武培文的“公司”里没有同事。据新华网报道，这位在杭州创业、有多年跨境营销经验的独立创业者，把自己的一人公司做成了一套面向中小跨境品牌的全流程 AI 营销服务：市场分析、广告文案、视觉设计、视频剪辑、客服回复，全部由 AI 员工执行，整体自动化率超过 90%。

报道里真正的关键信息藏在后半句：需要他本人介入的，只有定方向、给 AI 拆解任务提需求、审核调优、验收结果。

这四件事听起来像是“剩下的杂活”，但它们和前面那 90% 不是同一种工作。前面是执行，后面是选择。跨境产品的一人公司能不能跑起来，差别往往就出在这不到 10% 上。

从两百家到二十家：AI 压缩信息，人做取舍

BBC 中文曾报道过一位做床垫生意的创业者刘锦亮的做法。过去他到一座陌生城市开拓客户，第一步是扫街：在地图上搜出装修公司的位置，带上名片和资料一家家上门，留下联系方式再慢慢跟进。后来他把这个环节交给了 AI——系统先去抓取本地装修公司的地址、联系方式、线上评价、案例数量，甚至社交媒体上的曝光情况，再据此分析排序，筛出最有潜力的一批客户。

他的总结是：“原来 200 家，现在可以精准地选择 20 家去谈。”

这句话常被用来说明 AI 提效。但更值得注意的是那个“选择”动作：AI 把 200 家压缩成一份排序清单，最终决定去敲哪 20 家门的人，还是他自己。而且 AI 排序所依据的信号——评价数量、案例数、社媒曝光——都是公开可见的、已经沉淀下来的数据。真正影响成交的另外一些信号，比如这家公司最近是不是压着账期、采购决策由谁拍板、老板对外地供应商的信任门槛有多高，往往根本不在网上。

这就是自动化分析在跨境场景里的第一道边界：它擅长处理已经被记录下来的东西，而生意现场大量关键信息从来没有被记录下来。把 AI 的排序当成“答案”，等于默认所有重要变量都已经在数据里了。把它当成“候选集”，才是更接近实际的用法。

报价单之外：议价和定制为什么还得人来

供应链沟通是另一个典型场景。智东西在一篇自述式报道中记录过一个人运营跨境公司的体验：AI 智能体可以在分钟级对话里把大多数信息问清楚，大幅提高前期沟通效率，但报道同时提到，一旦进入复杂议价或特殊定制需求，关键环节仍需人工迅速介入。

这不是 AI 的能力问题，而是这类沟通的性质问题。跨境采购的价格往往不是一道算术题：起订量怎么调、打样费能不能摊进大货、付款方式是先付还是见提单、这批货赶不赶得上旺季船期——每一个条件都和另外几个条件挂钩，让步的逻辑取决于双方对长期合作的预期，而不是某条规则。AI 可以快速把对方的报价、参数、交期整理成一张清晰的表，但把这张表变成一份双方都愿意签的条件，需要人在关系里做判断。

对一人公司来说，这里有一个容易忽略的代价：如果你把这类沟通完全外包给自动化流程，你会失去对供应链的真实感知。等到出问题时，你手上只有一堆对话记录，没有对那个供应商做事方式的直觉。所以更稳妥的做法，是提前划出必须亲自谈的节点——首单、涨价、异常延期、涉及定制的改款。

需求写进提示词之前，判断已经发生过一次

在智东西那篇报道里，有一个细节值得停下来看：被输入给素材生成工具的是一句产品描述——“适合日本独居老人的防滑助浴椅”。AI 用它生成了文案和素材，效率很高。但“日本”“独居老人”“防滑”“助浴”这几个限定词，不是 AI 想出来的，是人先做完判断之后才写进去的。

类似地，一篇公开复盘提到，有卖家把一款毛毯做出三个版本，专打日本家庭主妇的送礼场景。同一款产品，在平台数据上可能只是“家居纺织”类目里的一个 SKU，但“送人时要体面、要好收纳、不能太占地方”这些约束，是数据里读不出来的。

这就是自动化分析与真实用户理解之间最容易被跳过的一环。数据能告诉你哪类关键词在涨、哪些竞品在出货、评论里出现频率最高的是哪些词；但它很难告诉你，一条差评背后是产品问题还是使用场景错配，一个差评率很低的产品是不是因为买的人本来就少。跨境还有一层额外的偏差：你能读到的评价，集中在愿意留评的那部分用户、集中在平台覆盖的那几个渠道，它们不是市场的全貌。

所以产品定义这件事，最好不要从“问 AI 该做什么”开始。更有效的顺序是：先自己想清楚用户在什么场景下、为什么愿意为这个小东西掏钱，再让 AI 去验证、去补充、去挑毛病。前者是选择，后者才是信息。

把“人工环节”变成流程里的固定关卡

理解了为什么人仍然关键，下一步是别让它停留在口号上。对一人公司来说，人工判断如果没有被写进流程，很容易在忙碌时被自动跳过。

几个可以落地的做法：

固定决策卡点。 把定方向、产品定义、首单议价、验收标准这几件事，明确成必须由自己完成、不可外包给工具或外包方的节点。参照武培文的分法，AI 负责拆解后的执行，人负责拆解本身和结果验收。

维护一份自己的用户理解档案。 不是平台后台的报表，而是具体的观察记录：哪个地区的用户在意什么、送礼场景和自用场景的包装要求有什么不同、哪些抱怨反复出现。这份档案越具体，你给 AI 的提示词就越准，越不容易被通用数据带着走。

区分“AI 说得很有信心”和“事实已经核验”。 涉及合规、认证、清关要求、平台规则这类时效性事实，必须以官方或权威渠道的最新公告为准，不能拿模型的流畅回答当结论。

保留直接接触用户的通道。 哪怕只有客服邮箱和一个社群，也要留一条人能看到原始反馈的路。一手信息被过滤的次数越少，判断的偏差越小。

回到那四件事

新华网那篇报道里，武培文说过一段话：“每个人的知识储备和技能储备可能都不均衡，哪怕是十几个人的创业团队也会遇到各类问题。现在可以通过 AI 工具补齐能力短板、拉平执行水准，即使是一个人，也能让业务推进过程和交付标准保持统一且稳定的水平。”

这段话常被理解成“一个人能顶一个团队”。但它其实还说了另一半：AI 拉平的是执行水准，不是判断水准。一个人的执行可以被工具补到及格线以上，方向和取舍仍然只能自己扛。

中关村人才协会发布的《中国 OPC 发展趋势报告（2025—2030 年）》显示，截至 2025 年 6 月，全国一人有限责任公司已突破 1600 万家；2025 年上半年新注册 OPC 数量达 286 万户，同比增长 47%，占全部新注册企业的 23.8%。报告同时指出，电子商务已成为 OPC 的第一大细分赛道，占比 16.49%。这些数字说明的是赛道热度，不是成功概率——公开报道中也提到过一些工具与模式带来的效率改善数据，但那些是特定条件下的观察，不构成对任何人的收益预期。

对做跨境产品的一人公司来说，真正可复制的部分也许并不在于把自动化率推到多高，而在于想清楚：哪些环节交给 AI，哪些环节必须自己上，以及自己上的那些环节，凭什么做得比数据更好。