AI 产品最常见的死因不是模型做不到，而是做出来没人在乎。所以第一步不写代码、不碰模型，先把产品用人话说清楚：解决什么问题、为谁解决、解决到什么程度，然后发到目标用户能看到的社区，观察三个信号——有没有人追问细节、有没有人主动说做出来告诉我、有没有人愿意留联系方式。如果只收到礼貌性的“挺好的”或沉默，那是需求问题，要调的是方向而不是话术⁠1。这一步对 agent 创业尤其重要，因为 agent 的能力很容易做得炫，但炫不等于有人买单。

AI 时代做产品最容易犯的错，是以为调用模型就等于产品。真正难复制的是底层系统：实时岗位数据、公司页面抓取、职位真实性、个性化推荐、对用户偏好的理解，这些不性感但构成护城河⁠2。同样的判断也适用于 to B：企业 AI 应用可以抽象成两类——帮企业管理内部流程和知识的公司模型，和帮企业理解服务客户的客户模型，做 to B 创业要先问自己的产品属于哪一边⁠3。销售端也一样，把产品做成 agent 可直接调用的标准化能力，比在旧系统上贴个聊天框更接近 AI 原生⁠4。

技术背景创始人常把销售当成“会聊技术的延伸”，但它是靠模式识别吃饭的独立手艺。有团队复盘过：创始人自己卖“非常不明智”，因为不会讲该讲的话、分不清哪些客户真能签合同、哪些只是随便聊聊，还容易忽略客户公司重组、内部支持者离职、对接人没有影响力这类坑，而有经验的销售见得多，很快能闻出来⁠5。这不等于创始人不用下场，前期必须亲自理解客户，但把判断 deal 真假、推进流程、定价话术长期留在自己手里，付出的是机会成本⁠5。

公司模型帮企业管内部——流程、文档、知识、决策，把内部上下文理顺；客户模型帮企业理解和服务它的客户——CRM、个性化、行为预测、客户旅程。判断时问一句：我的 agent 读的是这家公司自己的运营数据，还是它客户的交互数据？前者是公司模型，后者是客户模型。这个划分来自 Indigo 的分享，它把企业 AI 应用高度抽象成这两类，并认为中间都嵌着 AI 模型的概念⁠1。

选边之后真正决定成败的是你能不能拿到别人拿不到的数据、并持续维护它。Jobright 的做法是先搭实时岗位数据层，再谈推荐和自动化，因为岗位不新、不真、不准，后面所有功能都建在错误基础上⁠2。达人营销平台也是同一逻辑：过去没有数据、也没有能判断谁更合适的模型，匹配做不好，平台就不成立；大模型成熟后才让模型主导召回和排序⁠3。所以问自己：公司模型这边，你能否接入并持续同步客户的内部系统；客户模型这边，你能否拿到真实、及时、别人难复制的客户行为数据。拿不到，选哪边都难成立。

一个常见的误判是：因为模型现在不够好，就替它搭脚手架。戴雨森在访谈里说，不要做那些因为模型不够好才去补的事，要做的是 leverage 六到十二个月后可能有的模型能力，提前准备；模型升级能解决的问题不值得押注，而怎么拿到用户更好的输入、更懂用户意图和记忆，这些不是靠模型升级能解决的⁠4。放到你的选择上：如果公司模型或客户模型里，你的核心价值只是补当前模型的短板，那部分会被下一代模型吃掉；真正留得住的，是你对某类数据的独占，或对某个行业 know-how 的理解。