为什么 30 亿日元营收的 CEO 不研究提示词?Oh my teeth 的 AI 使用哲学

一家几乎完全靠自有资金运营、4 年内销售额增长 15 倍、用户超过 5 万的公司，它的 CEO 西野诚如何使用 AI？答案出人意料：他不执着于提示工程技巧。

真正的差异不在于“如何更好地指示 AI”，而在于“我应该让 AI 做什么”。大多数人在优化提示词，西野诚在优化问题本身。这个顺序的差异，导致了结果的差异。

01 - 信息收集的终点不是“知道”，而是“决策”

西野诚向 ChatGPT 随口提问，比如"万豪和凯悦有什么区别？"这样的简单调研。任何人都能做到。但关键在于接下来的步骤。

普通的搜索止步于"收集信息"。你还需要自己把信息转化成"那么，接下来怎么做？"。西野诚的方法让 AI 也完成了这个转化。

换句话说，他使用 AI 不是作为"搜索引擎"，而是作为"收集信息并整理成决策材料的助手"。

提示示例(竞争对手调研 → 行动计划)

  
  
  

      
  
  
  
  
  
  

   
   
   
你是一位商业战略顾问。 
   
   
   
请调研并比较以下三家公司,然后提出"我们应该采取的行动"。 
   
   
   
 
   
   
   
【调研视角】 
   
   
   
・每家公司的价格范围和目标客户 
   
   
   
・优势和劣势 
   
   
   
・过去一年的最新动态(新服务、涨价、退出等) 
   
   
   
 
   
   
   
【输出格式】 
   
   
   
1. 对比表格(基于上述视角,三家公司的并列比较) 
   
   
   
2. 每家公司的劣势 = 可能成为我们机会的点 
   
   
   
3. 从明天开始可以采取的三项具体行动,并标注优先级 
   
   
   
 
   
   
   
【目标三家公司】 
   
   
   
(插入竞争对手名称) 
   
   
   
 
   
   
   
【我们的业务】 
   
   
   
(你的公司 1-2 行简介) 
   
   
   
 
  
  
  

关键是在最后指定了“三项行动并标注优先级”。不要止步于“调研”，而要让它写出“调研结果应该做什么”。仅此一点，就能将 AI 的输出从“阅读材料”转变为“决策材料”。

02 - 背景信息是体验的倍增器

西野诚在私人生活中也充分利用 AI。去看四季剧团的演出时，他会在通勤途中用 AI 做准备，让体验的价值倍增。用西野诚的话来说：“只需输入前提条件，就能让活动的享受程度提升数倍。"

这里的教训不在于“准备”这个行为本身，而在于这样一个原则：“带着背景信息去接触某件事，会改变你在相同时间内获得的东西。”

这在销售会议和团队会议中尤其有效。比较一下：一个第一次见面却对对方一无所知的人，和一个事先调研了公司、负责人和潜在挑战的人。即使同样是一小时，结果也会完全不同。

你可以把这种"背景构建"交给 AI，在通勤的 5 分钟内完成。

提示示例(会议前 3 分钟准备)

  
  
  

      
  
  
  
  
  
  

   
   
   
我即将与以下公司进行初次销售会议。 
   
   
   
请整理出我在有限时间内取得成果所需要注意的事项。 
   
   
   
 
   
   
   
【目标公司】(公司名称、行业、规模) 
   
   
   
【对方职位】(例如:市场经理) 
   
   
   
【我们想提议的内容】(你的产品/服务) 
   
   
   
 
   
   
   
【我希望你输出的内容】 
   
   
   
1. 该行业/职位的人目前可能面临的 3 大挑战 
   
   
   
2. 我们的提议如何解决这些挑战 
   
   
   
3. 会议上要问的 5 个问题(以引出对方的挑战) 
   
   
   
4. 预期的反对意见及应对方法 
   
   
   
 
  
  
  

在会议前运行一次，就能将随意的谈话变成"设计好的对话"。只有做好准备的人才能抓住机会。

03 - 会议纪要是未来的资产，不是过去的记录

西野诚花大量时间在采访和会议上。他把制作纪要的任务交给 AI，但他并不止步于简单的总结。他将音频数据输入 AI，并指示它"以问答格式总结"。做成一系列问答形式，在日后回顾时使用起来会非常方便。此外，他使用的提示甚至能重现受访者的语气。

这里的教训在于对待会议纪要本身的心态。对许多人来说，纪要是“已结束事项的记录”，是过去的产物。对西野诚来说，纪要是“下一步行动的起点”，是对未来的投资。

即使是同样的纪要，如果目的不同，制作方式也会改变。

提示示例(纪要 → 任务/作业提取)

  
  
  

      
  
  
  
  
  
  

   
   
   
以下是会议记录。 
   
   
   
请将其总结成任何人都能据此行动的纪要。 
   
   
   
 
   
   
   
【输出格式】 
   
   
   
1. 决定事项(仅列出结论要点) 
   
   
   
2. 讨论要点及结论(以问答形式说明得出这些结论的原因) 
   
   
   
3. 下一步行动(包含负责人和截止日期的表格。如果负责人未知,标注为"待确认") 
   
   
   
4. 遗留到下次的作业 
   
   
   
 
   
   
   
【补充说明】 
   
   
   
・务必保留那些构成"重要决策依据"的发言部分。 
   
   
   
・明确说明谁承诺了什么,以避免"他说、她说"的情况。 
   
   
   
 
   
   
   
【会议记录】 
   
   
   
(粘贴在此处) 
   
   
   
 
  
  
  

始终让它输出“决定事项”和“下一步行动（含负责人/截止日期）”。这直接将纪要变成了项目管理表。不要仅仅记录，要引导行动。这多出的一步会产生巨大差异。

04 - AI 是陪练伙伴，不是答案机器

西野诚将 AI 用作“陪练伙伴”，来将自己脑海中的想法语言化并结构化。西野诚的话一语中的：“我是那种对语言化很执着、需要花很多时间的人。AI 取代了这项工作。而且，与人类不同，你可以让 AI 修改任意多次。我喜欢它在我满意之前一直陪着我的感觉。”

这其中有深刻的道理。人们通常认为 AI 的最大价值在于"给出答案"。但真正的价值在于"让你把脑子里想的东西拿出来并整理好"。

如果头脑混乱，人就无法行动。但一旦你能将其语言化并结构化，你就能一下子向前推进。西野诚将 AI 用作“高速语言化装置”。

此外，无论你给多少次反馈，AI 都不会生气。如果你让人类陪练伙伴修改五次，会很尴尬。但 AI 会无限地陪着你，直到你满意为止。

提示示例(将想法结构化为商业策略)

  
  
  

      
  
  
  
  
  
  

   
   
   
我将杂乱无章地讲述我脑子里想的东西。 
   
   
   
作为一位优秀的陪练伙伴,请执行以下操作: 
   
   
   
 
   
   
   
1. 倾听我的讲述,整理要点并反馈给我。 
   
   
   
2. 指出故事中的"假设"、"事实"和"单纯的愿望"。 
   
   
   
3. 对逻辑跳跃或思考不充分的地方提出问题。 
   
   
   
4. 在我满意之前,陪着我进行任意次数的修改。 
   
   
   
 
   
   
   
首先,在听完我的故事后,不要直接下结论;先提出一个问题来确认你的理解是否正确。 
   
   
   
 
   
   
   
【我的故事】 
   
   
   
(写下你正在想的事情。可以是用要点或口语化的方式) 
   
   
   
 
  
  
  

诀窍在于指示："不要直接下结论；先提出一个问题来确认。"这使得 AI 以引导你思考的方式行动。它变成了一个对话伙伴，而不是单方面给出答案的人。

这也适用于语音输入，只需想到什么说什么即可。

05 - 将直觉转化为可复制的结构

西野诚使用 AI 进行“优秀服务的结构分析”。例如，拉面店“一兰”。他拍下桌上的"承诺书"，让 AI 读取，并指示：“从结构上分析为什么这能打动人心。”

而且他不止于此。在理解了这个结构之后，他立即问："这对我们的服务来说会是什么样子？"从而将其应用到自己的公司。

一家在盈利情况下增长到 30 亿日元销售额的公司的 CEO，正在从一家拉面店的小册子中学习。我认为这种“贪婪”是它们增长背后的原因。

这里的教训是将“直觉”转化为“可复制的结构”的理念。以"那家店不知怎么很好"结束的人，和"解构它为什么好，并将其移植到自己的业务中"的人，两者之间的差异会逐渐显现。

事情之所以有效，总有原因。如果你能把这个原因用语言表达出来，它就会变成一种可以模仿的技巧。

提示示例(解构成功案例并移植到你的公司)

  
  
  

      
  
  
  
  
  
  

   
   
   
你是一位营销和品牌设计专家。 
   
   
   
请分析以下"成功案例",并将其移植到我的业务中。 
   
   
   
 
   
   
   
【步骤 1:结构分析】 
   
   
   
基于以下视角,解构这个案例为何能打动客户的心: 
   
   
   
・它触动了客户的什么情感? 
   
   
   
・设计了什么样的体验? 
   
   
   
・其他公司难以模仿的"机制"是什么? 
   
   
   
 
   
   
   
【步骤 2:抽象化】 
   
   
   
将该案例的成功因素概括为可在跨行业使用的"原则"。 
   
   
   
 
   
   
   
【步骤 3:移植到我的公司】 
   
   
   
提出 3 个具体想法,将这些原则应用到我的业务中。 
   
   
   
每个想法都包含一个"明天可以尝试的小第一步"。 
   
   
   
 
   
   
   
【待分析的案例】 
   
   
   
(粘贴成功的服务、措施、文案等) 
   
   
   
 
   
   
   
【我的业务】 
   
   
   
(你的公司简介) 
   
   
   
 
  
  
  

步骤 2 中的"抽象化"是关键。如果直接模仿案例，那只是抄袭。但一旦将其抽象为"原则"，然后再应用到你的公司，即使行业不同，它也能奏效。

从一兰的小册子到牙科正畸服务。抽象化这一步使得这种跨越成为可能。

06 - 用迭代次数压倒完美提示

尽管对 AI 掌握到如此程度，西野诚却说出了令人惊讶的话：“我不执着于提示。"

如果得不到好的答案，他会立即重置那个聊天。他在一个新的聊天中抛出同样的问题。如果还是不行，他会向另一个 AI(如 Claude 或 Gemini)问同样的问题。

西野诚的思考方式：“不要执着于单个 AI 或提示；只要增加尝试次数。如果用 3 个 AI 各试 3 次，那就是 9 次尝试。如果你问世界上最聪明的 AI 9 次，其中一次会给你一个好的答案。”

我认为这不仅适用于 AI，也适用于整个商业。许多人试图"一次就得到正确答案"，结果在开始行动之前就卡住了。在他们思考完美提示的时候，时间就这么过去了。

但西野诚相反。他接受"挥棒 9 次，总有一次能击中"的理念，并单纯地增加站上击球区的次数。这与 Oh my teeth 的管理风格完全相同：快速砍掉不畅销的品牌，然后转向下一个。

增加尝试次数，而不是提高单次尝试的准确性。这是那些取得成果的人们的共同特征。

AI 是一个可以爆炸性地增加这些尝试次数的工具。你可以在一个小时内向 AI 咨询 10 次，而向人类咨询一天只能一次。因此，“追求一次完美“就等于抛弃了 AI 最大的优势。

提示示例(从 3 个角度攻击同一个问题)

  
  
  

      
  
  
  
  
  
  

   
   
   
针对以下挑战,请扮演 3 位不同的专家,并为每位专家提出独立的解决方案。 
   
   
   
 
   
   
   
・专家 A:优先考虑降低成本的财务视角 
   
   
   
・专家 B:优先考虑销售增长的市场营销视角 
   
   
   
・专家 C:优先考虑现场执行便利性的运营视角 
   
   
   
 
   
   
   
在展示 3 个方案之后,最后从你自己的视角选择一个"我应该采取的计划",并说明理由。 
   
   
   
 
   
   
   
【挑战】 
   
   
   
(写下你想要解决的挑战) 
   
   
   
 
  
  
  

有意识地在一个提示中从多个角度进行攻击。这也是一种"增加尝试次数"的形式。不是寻找一个正确答案，而是列出多个选项，然后从中选择。

思路是：保持思考的主动权，同时让 AI 扩展选项。

AI 成功的关键：你如何提出问题

那些用 AI 取得结果和没有取得结果的人之间的区别，不在于提示技巧，而在于“你把哪些任务转化成了问题，并交给了 AI”的差异。

让我们从这个角度再次总结今天的六点：

・信息收集 → 不要只说“调研”，要说“调研并给出要采取的行动” ・体验和会议 → 注入背景信息后再接触 ・会议纪要 → 使其成为下一个行动的起点，而不仅仅是记录 ・思路整理 → 将其用作陪练伙伴，而不是给你答案的人 ・成功案例 → 不要止步于直觉；要结构化并移植 ・尝试次数 → 用 9 次尝试压倒一切，而不是一次完美

这些都不需要特殊的提示技巧。你所需要的只是思考"我该如何把这个任务交给 AI，从而引导出结果？"的习惯。

还有一件事。一位几乎完全靠自有资金实现 30 亿日元销售额并盈利的 CEO，正在如此简单地使用 AI。反过来说，这意味着我们只有今天就可以开始模仿的东西。

没有华丽的用例。它们朴实、实用，也正因如此才有效。