第三个客户在电话里问“你们这套东西能不能也给我们装一份”的时候,团队手上只有两份合同,两套完全不同的数据字典。销售很兴奋,交付负责人不说话。会后老板问了一句:能不能做个标准版,别再一家一家改了。
这是垂直行业做 AI 最常见的岔路口。做广摊薄交付成本,做深拿到定价权。两句话都对,所以它们不能同时当选型依据。我更倾向把它们看成两笔不同的投资,而不是一条线上的两端,因为它们买回来的东西根本不是一回事。
深买的是判断,广买的是流水线
做深,积累的是“这个行业里什么叫对”的隐性知识:哪些单据必须人工复核,哪种异常在业务上可以被容忍,哪个指标涨了其实是坏消息。这些东西不在文档里,在甲方的验收会上,在你被退回的第三次交付物里。
做广,积累的是流水线:接入模板、实施手册、配置化的规则库、一套能把新客户上线周期从三个月压到三周的方法。
两笔资产的价值曲线完全不同。判断是稀缺的,越深越难被替代,它支撑的是定价权:客户绕不开你,因为他买的不是模型,是“这件事你能负责”。流水线是通用的,越广越容易被比较,它支撑的是毛利率,客户会拿着你的报价去问第二家、第三家。
问题出在两者的时间尺度对不上。流水线的收益在第三、第四个客户就兑现,判断的收益要到第六、第七个客户才显形。所以一个团队现金流紧的时候,几乎必然滑向做广。这不是认知问题,是账期问题。承认这一点,比反复讲“要做深”有用。
差异落在接入层还是决策层
判断该往哪边走,我会先做一件事:把前几个客户的需求差异摊在桌上,看它们落在哪一层。
接入层的差异是数据格式、系统对接、权限体系、部署环境。这些东西烦人,但可以被一个适配层吸收,而且吸收一次永久有效。做到第三个客户,你发现四家的差异其实只有三种鉴权方式,那这个抽象是对的。
决策层的差异是“什么算完成”“什么算对”“出了事谁签字”。这些差异不能被适配层吸收,因为它们改变的是产品的判断逻辑本身。
flowchart TD
A[新客户的需求差异] --> B{落在哪一层}
B -->|数据格式 系统对接 权限| C[接入层]
B -->|什么算对 谁负责 如何验收| D[决策层]
C --> E[做适配层 可以横向扩]
D --> F[先收敛到一到两家 做深]
E --> G[毛利变好 定价难涨]
F --> H[能写进合同的指标]一个很具体的信号:如果新客户开始要求你改判定规则,而不是改字段映射,那就不是广度问题,是你在同时做两个产品。这个时候上标准版,等于把两个产品的分歧藏进一份配置文件,最后会在第六个客户那里一次性爆掉。返工的不是配置,是抽象。
一类常见的失败路径大致是这样:三个客户之后勉强抽出一个通用平台,第五个客户提出一条上游合规要求,整个数据模型要重画。前面三个客户的定制化工作全部作废,而且作废发生在你已经把标准版卖出去之后,得同时给五个客户做迁移。这种返工的代价不是多写代码,是信任。
定价权来自你敢不敢把指标写进合同
垂直行业甲方买 AI,本质是买风险转移。他不缺一个能演示的 demo,他缺一个能在事故复盘会上说“这块由供应商兜”的理由。
所以定价权不来自模型分数,来自你敢不敢在合同里写一条可测的指标:单据自动通过率不低于某个水平,误放行率不高于某个水平,超了怎么赔、怎么补。敢写,说明你的深度已经覆盖到尾部情况;不敢写,就只能按人天报价,那本质上还是外包,只是交付物换了个名字。
这一条对做广很不友好。广意味着客户分布在不同细分场景里,每个场景的尾部风险不一样,你没法用同一条指标覆盖所有人。要么给每个客户写一套,成本回去了;要么写一条最保守的,价格上不去。这就是为什么有些标准化程度很高的垂直产品,客单价反而上不去:它的通用性是用“不敢承诺”换来的。
反过来,深到某一种业务判断上,你会发现指标是可以复用的。同一个细分场景里,甲方的验收逻辑高度相似,前一家踩过的坑,下一家一定会踩。这时候报价方式会从“多少人天”变成“这套结果值多少钱”。这是定价方式的变化,不是价格的变化,两者的难度差一个量级。
摊薄的到底是什么成本
做广能摊薄交付成本,这句话成立的前提是交付物高度同质。垂直项目里,这个前提通常只有一半成立。
一个典型垂直 AI 项目的定制化工作量分布,大致是:数据接入、清洗与对齐占一半左右;业务流程对接与权限占两三成;模型与提示词那部分反而是少数;剩下的是验收、培训和上线后的运营支持。项目之间差异很大,但量级上这个形状很常见。
flowchart LR A[数据接入与清洗 约一半] --> B[流程对接与权限 两三成] B --> C[模型与提示词 少数] C --> D[验收与运营支持 剩余]
现在看做广能压哪一块。数据接入能压,因为你可以做连接器和字段映射模板;权限和流程能压一部分,前提是客户的业务系统属于同一类。模型侧本来就不贵。但验收和运营支持压不下去,它随客户数量线性增长,而且每个客户的验收标准本身就是一份定制判断。
所以做广真正的收益,是把一次性工程变成复用工程,省的是第一块。省不掉的是最后一块,而最后一块恰恰决定客户满不满意。很多团队做广之后毛利率没涨,是因为省下的工程成本被新增的客户支持成本吃掉了,只是这两笔钱记在不同科目里,一个在研发,一个在客户成功,看报表时对不上。
这也解释了一个现象:标准化做得越彻底的团队,越容易陷入客户很多、单价很低、支持很累的状态。他们确实摊薄了,但摊薄的是本来就不贵的那部分。
我默认的走法,以及会反过来的时候
如果没有特殊的资金压力,我默认的路径是先做深两家,但有意识地把“深”做成可复用的形状。
具体做法是,从第一个客户开始就同步维护一份判据库:这个行业里什么叫对、什么情况必须转人工、哪些异常在业务上可容忍。它不写死在代码里,写在文档和测试用例里。第二家客户来时,先用这份判据库对照,能对上的部分是产品,对不上的部分是配置或定制,这条边界要在报价前就画清楚,而不是等交付到一半再吵。
到第三家,你才有资格判断能不能做广。标准很硬,就三条:
1 | 扩展判断清单: |
三条都过,就做标准版,并且这一版的价值主张是交付速度而不是判断质量,价格按此定。有一条不过,就继续做深,同时把销售话术从“我们什么行业都能做”改成“我们只做这一类判断”。后一句听着像自我限制,实际上是报价能力的前提。
反过来,有两种情况我会选择先做广。
一种是行业判断标准已经被外部规约固定死了。记账、报关、社保申报这类场景,“什么算对”不由甲方决定,由规则决定,深度是公共知识,不需要你一家一家积累。这时候护城河只能是交付效率和覆盖面,做广是对的。
另一种是客户为接入付费而不是为判断付费。他的系统里已经有一套人工流程和明确规则,找你只是想把这条流程自动化、把人力换下来。这种单子天花板清楚,单价低但风险也低,可以批量做,前提是你别把它当成能长出定价权的业务去投入,否则会在预算、人力和预期上反复错配。
团队结构会先于战略暴露答案
还有一个比分析更快的观察点:看你现在的团队是怎么长的。
做深需要领域专家和产品判断,团队里得有人能跟甲方业务负责人对着吵,吵的是“这个场景到底该不该自动”。做广需要售前、交付和客户成功这套流水线,团队里得有人能同时管二十个上线排期。这两套人的招聘节奏、考核方式、汇报关系都不一样,混在一起会自然长出“售前答应、交付还债”的结构。
一个团队如果售前特别强、交付特别能扛,但没有人能对业务判断拍板,那它事实上已经在做广了,哪怕嘴上说做深。最典型的症状是:售前答应得越来越快,交付越来越慢,产品经理的主要工作变成在中间传话。这时候讨论战略意义不大,先补那个能拍板的人,或者干脆承认自己在做广,把价格和支持成本重新算清楚。
我做了十年 AI 产品,见过最贵的一次返工不是模型选错,是在还没搞清楚“什么叫对”的时候,先把“怎么规模化”给做了。
所以下次销售再问能不能也给他们装一份,别急着答能或不能。先把两家合同的数据字典和验收标准并排放,看差异落在哪一层,再回答。
评论