把工作咖啡廳從10個座位變成300個的不是AI

數位時代前幾天報導了小樹屋的新品牌「here」，一個規定不能講話的無人自助工作空間。我是這個產品的負責人。

一年前，here 還只是一間坐得下 11 個人的實驗店。現在是 10 間店、將近 300 席，也成了公司的第二成長曲線。

這篇不打算講這個產品的故事。我想談的是另一件事：在 AI 時代，一個商品到底靠什麼在市場上站穩腳步。

這一年，AI 確實讓我能做的事變多了。但真正把它從 11 個座位做到 300 個的，絕不會只有 AI。

AI 這一年替我做完的事

回頭看，這份清單其實很長：

1. 產出模擬風格圖，讓還沒蓋出來的空間先被看見
2. 做出 Landing page，把產品雛形快速攤開給市場看
3. 寫出一套簡易預約系統，控管試用體驗的人數
4. 彙整會議討論和用戶訪談，整理出價值主張的說明
5. 做銷售預測、行銷量能的評估
6. 寫 SQL、建儀表板，分析商業數字

在好幾年前，光是把這些做完，花的時間可能是現在的五到十倍，要調動的人力也是兩三倍以上。現在大部分的早期實驗和概念發想，靠一兩個人，以小時為單位就能完成。對講求速度的新產品來說，AI 真的是一大助力。

但 AI 做的，始終是「我已經決定要做的那件事」。方向和預期成果要先夠明確，它才發揮得了價值。

至於「該做什麼」，它決策得很爛。

我問過它「該做什麼」，答得很爛

我不是沒試。市場怎麼看、產品往哪走、下一步該押哪裡，這些我都跟它討論過。

結論是，大部分時間，它在重要方向上的提案我都會否決。

舉一個實際的例子。我們曾經討論 here 應該要有哪些設施，它提了一大串：更好的茶點、更多服務、客製化座位。理由是要做出市場區隔、要一眼就有吸引力，這些非常必要。

如果當初照它的建議做，這間店應該完全賺不到錢，管理難度也會是現在的十倍。

我想原因是，AI 終究是在做文字接龍。市場差異化、特色、產品定位，這些教科書上的詞很好寫，順著往下推也很順。但這次產品能成功的關鍵剛好相反：很多東西都被我們刪掉了，我們只把心力花在真正有影響力的事情上。

而這種刪減的決策，答案不在表面，在更深一層的理解裡。想想也合理，否則照著教科書往下想，大部分人應該都能做出正確的商業決定了。

不過我不覺得那些跟 AI 討論的時間白花了。它像多了一個人陪我想，我在說出「為什麼不採用」的時候，才真正把自己的判斷講清楚。

所以它是一個很好的陪練，一個被打槍也堅持不懈的提案者。但它不是那個能決定方向的人。

五件 AI 很難幫忙、我們反而更該練的事

一、敏銳的市場洞察

不是問大家「想要什麼樣的工作空間」。問這個，得到的答案永遠是又便宜、又漂亮、又方便。

最容易聽到的答案是：「大家都希望找到一個燈光美、氣氛佳的地方工作。」

這是第一層的答案，而第一層的答案幾乎都是廢話。它只是產品的及格線，不是能成功的關鍵。

真正有用的，是訪談裡那些時刻。透過有技巧的觀察和提問，讓受訪者自己驚訝地說出：

「原來我喜歡的是這個啊！」
「我竟然沒發現自己這麼在乎這件事！」

AI 可以整理逐字稿、統計哪個詞被提到最多次。
但我認為真正重要的，反而是那些能挑起情緒的瞬間，因為那個反應，才證明我們挖到需求核心了。

訪談時的微表情、搭配市場現況與用戶情境問出的關鍵問題，才是洞悉市場的方法，不是問卷調查和數據量化分析而已。

一件超高價值的事，比一堆很多人提到但低價值的事重要多了。難的地方在於，你得先判斷得出這件事到底有沒有價值，它才轉換得成價格。

二、直擊痛點的設計力

洞察要變成規格，中間那段也不容易。

AI 目前擅長的設計，大多還是網頁上的流程體驗。我們確實可以很快讓它產出一版預約系統的原型。但這裡有一個盲點：

如果產品的價值關鍵在於預約的「體驗」而不是「功能」，你和 AI 知道那應該是什麼體驗嗎？

單純的功能性，我相信 AI 做得到。但我們做的不是這麼純粹的工具，是一整套出門工作的體驗。這樣的預約系統該有哪些環節、哪些東西應該省略、甚至要不要捨棄一點安全性，這並不是 AI 回答得了的。

舉個例子。我們挑戰了一件很多 App 不敢做的事：後付款，不用押金、不用訂金、不用註冊會員。當初我也很忐忑，萬一很多人都不付錢、隨便取消怎麼辦？

那時候 AI 給的草稿，是先註冊、再預約，一堆步驟。放在很多 App 上看起來都合理，但在這個場景下，我認為真的爛透了。

沒有人會為了去一間咖啡廳，還要先花五分鐘才能安心抵達。
（用過某速食店現場點餐 App 的人應該懂，用過一次就知道什麼叫災難）

現場空間的設計，AI 更是無能為力。我們要的不只是漂亮，還要夠適合工作。但怎樣算是一間適合工作的咖啡廳，幾乎沒有人講得出來。

有個有趣的小故事。

訪談時我們問過大家，為什麼會選這間咖啡廳工作。除了價格和距離，只要談到空間內部設計，大部分人的回答就只有一句「看起來很適合工作」。再進一步問為什麼看起來適合，幾乎沒人答得出具體理由。

我也是從那時候才發現，這裡有機會點。

因為沒有人能好好說明怎樣的咖啡廳適合工作，人類無法，AI 更無法，但我看到的市場訊號很明確：把兩張照片放在眼前，大家都能很迅速地選出哪一間更適合工作，只是講不出原因。

那麼我要做的，就是重新定義一間適合工作的咖啡廳。

三、整合眾人的落地能力

AI 可以幫忙列待辦清單、建立專案文件。但一個大問題是，它沒辦法幫忙做所有的事。

現場的桌椅需要有人組裝、網路配置要調整、垃圾要有人倒。測試系統、調整設計，這些也都需要人來幫忙。

AI 也許可以協助發一則通知。但待過企業的都知道，除非你握有極大的命令權，不然就算發十個通知，同事不會做就是不會、在忙就是只能延後。

而一個複雜的新產品要在公司落地，靠的就是集結眾人。

你需要知道該找誰、誰會做、誰有空，要跟他的主管溝通時間和目標，要在他兩個單位的決策互相矛盾時，判斷出一個最適當的方案。為了在同一天開幕，系統要完整、行銷要到位、現場維運人員的教育訓練要完成、配合廠商要按時來。

要能成功落地，就絕對不是只有指揮。要面對面溝通事情，要親臨現場查看問題多嚴重，除了公告以外也要私訊提醒，不只交辦任務也要記得讚美同事，除了給廠商付款，還要問問他們有沒有什麼配合事項我們下次可以調整。

整合眾人的落地能力，不是請 AI 幫忙把那些成果一個一個打勾代表完成，而是你需要下場，親自去處理一堆的協作問題。

四、長期思維的營運設計力

除了產品本身的設計以外，實體空間非常注重現場的營運設計。

舉個例子，我們曾經想過要裝咖啡機。但咖啡機的限制很多：水線與水箱有一定的容量，換咖啡也需要格外小心，每次能替換的數量有限。我們得讓不論新人、舊人還是兼職人員，都能正確地替換咖啡和水。

除此之外，怎麼確保設定不會被亂調、怎麼確保每次按下去都能正確出杯、萬一損壞故障有沒有辦法及時修復，這全部都是問題。

如果完全沒有經營實體空間的經驗，請 AI 幫忙設計，它可能會直接給你一台咖啡機。

它會說：咖啡機是一個好的選項，平均成本較低、更有咖啡廳的氣氛、對用戶來說也十分方便。但按照我的經驗，我們確實還不具備培養出一大批現場人員、來處理好所有這些事的能力。

桌椅的款式、要不要做差別訂價，也都是一樣。每一個提供給消費者的服務，背後都伴隨著相對應的營運邏輯。我們需要取得一個平衡：確保這個服務有價值，而且營運成本是我們可以接受、能穩定提供的。否則很多看起來不錯的東西疊加在一起，最後只會造成營運體系的崩壞。

我賣的不是軟體。多開一間店，等於把一整套實體的運作邏輯再跑一次，每多一個新的人，他就需要學會這間店的所有事。所以在還只有一間店的時候，就得想清楚這套營運邏輯能不能被複製一百次、能不能適配各種不同的環境。

五、商業思維變現

但總體來說，我認為最重要的還是商業思維。

商業思維聽起來有點抽象，但簡單來說就是賺錢的能力。要賺錢，就要時刻想著營收、成本、費用。營收怎麼提高，就要想用戶為什麼會付錢、去哪裡找到這些人、找不找得到足夠多的人；成本費用，就要思考攤提折舊、每一次的服務成本。

幾乎所有用戶願意付錢的項目，背後都伴隨著營運的持續性以及相對應的成本費用，你需要不斷取得平衡。

有時候這個東西成本很高，但它是用戶眼中的鑽石，那我們還是需要想辦法搞定它。有時候你以為只是幾塊錢的衛生紙，但為了替換衛生紙卻需要多找一個人，那又是營運上的一個負擔。

而且不能只看當下。我幾乎無時無刻都在想：我們第一間店能成功，那第二間、第三間呢？是不是需要具備更多條件、有什麼事情會因為量變而產生質變、又有什麼東西是我們應該嚴格遵守，絕對不能因為省成本而降低的品質。

這些 AI 也許可以幫你片段性地思考。但當所有的決策都與產品的成敗有關，就必須把商業思維用力刻進肌肉記憶，才有可能讓大部分的決定，都在幫助這個商品成功。

結語

AI 讓每個人的執行半徑變大了，執行效率也提高了。但半徑不等於價值。

它放大的是單點的能力：做圖、寫程式、算數字、整理資料。這些能力現在很便宜，而且會愈來愈便宜。

理論上，做得越多價值應該越高。但我們也有過失敗的例子：花費了很多人力和時間，最後的成品卻沒有帶來真正的收入。那只能說我們的產出變多了，有價值的產品並沒有。

所以我認為，下一個世代的人才，「判斷該做什麼」會越來越重要。執行的門檻降低，代表差異回到了這五件事上：

• 看準市場
• 設計對的東西
• 讓一群人真的做出來
• 讓它撐過時間
• 最後變成收入。

這才是我們該學的。

參考：數位時代的報導