本期嘉宾｜徐司宇 Jeremy AI 应用创业者，曾在字节跳动和知名 SaaS 公司担任产品负责人，长期关注 ToB 产品、行业化产品、AI 应用创新和组织协作方式。他曾在上一家公司负责 AI 产品，但在推动过程中看到传统 SaaS 组织面临的典型困境：低毛利、低人效、重交付、财务压力大、组织老化、怕出错，导致 AI 很容易被嵌入旧流程，而不是长出真正的 AI Native 产品。也正因为看到传统组织转身的困难，他选择离开原有体系，与算法背景的合伙人重新搭建一个更适合 AI 应用开发的小团队，探索面向跨境电商、餐饮等行业的 AI 决策系统。

这一期，我们聊的是：
AI应用真正的难点，已经不是能不能做出一个Demo，而是能不能理解真实行业场景、判断用户是否愿意付费、设计可验证的问题集，并把产品从“看起来能用”推进到“真实生产可用”。

AI创业最难的是什么？

不是做出一个 Demo，也不是接上一个更强的模型。

真正难的是：你能不能理解真实行业场景，判断用户到底痛不痛，设计出能进入生产的问题集，并把产品、算法、工程和商业化做成闭环。

这一期，我和徐司宇 Jeremy 聊了聊他从字节跳动、知名 SaaS 公司产品负责人，到 AI 应用创业者的转变。

我们聊到传统 SaaS 组织为什么很难 AI Native 化，为什么 AI Coding 会改变软件复杂度，为什么“有需求”不等于“愿意付费”，以及为什么未来真正值钱的人，是能同时理解产品判断、工程边界和行业痛点的人。

AI 应用真正的分水岭，不是工具。

而是：谁能把真实世界的问题，变成系统可以持续解决的问题。

主持人：Fancy

嘉宾：徐司宇 Jeremy

即刻/公众号：Jeremy聊AI产品

微信：siyu1138

收听方式：

喜马拉雅，小宇宙，网易云音乐，qq音乐，豆瓣，App podcast ,Spotify,Google podcast ,overcast,YouTube.

时间线

• 00:00–01:25｜嘉宾登场：徐司宇 Jeremy，曾在字节跳动和知名 SaaS 公司担任产品负责人，目前做 AI 应用创业

• 01:25–02:35｜当前创业方向：搭建 AI 决策系统完整链路，面向真实行业场景做产品

• 02:35–05:55｜职业路径回顾：从准上市公司一线员工到产业团队负责人，再到字节跳动和 SaaS 公司 AI 产品负责人

• 05:55–06:45｜早期 AI 组织雏形：在大厂与 ToB 体系中提前接触到新型协作机制

• 06:45–10:38｜为什么传统 SaaS 组织很难自然长出 AI Native 产品

• 10:38–13:37｜传统 SaaS 的两个问题：重交付、低人效、怕出错，AI 容易被旧流程吞掉

• 13:37–16:08｜中国 SaaS 的客户结构困境：中小客户付费弱，中大型客户定制化强

• 16:08–17:25｜AI Coding 对 SaaS 的冲击：产品复杂度被压低，客户不再必须适应臃肿系统

• 17:25–18:57｜外贸和跨境行业的机会：AI让更多人具备独立经营、建站、选品和数据判断能力

• 18:57–22:16｜组织老化为什么不是加几个AI工具就能解决：关键在组织流程、AI人才和协作范式

• 22:16–26:40｜组织过程资产的重要性：老代码、老流程、旧经验可能成为 AI 转型的包袱

• 26:40–31:18｜为什么离开传统组织创业：与其等待组织转身，不如重新搭一个 AI Native 小团队

• 31:18–34:32｜与算法背景合伙人的合作契机：从生产力工具、数据分析到决策系统的共同判断

• 34:32–37:32｜第一版产品方向：自然语言处理复杂表格，但发现“有需求”不等于“愿意付费”

• 37:32–40:00｜目标客户校正：真正愿意付费的人，要么能降本，要么能直接带来收入

• 40:00–42:11｜从工具型产品转向行业决策系统：产品必须和具体行业场景绑定

• 42:11–47:20｜AI应用的护城河问题：当模型能力越来越强，应用层到底还剩什么价值

• 47:20–50:15｜通用系统与定制模块：AI让行业化系统可以更轻、更细、更贴近真实需求

• 50:15–59:31｜工具与咨询的关系：用户不只是要报告，而是想知道问题在哪里、怎么解决

• 59:31–01:03:13｜为什么用户需要“人”来帮他做合理决策：工具只是长期经营的一部分

• 01:03:13–01:12:25｜工具卖得快，但结果更重要：AI产品不能让客户被平台系统绑死

• 01:12:25–01:15:32｜AI产品的错误代价：不是输出越多越好，而是决策依据是否清楚

• 01:15:32–01:22:19｜做AI决策系统前，必须先明确指标：到底是提升毛利、销售额，还是降低人力成本

• 01:22:19–01:29:39｜真实需求识别：不是所有需求都应该变成系统能力

• 01:29:39–01:33:25｜AI决策系统的输入输出：用数据、趋势、库存、天气等变量生成系统化建议

• 01:33:25–01:35:17｜产品判断与工程协作：产品人要懂技术边界，技术人也要懂产品判断

• 01:35:17–01:41:27｜行业场景的重要性：不深入做运营，就不知道真正痛点在哪里

• 01:41:27–01:48:58｜跨领域理解能力：产品、技术、算法、行业角色之间必须互相翻译

• 01:48:58–01:51:12｜最后总结：Demo不等于真实生产，必须建立专业问题集和准确率验证

• 01:51:12–01:54:47｜结尾：工具的本质不是工具，而是帮助用户看到更好的方法，解决真实世界的问题

10个深度问题

1. 你为什么会在这个阶段离开传统 SaaS 组织，选择自己做 AI 应用创业？

2. 传统 SaaS 组织为什么很难自然长出 AI Native 产品？

3. 你提到 SaaS 是“苦生意”，这个判断背后的行业结构是什么？

4. 为什么低毛利、低人效和组织怕出错，会成为 AI 转型的阻力？

5. AI Coding 为什么会对传统 SaaS 的产品复杂度产生冲击？

6. 你们第一版产品做自然语言表格处理，为什么最后发现“用户有需求”不等于“用户愿意付费”？

7. 一个 AI 产品到底怎样判断用户是真痛，还是只是觉得“这个东西挺好”？

8. 你为什么认为 AI 应用最终可能是“咨询 + 工具”的完整链路？

9. Demo 到真实生产之间，最大的鸿沟是什么？

10. 未来产品人、算法工程师和行业专家之间，应该怎样重新协作？

5个吸引力亮点

1. 真实拆解传统 SaaS 组织为什么难以 AI Native 化
   这一期不是空谈 AI 趋势，而是从组织、人效、现金流、交付压力、员工心态几个维度拆传统 SaaS 的真实困境。

2. 从产品负责人的视角讲清 AI 应用创业为什么不能只做 Demo
   Jeremy 反复强调，Demo 是小概率场景，真实用户是大概率行为；产品要进入生产，必须有问题集、准确率和可用性验证。

3. 把“AI决策系统”讲成真实行业问题，而不是工具概念
   跨境电商、餐饮、库存、天气、趋势、运营动作，都可以被拆成系统输入和输出，但前提是理解真实业务场景。

4. 非常适合企业老板理解：为什么追工具没有用，决策能力才是核心
   用户不是想要一个报告，而是想知道问题在哪里、应该怎么解决；工具只是长期降低咨询成本和运营成本的载体。

5. 点出 AI 时代的新型人才方向：产品、技术、算法和行业必须跨界融合
   技术人不能只懂技术，产品人不能只懂需求，真正能做出行业 AI 产品的人，必须理解技术边界、用户场景和商业化路径。

《瑜伽姐的斜杠人生》播客团队