AI创业的新门槛之九：当生产不再是瓶颈，筛选就变成了门槛

上个月有一天晚上，我坐在电脑前，面前摊着五份东西——一份投资标的的初筛报告、两份门店运营的周度分析、一份给合伙人的方案初稿、还有一段要发出去的内容草稿。

全是 AI 产出的。格式整齐，结构清晰，该有的部分都有。

我花了将近三个小时，一份一份地看。不是在看它们写了什么，而是在判断：哪些能用，哪些不能。

看到第四份的时候，我意识到一件事：我今天最大的工作量，不是在创造，是在筛选。而且这几个月，这个比例在反转。

01 产出越多，问题越大

说实话，半年前我没有这个问题。那时候 AI 还没有深度嵌入我的工作流，产出量有限，我看一份就能判断一份，没什么压力。

但是当你把 AI 铺到多条业务线，让它同时跑投研、跑运营分析、跑内容，产出量会暴涨。一天生成的东西，以前要做一周。

问题是：我消化这些产出的速度，完全没有跟上。

AI 产出的东西有一个阴险的地方：它看起来很完整。格式整齐，逻辑通顺，该有的部分都有。你很难凭直觉觉得它「不对」。本能反应是留着，或者「先放着以后再说」。

于是系统里慢慢堆满了没人验证过的东西。等到某一天集中暴雷——一个发出去的数字是编的，一份方案的核心假设站不住脚。

Anthropic Claude Code 团队的 Boris Cherny 在 X 上把未来产品团队的角色拆成了五类：

・Prototyper（原型师）：快速把想法做成可以看的东西

・Builder（构建者）：把原型做成稳定可用的产品

・Sweeper（收尾者）