的立場不是說這些數字是假的——沒有證據說它假——而是說：在有人獨立驗證之前，它們應該被當作「講者的估算」，不是「市場的事實」**。第四到六章一路用「講者表示」「他舉的數字是」這類歸屬語氣，就是為了把這條線守住。
讀者可以這樣用這篇文章：把模式洞察收進工具箱，把數字當成「待驗證的假設」。如果你真的要入場，別拿講者的 $30 和 60–75% 去做你的財務模型——拿你自己跑出來的數字。
真正的門檻在哪裡
如果模式是真的、數字待驗證，那麼一個務實的問題就浮上來了：這個機會的真正門檻，到底在哪裡？
答案不在工具。六個服務用到的東西——Claude Code、Kling、HeyGen、SmartLead——全都是公開、人人可付費取得的。工具不構成護城河：你能訂閱，你的競爭對手也能。
第六章已經埋過這條線索，這裡把它接完。真正的護城河有兩層，而且都是 AI 砍不掉的：
第一層，是把交付流程編碼成可重用的 skill 與 SOP。 講者自己最清楚這點——服務 6 的核心資產不是任何單一交付物，而是那批「跨客戶通用、產業無關的 skill 庫」；第七章第三步也明說了，讓這些 skill 在 production 可靠，要「迭代相當多次」、花上一個月。這段迭代是真實的工，做過的人領先沒做過的人——這是工具買不到的差距。（這一點，恰好和 Fishpond 自己的 skill pipeline 哲學是同一回事：能重複使用的不是某次的產出，是被沉澱下來的流程。）
第二層，而且是更硬的一層，是 client acquisition——找到並說服客戶。 把六個服務攤開看會發現一件事：AI 在每一個服務裡壓低的，都是交付的成本——把名單做出來、把內容生出來、把網站組起來、把對話接起來。但「找到那個願意買的客戶、並說服他掏錢」，從頭到尾沒有被自動化。這件事仍然是人的工作。
最有力的證據，是講者自己的產品線：六個服務裡的服務 1，賣的就是「幫人找到客戶」這個能力。如果客戶開發已經被 AI 解決，服務 1 根本不會存在、也不會有人付 $2,500/月去買。它存在，正說明了這件事還很難、還很值錢。第六章尾段那個「賣進大客戶要靠可信度」的提醒，指的也是同一件事——可信度是時間和案例堆出來的，是一種 client acquisition 的資產，AI 給不了你。
於是這篇影片真正的留白浮現了：它把「交付變便宜」這半張地圖畫得鉅細靡遺，卻幾乎沒談「怎麼把成品賣出去」這另外半張。對讀者來說，這個留白不是缺點，而是最該帶走的那個提醒——當 AI 讓所有人都能便宜地交付，你能不能贏，就不再取決於你做得出什麼，而取決於你能不能找到並說服那個願意買的人。
收束
回到講者那句斷言：這是方向，不是利基。撇開行銷語氣，本文認為這個判斷的方向感是對的——服務生意確實正在從「賣 access」滑向「賣 outcome」，AI 確實正在改寫交付的成本結構，這個變化會持續、會擴大，值得任何相關行業的人嚴肅看待。
但「方向是對的」和「照著影片做就會月入十萬」是兩件完全不同的事。這支影片給了你一張清晰的機會地圖、一套合理的框架、一組漂亮但待驗證的數字，以及一個通往付費社群的入口。聰明的讀法，是把模式收下、把框架參考、把數字存疑、把漏斗看穿——然後把注意力放在影片沒怎麼講、卻決定成敗的那件事上：在一個人人都能便宜交付的世界裡，找到並說服客戶的能力，才是真正的稀缺資源。
地圖標出了寶藏的位置。但走到那裡、並說服守門人讓你進去——那一段路，還是得你自己走。
💡 給讀者的 Takeaway
- 模式洞察與單方數字要分開收：賣 outcome、AI 壓低交付成本、skill 化流程能規模化——這些換誰分析都成立，收進工具箱；80% 成本下降、60–75% 毛利、「月入 $100,000」全是講者單方口述，當「待驗證假設」，別放進你的財務模型。
- 記住這支影片的雙重身分：它既是一份有料的機會分析，也是一個導向 AIF Academy 的招生漏斗——承認後者不會讓前者的價值歸零，但忘記後者你會把行銷修辭誤當中立事實。
- 判別話術的簡單問法：「這個說法換一個沒有社群要賣的人來講，還站得住嗎？」站得住的是模式，需要打折的是數字。
- 護城河不在工具:Claude Code、Kling、HeyGen、SmartLead 人人可得；真門檻是把交付流程編碼成可重用的 skill/SOP——那段迭代是 AI 砍不掉的真實工。
- 最硬的門檻是 client acquisition：六個服務裡 AI 都讓「交付」變便宜，但「找到並說服客戶」始終是人的工作——講者的服務 1 賣的正是這個能力，這本身就證明了它還很難、還很值錢。