用人工智能作为执行力量来建立一家公司听起来很简单。你给一位数字同事下达指令，去喝杯咖啡，回来时就会发现一个现成的品牌、产品和销售机器。但事情“还”不是这样运作的。幸好如此。否则就没什么可学的了。
在 Co-founded by AI，我们测试是否可以通过两名创业者、每人每周最多四小时的时间以及一系列人工智能工具来建立一个产品公司。没有员工，但有实体产品。
第一年的营收目标为 20 万欧元。人工智能承担尽可能多的执行工作。前两周围绕两个问题展开：哪个产品值得我们的关注？哪些数字基础（技术栈）能帮助我们推进？
一、产品选择与AI协作的边界
在产品选择方面，我们让多个语言模型参与思考。包括来自美国的 ChatGPT、Claude 和 Gemini，以及来自中国的 DeepSeek 和来自法国的 Mistral。我们将我们的产品决策标准、消费者趋势以及 Kickstarter、Indiegogo 和 Amazon Movers & Shakers 等产品展示网站的示例输入给它们。
结果：列出了围绕平静科技（calm tech）、生物黑客（biohacking）、睡眠改善、健康和长寿的产品创意清单。
这听起来像一个高效的流程。确实也是。直到 ChatGPT 在提出产品建议之前先问了三十个补充问题。互动式提问很有用，但在问到第十八题时，你还是会怀念那种传统的头脑风暴——喝着咖啡，使用便利贴和白板。
与此同时，DeepSeek 提出了诸如 ashwagandha（南非醉茄）软糖（天知道那是什么？）和高端解压魔方之类的想法。也许他们在中国看到了我们错过的趋势。也许是我们错过了一代人。或者双方都有责任。
图片：Ashwagandha 软糖，Deepseek 的推荐产品
这次搜索的价值不在于那个绝妙的点子，而在于过程本身。只有当你明确界定搜索范围时，人工智能才能发挥最佳效果。不要说：“为 Co-founded by AI 想出一个有趣的产品。”而要说：“根据利润率、物流、认证、价格水平、销售潜力和麻烦风险，评估围绕消费者趋势和产品发现网站的产品创意。”
尤其是最后一个标准显得出奇地有用：我们会因此给自己带来多少麻烦？同时我们发现，电子表格并不能说明一切。作为创业者，我们也必须对产品有某种感觉。因此我们增加了一个新标准：创始人契合度（founder fit）。我们能否充满热情地向家人、朋友或在酒吧里谈论它？现在才真正变得有趣起来。
图片：我们的 AI 生成器展示（由 AI 生成）
二、引入社交信号与批判性过滤
第二个洞察来自外部。在 Emerce E-commerce Live 期间，Maurice Stam 的 Geert-Jan 从 Vibeday 那里得到了一个建议：将社交信号纳入考量。不要只看人工智能想到了什么，还要看人们在网络上已经给予了哪些关注。TikTok、Instagram 和其他渠道上正在发生什么？你能从中看到哪些渴望、挫折和日常习惯？
克劳德深入其中，并带回了可用的信号。例如“睡眠最大化”：这是一种健康趋势，人们将睡眠视为一个优化项目——更快入睡、睡得更深、醒来时精力更充沛。听起来很有吸引力。我们也想做到这一点。
但人工智能不仅擅长提出想法。作为批判性过滤器，它同样非常有用。带有CE认证的产品、化妆品、医疗声明或不便于运输的格式很容易就会被淘汰。并非每个在TikTok上走红的产品都适合我们的模式。
三、品牌与技术基础的模块化构建
在最初的几周里，我们同时构建品牌和技术基础。原始名称 ProductAI 被弃用。Claude 和 ChatGPT 帮助我们转向 co-Founded by AI。最初多个工具在标志设计方面失败。Gemini 最终提供了一个我们可以继续使用的图像。随后 Claude Design 创建了包含颜色、字体、按钮和风格元素的品牌视觉识别系统。Claude Code 构建了网站，并连接了 GitHub、Vercel hosting、Astro、ReactTypeScript、Supabase 和 Sanity。还增加了自动翻译成英语的功能。
截图：由 AI 共同创建、由 AI 制作的系统设计
对于数字专业人士来说，这里有一个值得借鉴的教训。只要你不把AI当作一个有趣的玩具箱，而是将其视为团队成员——它快速、聪明，有时极具洞察力，有时又固执己见，并且经常偏离预期目标——那么AI将极大地加速这一进程。
魔力并不在于单个优秀的提示词。质量源于提供上下文、设定框架、给出示例、进行批判性检验，并反复调整。再调整一次。再来一次。只有当你像指导同事一样与AI协作——给予反馈并要求其重新尝试时，AI才能真正发挥出色效果。换句话说：减少“一键生成”的魔法感，增加快速迭代的过程，直到达到你的令牌上限为止。
由此看来，专业人士的角色似乎正在发生转变。减少自主生产，更多地进行方向引导；减少在零散任务中埋头苦干，更多地在标准、风险和选择上保持敏锐。这并非脱离执行工作，而是对专业技艺进行重新塑造。
要点
- 选择工具前的标准。最重要的AI决策往往不是使用哪款工具，而是以什么为导向。如果事先明确什么是好的、可行的以及存在风险的，就能获得更优质的输出结果。
- 让模型相互思考。每个语言模型都有自己的偏好和盲点。价值往往不在于单一答案，而在于比较多个答案。
- 将外部世界引入内部。在研究中加入搜索行为、社交信号、评论、客户问题和产品发现网站。缺乏上下文时，人工智能会陷入通用想法。
- 也要学会说“不”。不要让 AI 仅生成想法，还要让它解释哪些想法最好放弃。这能节省时间、成本和麻烦。
- 以模块化方式构建你的 AI 技术栈。工具层出不穷，确保能够替换提示词、数据源、模型和输出，而无需重新构建整个流程。
—
co-Founded by AI 能否在一年内实现 20 万欧元的营收？
你可以参与决定。你的预测是什么？
发出你的声音
—
Geert-Jan Smits 和 Jurrien Kerstholt 是 co-Founded by AI 的创始人
阅读更多？
引言： https://www.emerce.nl/opinie/productbedrijf-bouwen-waarin-ai-al-uitvoerende-werk-doet
Column 1: https://www.emerce.nl/opinie/column-klant-kwam-pas-tweede-prompt