根據調查，四分之三的中小企業都在嘗試 AI，但真正跑起來的不到一成。卡在哪裡？最多人給的答案是同一句話：「不知道從哪裡開始。」
這個空白，正好讓各種工具有了進場的理由。Duda 說它讓建網站變得像做投影片一樣簡單，N8N 說它能幫你把重複的事情全部自動化。老闆想解決問題，工具說它能解，錢就付出去了。
但我觀察下來，問題比工具選對選錯更根本。你付的那筆錢，有一部分是在幫工具商的業務邏輯買單——不是在幫你的業務買單。
這些工具的「成功」，跟你的成功，根本不是同一件事。而且這個錯位，從你付第一筆費用的時候就存在了。
它的成功跟你的成功，是同一件事嗎？
Duda 成功，是你的網站上線了、月費繼續繳。
你成功，是有客戶打電話來、填了詢問單。
N8N 顧問成功，是流程節點越多、整合越複雜，你越離不開他。
你成功，是那件每週重複做的事，真的消失了。
兩組定義對不上。而且你不會在買的時候發現這件事——通常是幾個月後，費用繼續出、效果沒有來，才開始覺得哪裡不對勁。
Klarna 不是中小企業，但他們碰到的是同一件事。他們停掉了 Salesforce 跟 Workday，一年省下 4,000 萬美元。CEO 說的理由很直白：Salesforce 的成功，是你在繼續用它，不是你的業務在成長。
這不是說那些工具是壞的。Salesforce 本身很強，Duda 介面也算直觀。問題是，它們的商業模式，本來就不是設計來讓你「用到不再需要它」的。續費率、使用黏著度、擴充方案——這些才是他們真正在優化的數字，不是你的業績。
你不知道這件事，因為沒有人會在銷售的時候告訴你。等你發現，通常已經繳了一年。
中小企業沒有財務部門在算這筆帳。但月費和人力，是一樣真實的成本。
那些幫你「降低門檻」的工具，現在在哪？
a16z 前合夥人 Benedict Evans 去年的年度報告，標題就叫《AI Eats the World》。他說的是：過去是軟體吃掉傳統產業，現在輪到 AI 吃掉軟體本身——那些靠「坐在你和答案之間」存活的中間層，正在一層一層消失。
Chegg 是最直接的例子。它是美國最大的線上作業解答平台，商業模式很簡單：坐在學生和答案之間，按月收費。
2022 年 11 月，ChatGPT 上線。
五個月後，Chegg CEO 在法說會上第一次提到 ChatGPT 在傷害公司，股價當天跌了 48%。然後一路跌。市值從 147 億美元，三年內跌到 1.1 億，跌掉 99%。
他們也試過自救。用 GPT-4 做了自己的 AI 版本，叫 CheggMate。沒有用。學生沒有理由選包裝版，不選原版。這個教訓很殘：你沒辦法靠包裝一個更強的東西，來對抗那個更強的東西本身。
Jasper AI 的故事更直接。它本身就是 AI 工具，專門幫你寫行銷文案，2022 年估值 15 億美元。ChatGPT 出現之後，一年內營收腰斬，創辦人相繼出走，換了 CEO。
就算你的工具本身是 AI，只要你坐在使用者和答案之間，你一樣會被吃掉。
Duda 的問題是同一層，但更靠近你。它主打「做網站像做投影片一樣簡單」。但投影片這件事本身，現在也幾乎沒有人在手動做了——Gamma 這類工具描述幾句話就能生成一份完整的簡報。Duda 拿來類比的那個東西，自己也快被取代了。
更實際的問題是：你現在直接跟 Claude 說你想要什麼樣的網頁，跑出來的速度不比學 Duda 的介面慢，效果也不見得比較差。而且 Duda 從來沒有幫你解決域名怎麼設定、DNS 要怎麼指向這些事——你還是要自己去弄，或另外找人。這些，AI 可以一步一步帶你走完。
Duda 想降低的那道門，其實沒有它說的那麼高。
還有一件事值得知道。Duda 的定價頁面白紙黑字：網站資料匯出，只有最高階的 Agency plan 才開放。你放進去的文章、頁面、圖片，如果有一天想換平台，要嘛升級付更多錢，要嘛從頭重做。
進去容易，出去有代價——這不是巧合，是設計。
那 N8N 的問題出在哪裡？
概念上沒有問題。自動化流程的需求是真實的，N8N 的功能也確實豐富。
問題在維護。
一條 workflow 架起來要時間，跑起來之後進入「觀察期」。然後某天早上你收到通知，流程掛掉了。進去看，是某個外部服務的 API 格式悄悄改了，那個節點讀不進去，後面全部卡住。你找人修，修好了，再跑幾天又出現別的問題。
這不是 N8N 特有的狀況。N8N 自己的社群論壇裡就有一篇討論串，標題是：「When N8N is NOT the Right Choice for AI Automation」。不是外部批評，是重度用戶自己在說。
一條 workflow 只能完美處理它設計好的那 80% 情況。剩下 20% 的例外——格式不對、服務超時、資料缺欄位——每次都要有人接手判斷。久了，維護花的時間比自動化省下的還多。而且每個會修的人，都在腦袋裡多背了一份隱形的維護責任。
AI agent 處理這件事的方式不一樣。你說你要什麼結果，它找路跑到。跑出問題，它先試著自己修，修不了再告訴你發生了什麼事。流程的容錯力內建在裡面，不是靠你事先把每種例外情況都畫進去。
這個差距不是功能強弱的問題，是思考方式的問題。N8N 的邏輯是：你把每一步都預先定義好，它幫你執行。Agent 的邏輯是：你告訴它目標，它自己想辦法。前者要求你把問題想清楚再開始；後者讓你在過程中把問題想清楚。
對一個沒有工程師的中小企業來說，這個差距非常實際。
你練的不是某個工具的節點邏輯，而是「把你要解決的問題說清楚」的能力——這個能力，換什麼工具都帶得走。
那老闆現在到底該怎麼做？
我知道有人讀到這裡會說：「好，我懂了，但我哪有時間自己去弄這些？」
這正是那些工具最喜歡聽到的一句話。因為「老闆很忙」，就變成了「老闆需要我」的理由。
找人執行是對的，這個沒有問題。問題在於，你把預算交給了誰。
Shopify CEO Tobi Lütke 去年在內部公告裡說得很直白：
「有效使用 AI，現在是 Shopify 每一個人的基本期待，不是選項。要申請增加人手之前，必須先說明為什麼這件事 AI 做不到。」
他沒有說「叫 IT 部門評估 AI 工具」，他說的是：你自己的工作，先拿去跟 AI 跑跑看。買工具是之後的事，不是第一步。
沃頓商學院教授 Ethan Mollick 研究 AI 對工作的影響超過三年，他的結論只有一句話：
「直接用前沿模型，而且要用很多。」
不是上課，不是透過包裝好的介面，是讓員工直接拿日常工作去撞。MIT 的研究結論是：這樣做，完成任務的時間平均少 37%。BCG 針對 800 位顧問的研究也是同樣的結果。
「但 AI 很難學吧？」
NVIDIA CEO Jensen Huang 在今年達沃斯論壇說過一句話：
「AI 是史上最容易上手的軟體。」
你不需要懂程式，不需要設定流程，不需要讀說明書。你只需要把問題說清楚——而「把問題說清楚」，是你本來就在做的事。
具體怎麼做？把那些包裝工具的月費，換成員工的 Claude 或 ChatGPT 訂閱，每個人一個帳號。今天用來整理客戶資料，明天用來草擬一封跟進信，後天讓它幫你看上週的銷售數字哪裡不對勁。不需要設計場景，就是有什麼就丟進去。
用久了，每個員工都會自己摸出一套感覺：什麼事可以直接交給 AI，什麼事判斷要自己來。這個判斷力，買不到，只有用出來的。而且它是屬於那個人的能力，不是某個工具的帳號——你哪天換平台，他帶得走。
下次有人來找你賣 AI 工具，問這兩件事：
「我直接用 ChatGPT 或 Claude，做不到你這個工具能做的事嗎？做不到的部分是什麼？」
這個問題，Chegg 回答不了，Jasper 也回答不了。如果答案是「我們介面比較好用」或「我們幫你整合好了」，那就是包裝，不是能力。真正值得付錢的工具，應該能說出一個底層模型做不到、但它做得到的具體理由。
「用了之後，哪個動作從幾分鐘變成幾秒？能不能舉一個真實的例子？」
N8N 架起來要時間，維護要時間，壞了修要時間。很多工具的「省時」，是把時間從一個地方挪到另一個地方，不是真的消失。能說出「這個步驟以前要 20 分鐘，現在 30 秒」的工具，才是真的省。
兩個問題答得清楚，再繼續談。答不清楚，你的時間就已經省下來了。
延伸閱讀
想從個人角度理解 AI 入門，可以看上一篇：AI 入門，不要再追工具——從放大你本來擅長的事開始。
