同一天，同一家客户的询盘，落进了你和你竞争对手的邮箱。
你们各自打开 AI，让它帮忙起一封回复。
两封信写出来，会有多像？
你大概能猜到答案。不管你用的是 DeepSeek、ChatGPT还是 Claude，你和他用的是同一批模型，喂给它的是同一堆公开资料。你的产品册和他的产品册，在 AI 眼里没什么区别。
你以为你在用 AI 拉开差距，其实你在跟对手写同一封询盘回复信。
这就是过去一年很多外贸老板的困惑：工具越买越多，询盘却越来越贵，回复率越来越低。
这不是错觉。亚马逊今年 6 月发布的《2026 中国出口跨境电商发展趋势白皮书》里有两个数：超过 98% 的受访中国卖家，已经在运营中使用 AI 工具；其中只有 16%，从单点的 AI 工具进阶到部署 AI 工作流或者智能体。所谓工作流和智能体，说的是让 AI 自己按流程连着干完几步活，不用你一句一句盯着。
98% 的人在用，只有 16% 的人产生了真正的效率。
换个说法你更有感觉：每六个已经用上 AI 的外贸老板，只有一个真的把它用起来了。另外五个，卡在同一个地方。
（这个数我得先替你打个折。它是亚马逊自己做的调研，亚马逊有充分的动机把 AI 的效果说得好看一点。所以真实方向只会是：98% 更低一点，16% 也更低一点。另外那五个，只会更多。）
你可能会说，那是做亚马逊的，我们做工厂的不一样。
那我们来看看麦肯锡去年 11 月份的全球调研，105 个国家近两千名受访者，什么行业都有。88% 说自己至少在一个业务环节上常规使用 AI，但只有 39% 说得出 AI 对利润有任何影响，这 39% 里的大多数还说影响不到 5%。
这两份调研问的不是同一个问题，我得说清楚。亚马逊问的是「你用到了哪一层」，麦肯锡问的是「你到底赚到钱没有」。
但两份的答案是同一个形状：几乎所有人都在用，极少数人真的拿到了东西。
剩下那五个缺的，不是工具。
过去一年，AI 写开发信的、AI 做 SEO 的、AI 剪短视频的、AI 做选品分析的，AI 产品铺天盖地，当然也不乏很多机构在赚 token 的钱。
当所有同行都用上同样的 AI，AI 能做的事就不再是你的优势。你花钱买来的那个能力，你的竞争对手花同样的钱也买得到，而且他昨天就买了。客户那边一天收到十封信，彼此长得都差不多。
真正把 AI 用起来的人，做对了什么？
我听过最没用的一个答案是，他们用了更聪明的模型。
模型这东西，你能用的和他能用的差不了多少。真正拉开距离的，是他们换掉的不是模型，是整整一类用法。
你现在用 AI，大概率是这么用的。打开一个对话框，把背景打进去，把资料复制进去或上传到 Projects，然后等它输出结果，再把结果复制出来贴到你要用的地方。下一次再来一遍。它记不住你上次说过什么，也不知道你硬盘里有什么。你是它的搬运工。
另一类的用法完全不同。你把一个文件夹交给它，里面是你的产品规格表、成本区间、认证和交期，是你前五大客户各自的往来记录和价格底线，是你写下来的那套报价规则。它自己去读，读完按你定的规矩干活，干完把东西写回这个文件夹里。
第一类给你答案。第二类替你干活。
这两种做法中间隔着的到底是什么？有个人替我说清楚了，而且比我说得好。
5 月份的时候，老麦邀请我给他的外贸圈学员做一期 Claude Code 工作坊，因为他自己从中受益非常大，他希望可以复制给更多的他的外贸老板粉丝。
于是，6 月底到 8 月中旬，我带了一期外贸创始人的 AI 研习社，17 位外贸老板，历时两个月。
上周五晚上，也就是第七周的直播答疑课，让我印象非常深刻。当晚先后有两个人开麦与我交流问题，一个跑在最前面，一个还卡在起跑线上。同一个工具，同一个版本，两家公司连外贸管理软件用的都是同一套，富通天下。
先说跑的稍慢的那位。就叫他 L 总，做外贸10 几年了。他那晚问了好几个问题，其中一句是这么说的：
“它不是只能读单个文件嘛，不会跨文件，而且现在搞了好多文件出来了，然后你要不断地给它重复，我之前说过这个话了，要说老多次。”
要说老多次。
我听到这五个字的时候，心里咯噔了一下。因为这就是很多刚接触 Claude 的伙伴碰到的一些问题，只是被 L 总通俗表达出来了。
再说跑在前面的那位。就叫她 Lucy 吧（还是要脱敏一下），她那晚分享了一个特别好的案例。
她们公司有位老业务员要离职。交接这件事的常规流程，是让当事人自己整理一份文档交上来，然后做好交接。她也让那位业务员按流程写了一份。
同时，她让 Claude 进富通天下，把那个业务员名下所有客户的往来邮件跑了一遍，然后 Claude 自己出了一份交接清单。
然后她把两份清单放在一起做了比对，又出了一张差异清单。
她的原话是：“Claude 这输出，已经超越那位业务员自己整理的东西，甚至已经起到了查漏补缺的作用。”
一个要离职的人写的交接，和一个读完了所有邮件的 AI 写的交接。谁更全，其实不用比。
但关键不在这儿。关键在于 Lucy 那天能干成这件事，靠的不是灵机一动。她前面已经花了一个月，把公司的资料一层一层重新整理归档，并花了 6、7 个小时时间，做完了开营前我发给大家的《外贸创始人深度访谈100问》。
客户往来邮件在做存档。钉钉里每天的会议纪要自动抓出来、摘出待办、再推回她自己的聊天窗口。她甚至专门开了一个备用域名的邮箱，让全公司的业务邮件都抄送一份过去，这样她每天只需要抓这一个邮箱。
最让人惊奇的是，她的 Claude Code 左侧列表中的 Projects 命名都是 4 个字，她说自己有强迫症。
同一个晚上，同一个班，同一个 AI。一个人在问怎么才能不用每次重复说，另一个人已经让 AI 替一个要离职的员工写完了交接清单。
差别就一句话：你是跟它说老多次，还是只跟它说一次。
说老多次的人，每次都从零开始介绍自己的公司。只说一次的人，把那些话写进了文件，往后它每回开工都先读一遍。
差别不在聪明。L 总问的那个问题，恰恰是所有人从第一步走向第二步的必经之路，你只有真的说到烦了，才会开始想能不能让它记住。
Lucy 只是早两个月就开始研究并实践了，然后花一个月，把东西一样一样搬了进来。
所以问题变成了这个：你的生意，AI 认不认识？
对于一个做外贸的公司来说，真正值钱的东西大概就四样。
你的产品，规格、成本结构、认证、交期。你的客户，每一家的来龙去脉、历史订单、价格底线、雷区在哪。你的规则，怎么定价、汇率怎么处理、什么单坚决不接。还有你这些年攒下的内容，写得最好的那几封开发信、转化率最高的那版 listing。
这些你公司里当然都有。问题是它们现在在你脑子里、在你邮箱那两千封往来邮件里、在几个业务员各自的企业微信里又或者在外贸管理软件里、在一张只有你自己看得懂的 Excel 里。
它们都在，只是从来没有变成过 AI 读得懂的东西。所以你每次只能现说，说完它就忘，下次再说一遍。
模型对所有人一样聪明，差距全在你喂进去的那部分。
真正难到你的，还不是整理文件这一步。整理文件是体力活，交给助理，一个周末能整得七七八八。难的是另一件事。
你坐下来把报价规则写出来，会发现自己写出来的是这样几句话。定金要收够，样品费看情况收，老客户要适当让利，特殊情况必须要经过我的批准。
你看，这些话 AI 根本就执行不了，或者说它输出的结果大概率会敷衍你。
倒不是因为它笨。你把这三句话交给一个刚入职的新业务员，他也执行不了。他会回来问你，收够是多少，看什么情况，适当是几个点。
能执行的版本长这样。新客户首单三成定金，不到账不排产。样品费低于两百美金免收，超过的先收后返，下单满一个柜返还。A 类老客户账期最多 45 天，B 类 30 天，新客户不给账期。
这两个版本之间隔着的，是你从来没有被人逼着把「看情况」三个字里的情况说清楚。
我见过好几次同一个场面。老板卡在样品费这一条上，说这个真的看情况。你问他上个月收过几次、免过几次，他得想一会儿。再往下问，那几个免了样品费的后来下单没有，他就答不上来了。他不是不管事。这条规矩从来没有被要求写成一句话，所以也从来没有人核过它到底管不管用。
我见过有的公司，一年做 一两个亿营收，但每天最忙的就是应付业务员敲门进来找老板报价。
当然，生意做了十几年，这些数你心里肯定有，不然你拿什么拍板。可它们一直待在直觉里，没被写成过一行字。你的业务员靠猜，靠试错，靠挨你骂三次之后终于摸到边。你孩子将来接班，也得从头猜一遍。
这才是很多外贸老板用 AI 时，真正被难住的地方。
说到这儿得插一句，免得你走到另一个极端。
说来不怕你笑话，我自己在 Claude Cowork 使用上，就交过不少学费，踩过不少坑。
我有一个专门管写作的 MD 文件，前后改了两个月。上个月我让它自己统计了一下这个文件： 1726 行，23899 个字。里面「禁止」「绝不」「严禁」这类词出现了八十四次。光是「不许用中文破折号」这一条，我在不同地方反复写了 93 遍。
我当时觉得自己特别用心，做得非常细致。
而7 月 24 号那天，Anthropic 官方发了篇文章，讲新模型 Opus 5 出来之后，他们把底层结构改了。大意是，过去要写那么多约束，是因为模型不够聪明，得靠规则打补丁；现在它自己就会了，那些补丁反而在拖后腿。
这话我一下就懂了。你招了个特别聪明的下属，怕他出错，进门第一天给他念了两个小时的规矩。他会照做，因为他听你话。但他一照做，他的上限就掉到了你那些规矩的高度。
我当天晚上就去把重要的 CLAUDE.md 瘦身了。
所以「只说一次」不等于「一次说完一万句」。你要给它的是判断和数字，不是一堆「不许」。
前五大客户的价格底线，是判断。账期上限 45 天，是数字。「回复客户时要专业得体」这种，既不是判断也不是数字，写十遍它也不会更专业，只会占掉它的脑子，顺便把你自己耗干。
跟我一起做这件事的老麦，做了二十多年外贸。他有句话我一直记着，后来直接写进了课件：当工具成为老板的负担的时候，99% 的老板就会放弃。
而写那些判断和数字这个活儿，是整个过程里唯一一件你没法交出去的。文件可以让助理整理，格式可以让 AI 整理，只有这些数字必须从你嘴里说出来。
这就是作为创始人的，最重要的判断力。
这话可能不太受欢迎。大多数老板的第一反应是：那让业务员先学，学会了再教我。
又是麦肯锡，不过这份是另一年的另一个题目。里面有组数据挺扎心：高管估计只有 4% 的员工把 AI 用在了日常工作的三成以上，员工自己报的是 13%，差了三倍。
同一份报告里，只有 1% 的企业领导者敢说自己公司 AI 用得算成熟。它给出的结论是：卡住的最大障碍不是员工，员工已经准备好了，是领导层方向盘打得不够快。
（这份报告的底层调研是在 2024 年底，八成样本在美国，跟我们这边不完全可比。我把它放在这儿，是因为它跟我在国内看到的方向一致。）
前面那份 2025 年 11 月的全球调研，补上了另外半句。麦肯锡把真正从 AI 身上赚到钱的那批公司单独拎出来看，它们的高管比同行高三倍地强烈认同一件事：公司高层是把 AI 当自己的事在做的。
报告接着说，这批公司的高层也经常亲自下场推动 AI 的使用，包括亲自示范怎么用。原词是 role modeling。
道理很简单。AI 的产出质量取决于你喂进去的判断质量，而那些判断只在你脑子里。你让业务员去带它，他手里没有那些判断，AI 只能还给他一份通用答案。这就是为什么它写出来的东西看着都对，用起来却哪都感觉不对。
这也是这件事唯一算得上护城河的地方。工具你买得到，同行明天也买得到。搞定 Claude Code 配置，你能请人，一个下午的事。
但真正买不到、也请不动人代劳的，是 Lucy 花的那一个月，是你坐下来把「样品费看情况收」改写成一句带数字的话。
而这也是我为什么要设计《外贸创始人深度访谈100问》的原因，第一期的学员大多都是用时超过 5 个小时才做完的。因为我当中用了交叉验证和防撒谎机制，被 Claude 这位资深商业记者访谈 5、6 个小时，还是特别耗心力的，但做完了之后，你就会发现生成了创始人档案后，让 Claude 识别之后，它突然变得更懂你了，变得更聪明了。
现在我已经把它升级到 2.0 版了。
这件事没有技术门槛，只有一个门槛：它很烦，而且只有你干得了。作为企业创始人，你必须要花时间做那些基础建设工作，没有捷径可言。
我服务企业客户这些年，见过一个反复出现的场面。老板说要做数字化，要上系统，要引入 AI，钱花了不少。可你去问他公司里最赚钱的那条产品线毛利是多少，问他上一单丢在哪一步，问他前三大客户各自的底线在哪，立马答得上来的还真不多。
底下的东西没有，上面盖得越高，塌得越狠。AI 在这件事上是个放大器，它放大你有的东西，也在同时放大你的空洞。
还有一件事，得在你动手之前说清楚。
它会编。
过去大家管这个叫 AI 幻觉。
我带外贸老板跑 AI 的时候立过一条规矩，念叨了两个月，说到他们都烦了： AI 查不到的数字，让它写【待定】，一个都不许编。
一开始所有人都嫌【待定】难看。一份调研报告里七八个【待定】，交出去像没做完。有人跑完第一遍来找我，说这也太不体面了。我说你先留着。跑到第三步他们就不这么想了。
一个标着【待定】的数，比一个漂亮的假数字值钱得多。前者你知道该去哪儿补，后者你会拿它去拍板。
这不是我吓唬人。去年 10 月，德勤澳大利亚交给澳大利亚政府一份 44 万澳元的报告，里面引了一个不存在的法院判决和两篇不存在的论文，最后承认用了生成式 AI，出修订版、退了款。出事的不是不懂 AI 的小公司，是四大。
而且这不是个案。还是前面那份麦肯锡的全球调研，里面另有一组数：用了 AI 的组织，51% 遭遇过至少一次负面后果；栽得最多的那一项，就是 AI 给的东西不准，接近三分之一的人碰上过。
（我的理解是，越是专业、越有交付压力的人，越容易把 AI 吐出来的东西直接当成品交出去。因为它长得太像成品了。）
我自己每天收到的“每日资讯”，我都要求 Claude 必须标注原始资料的出处及链接，这是一种习惯。
所以前面那四样东西为什么必须是你的真数，这里就说得通了。你前五大客户的价格底线，它编不出来，因为那是它拿不到的东西。而市场规模、行业增速、竞品报价这类你自己也没有的数，它会给你一个看起来很像样的。
它认识你的生意，是为了帮你干活。它不认识的地方，得你自己盯着。
讲到这儿，绕不开一个具体问题：那第二类东西，到底是什么？
能长在文件上干活的 AI，眼下选择不多，做得最成熟的是 Anthropic 那一套。给程序员用的那个叫 Claude Code，今年 1 月他们又出了一个给不写代码的人用的版本，叫 Cowork。用法并不难：你在电脑上授权一个文件夹给它，用大白话说要它干什么，它自己读、自己写、自己把活干完。
注意是「一个文件夹」，不是你整台电脑。边界是你自己划定的。
（我自己也是上个月才把整台 Mac 交给它，全部重新整理 10 几年没动过的文件夹的。在那之前一直只开特定几个文件夹。你不用一上来就学我，先从一个文件夹开始就够了。）
还有一句得跟着说，免得你把这篇读成「必须用某个牌子」。
你真正建起来的东西，是你硬盘上那一堆纯文本文件，你公司的产品手册、客户档案、报价规则。哪家的 AI 都读得懂。工具会换代，会涨价，会有更好的出来，你换一个接着用，家底一个字都不丢。会过时的是工具，不是你的家底。
说一件今晚就能做的事。
打开你现在用的那个 AI，一个字背景都别给，问它三个问题。
我的主推品出厂价是多少。
我最大的三个客户在哪几个国家、分别是什么类型。
我的账期上限是多少天。
注意这三个都不是判断题，是事实题。答案在你公司里肯定有。
但它可能一个都答不上来。
它可能答得很客气，很像那么回事，给你一套「综合评估客户资信」的说法。这套说法，你的同行问出来也是一样的。
它不笨。这三个答案从来没被写成过它读得懂的东西。
回到开头那两封信。
客户不选你，不是因为你的信写得不够专业。恰恰相反，那封信专业、得体、挑不出毛病，跟你对手的那封一样专业、一样得体、一样挑不出毛病。
它里面没有一句话，是只有你说得出来的。
而那些只有你说得出来的东西，那些年你踩过的坑、守过的底线、算过的账，现在还全部锁在你脑子里。你从来没有跟它认真说过一次。
你只是在跟它说老多次。
今天，你在用什么 AI 解决经营管理的问题呢？
以上，与你共勉。
—— Danny 2026.08.13 21:39 于杭州
END
【极简创业-独立顾问】：