一次 HR 团队的分享
前段时间，有个 HR 团队找我去做一次分享。
他们的困惑很典型。团队里已经有人在用 AI Coding、低代码工具和各种协作平台做一些小东西。有人拉内部数据做了网页，有人写了自动化脚本，有人用 AI 辅助整理材料、生成内容、处理表格。每个点看起来都挺有效，甚至有些东西第一次展示时还很惊艳。
但问题也很快出现了：然后呢？
一个人自己做的小工具，自己当然知道怎么用。数据从哪里来，哪一步容易错，页面坏了怎么修，哪些结果不能全信，这些都在作者脑子里。可一旦要推给别人用，事情就变了。别人不知道它为什么突然不能访问，不知道数据口径有没有变，不知道出了问题找谁，不知道这个东西到底只是一个临时 demo，还是一个可以依赖的系统。
工程稳定只是表层问题
所以他们一开始以为，问题卡在工程稳定上。
这当然没错。从自己用到别人用，中间确实隔着部署、权限、日志、监控、维护、回滚、口径、责任人这些东西。一个自用工具可以靠作者的记忆运行，一个组织工具不能靠作者的记忆运行。只要给别人用，每一个"我知道"都会变成"别人不知道"。
但这两天我越想越觉得，工程稳定只是表层问题。
更底层的问题是：AI 正在改变"功能"这件事本身的经济学。
给自己做容易了，给别人做反而更难
过去，能做出一个功能，本身就有价值。你会做网页，别人不会；你会写脚本，别人不会；你能搭系统，别人不能；你能把一个流程工具化，别人只能手工做。所以产品、中台、工具、平台都建立在一个默认前提上：生产能力是不均匀分布的。少数人做出来，多数人拿来用。
但 AI 把这个前提打松了。
现在很多个人需求，不再需要正式进入产品开发流程。出国填申请表，可以让 AI 帮忙梳理材料；孩子做作业，可以临时生成一个字典或练习工具；电脑出故障，可以让 AI 一步步排查；想看一个数据，可以让 AI 写个查询；想要一个页面，也可以让 AI 帮你生成一个能跑的版本。
这些东西未必优雅，未必稳定，未必能长期维护，但它们足够解决一个人的当下问题。
这就是 AI 时代最先发生的变化：给自己做点东西，变得非常容易。
可是，另一个方向反而变难了：给别人做点东西。
这个判断听起来反直觉。很多人会觉得，既然 AI 让开发变容易，那做产品、做工具、做中台、做组织提效，应该也会一起变容易。我的看法相反。
AI 降低的是"生产一个功能"的门槛，但抬高的是"让一个功能被别人采用"的门槛。
因为当每个人都拥有一定生产能力以后，别人不再天然需要你做的东西。
你的对手是用户自己的 AI
过去你做了一个工具，用户的替代选择可能是不用，或者排期找人做。现在他的替代选择变成了：让自己的 AI 在自己的上下文里临时做一个。它可能没有你的完整，但更贴近他的习惯；可能没有你的稳定，但足够应付这一次；可能没有你的产品化，但不需要迁移、不需要学习、不需要等你改需求。
AI 时代产品面对的竞争对手，不只是另一个产品，而是"用户自己的 AI 加上他的上下文"。
这件事非常要命。
因为很多产品过去靠的是功能稀缺。你有这个功能，别人没有，所以别人用你。现在功能越来越不稀缺，真正稀缺的是上下文、信任、责任、集成和长期维护。也就是说，用户不是因为你"能做出来"才用你，而是因为他愿意把一段工作交给你。
这两者差别很大。给自己用的东西，所有隐含信息都存在同一个人的脑子里。但给别人用，你必须把这些隐含信息全部外化。你做的已经不是一个功能，而是一个可以被别人理解、托付和追责的工作边界。
很多人把分享理解成发一个链接。其实不是。发链接只是分发，真正的分享是让别人愿意把自己的任务、数据、时间、风险和判断交给这个东西。只要涉及这些，问题就立刻从技术问题变成产品问题、组织问题、信任问题。
单点提效容易，组织提效难
这也是为什么单点提效很容易，组织提效很难。
单点提效只需要某个人找到自己的摩擦点，然后用 AI 把它抹平。组织提效却要处理一件更麻烦的事：这些被个人创造出来的小工具、小流程、小页面、小 agent，如何不变成一堆局部最优的碎片？
如果没有统一的口径、权限、数据、评估和维护机制，AI 反而会让组织内部长出更多无法连接的东西。每个人都能造一点东西，但每个东西都只在作者自己的上下文里成立。这不是 AI 没用，而是 AI 把"做出来"这一步变便宜之后，暴露了后面更贵的部分。
中台也是同一个问题，只是发生在组织架构里。
过去中台容易成立，是因为业务自己做工具成本高。中台把公共能力做出来，业务来用。可是当 AI Coding 让业务团队自己也能快速搭页面、搭后台、搭评测工具时，中台如果还停留在"我替你做一个统一平台"，它的说服力就会下降。业务会说，我自己也能做，而且我更懂自己的场景。
所以中台真正要守的，不能只是页面和入口，而是那些业务自己做时无法自然形成一致性的东西：公共语言、公共协议、公共口径、公共评测、权限边界、审计能力和治理规则。
但这篇文章不是想继续讲中台。中台只是一个例子。更大的规律是：AI 让应用层的创造更分散，也让共享层的秩序更重要。
做产品也是一样。今天做一个 demo 变容易了，很多人会自然得出结论：创业更容易了，商业化也会更容易。但实际情况可能相反。当大家都更容易做出功能时，功能本身更难成为壁垒。商业化真正难的地方，从来不是把一个功能做出来，而是让别人持续相信它、依赖它，并愿意为这种依赖付费。
"生成"在贬值，"采用"在升值
这背后有一个很大的变化：AI 让"生成"贬值，让"采用"升值。
生成一个页面，越来越便宜。让别人长期使用，还是很贵。
生成一个 agent，越来越便宜。让它在组织里安全运行，还是很贵。
生成一个方案，越来越便宜。让团队围绕它形成共识，还是很贵。
生成一个产品雏形，越来越便宜。让市场相信你值得付费，还是很贵。
生成一个中台工具，越来越便宜。让不同业务在关键问题上使用同一套语言，还是很贵。
所以，AI 时代真正被重新定价的，不是"能不能做"，而是"能不能被别人采用"。
私人工具和公共产品
我越来越觉得，我们需要区分两种东西：私人工具和公共产品。
私人工具解决的是"我现在要完成一件事"。它追求的是低摩擦、快反馈、够用就好。AI 对它的帮助极大，因为 AI 擅长把一个人的意图快速变成一个临时能力。
公共产品解决的是"很多人能不能把一类事情稳定交给它"。它追求的不是快，而是可理解、可复用、可维护、可追责、可扩展。AI 可以帮助它开发，但不会自动替它完成产品化。
这两个东西看起来都叫"工具"，本质上完全不同。
私人工具依赖个人上下文。公共产品要摆脱个人上下文。
私人工具可以靠作者脑补。公共产品必须让别人不用脑补。
私人工具可以一次性成功。公共产品必须长期可靠。
私人工具只需要"我觉得好用"。公共产品必须回答"别人为什么不用自己的 AI 重新做一个"。
做出东西，和做成产品
这也是我想纠正的一个片面观点：AI 时代不是所有事情都变简单了。它只是让某些环节变简单，然后让另一些环节的重要性突然上升。
过去，很多困难被"做不出来"挡住了。现在做得出来了，真正的问题才露出来：这个东西解决的是不是一个值得共享的问题？它能不能脱离作者本人存在？别人有没有理由迁移到这里？它能不能进入别人的流程？它能不能被别人的 AI 调用？它出了问题谁负责？它的结果怎么验证？它能不能沉淀成组织能力，而不是又一个漂亮 demo？
这些问题比写代码更难，也更接近产品和组织的本质。
所以我现在会更谨慎地看待"AI 让每个人都能做产品"这句话。更准确的说法也许是：AI 让每个人都能更容易地做出东西，但没有让每个人都更容易地做成产品。
做出东西，是把意图变成可运行的功能。
做成产品，是让别人愿意把自己的工作交给你。
前者靠生成能力，后者靠信任结构。
AI 强化了前者，但没有自动解决后者。甚至因为每个人都有了生成能力，后者变得更难了。你不只要证明自己能做，还要证明别人没有必要自己做；你不只要证明这个功能存在，还要证明它值得被采用；你不只要给一个入口，还要进入别人的上下文。
这可能是 AI 时代一个更底层的悖论：个人效率提升越快，组织提效越不自动发生；功能生产越容易，功能共享越不天然成立；demo 越多，真正可托付的产品越稀缺。
所以，未来真正有价值的能力，不只是会用 AI 做东西，而是知道什么东西值得被做成公共能力。
不是所有个人提效都值得组织化。不是所有小工具都值得产品化。不是所有网页都比 MCP 更好。不是所有 workflow 都需要 agent。不是所有中台都应该继续做统一平台。也不是所有 demo 都有商业化可能。
从这个角度看，HR 团队的问题不只是怎么从单点提效走向组织提效；中台的问题也不只是退到哪一层；创业者的问题也不只是怎么更快做出 MVP。它们其实都在问同一个问题：
当"做出来"不再稀缺之后，什么才值得被别人使用？
我的阶段性答案是：值得被别人使用的，不是功能本身，而是一个更低成本的托付关系。
它让别人不用重新理解一遍，不用重新验证一遍，不用重新维护一遍，不用重新承担一遍风险。它不仅替别人完成事情，也替别人减少判断、接入、协作和追责的成本。
这才是 AI 时代"做给别人用"的难点。
给自己做东西，只要有意图就够了。
给别人做东西，必须建立信任。
AI 让意图变成功能越来越容易，但让功能变成信任，仍然很难。甚至更难。