凌晨一点半，他把第 11 版落地页推上线，AI 帮他改完了最后一句副标题。三个月前他还在大厂写后端，现在他有一个注册好的公司、一个能跑通支付的产品、四十多篇 AI 辅助生成的文章，和一个没有答案的问题：为什么还是没人买。

下面这个案例，是把近期几位独立开发者的公开复盘按同一决策链合并还原出来的复合样本，人物用"老周"代指，细节做了脱敏，其中的数字来自当事人自述口径，不代表行业统计。之所以这么处理，是因为一人公司失败的过程高度相似，过分聚焦某一家的具体营收，反而会盖住真正反复出现的那几个问题。

从三个月到三周：执行被压扁之后

老周的起点很普通。他做过几年 SaaS 后端，一直觉得自己能识别"什么工具好用什么不好用"，于是选了一个自己熟悉的细分场景——给小型设计工作室做报价与排期管理。

按他自己的复述，2024 年之前，类似的产品他做过两个，都死在"做得太慢"上：第一个花了半年，等到上线时同行已经跑在前面；第二个做了四个月，做到一半自己先没了兴致。

这一次不一样。他用 AI 生成需求文档、数据表结构和接口草稿，前端界面直接让 AI 出组件，文案让 AI 一次生成五套备选。第一版能跑通支付的产品，从想法到上线，前后 19 天。

"我当时的感觉是，终于不用再被执行力卡住了。"他在复盘里写道。

接下来的三个月，他把这种效率用到了极致：产品迭代了 11 个版本，新增了权限管理、导出报表、移动端适配；公众号和两个内容平台更新了四十多篇；还顺手用 AI 做了一套模板合集挂在产品里当赠品。

问题同样在这三个月里被放大：真正付费的用户是 7 个，其中 3 个是他以前的同事。

效率陷阱里的三处塌方

第一处：跳过需求验证，直接进入"做"

老周说，他其实做过验证——他把想法说给几个做设计的朋友听，对方都说"这东西确实挺烦的，有个工具会方便"。

但"有人觉得这是个问题"，和"有人愿意为它掏钱"，中间隔着一条很宽的河。他没有去问的是：现在他们用什么方法解决？这个方法具体糟在哪里？如果有个工具，他们愿意每月付多少钱、从哪一笔预算里出？

AI 在这里的作用是微妙的。当他问"帮我写一份用户调研问卷"时，AI 立刻给出了一份结构完整的问卷；当他问"怎么优化落地页转化率"时，AI 给出了七条具体建议。AI 从来没有反问他一句："你确定这件事值得做吗？"

我的判断是，这不是 AI 的能力缺陷，而是它的工作方式决定的：它回答的是你提出的问题，而一个人最危险的时刻，恰恰是问错了问题却得到了漂亮的答案。

第二处：把"能生产内容"当成"能获客"

四十多篇文章发出去了，累计阅读量大约四位数。老周一开始把这归结为"内容质量还不够"，于是让 AI 生成更多、更长、更"干货"的文章。

这里藏着一个很容易被 AI 掩盖的错觉：AI 让内容生产的成本趋近于零，于是"多发内容"看起来像是唯一需要做的事。但获客的真正难点从来不是产量，而是分发路径——你的目标用户聚集在哪里？他们通过什么关键词、什么推荐机制、什么人的背书接触到新产品？

老周后来承认，他从来没有认真回答过这个问题。他只知道"要写内容"，却说不清第 100 篇文章比第 10 篇多带来了哪个用户。

第三处：没有人算过一笔最简单的账

他在第九周做过一次粗略计算：产品订阅定价每月 39 元，7 个付费用户，月收入不到 300 元。而他的成本里，服务器和第三方服务每月几十元，看起来"差不多能覆盖"。

但如果把时间算进去就不是这么回事了。他放弃的是一份月薪两万出头的工作，三个月的机会成本在六万元以上。用月收入 300 元去覆盖这个数字，需要十几年。

他不缺这个算术能力。他缺的是把这笔账摆到台面上的那个动作。AI 可以帮他做增长模型、可以帮他算 LTV 和 CAC，但前提是他得先承认"我需要算这笔账"。

AI 为什么偏偏放大认知短板

老周的故事里有一个容易被忽略的细节：他并不懒，甚至比大多数人都勤奋。三个月里他平均每天工作十小时以上，几乎没有休息日。

效率工具遇到高投入的人，本该是乘数关系。问题在于，乘数把正数和负数一起放大了。

当一个创业者的假设是对的，AI 让验证速度变快，试错成本变低，这是实实在在的红利。但当假设是错的，AI 的作用是让他更快、更完整、更自信地走向错误结论——产品做得更像样，内容发得更密，界面更精致，唯独没有人告诉他方向不对。

更深一层的变化发生在心理层面。因为做起来太容易，放弃变得难以接受："我已经做了 11 个版本，就差一点。"沉没成本本来是由辛苦劳作累积的，现在它由 AI 的高效累积，膨胀得更快。老周在第 10 周的时候说过一句话："再优化一轮，说不定就起来了。"——那正是他决定停止的时候，也是他账上现金只够撑两个月的节点。

如果重来一次，他会先回答四个问题

老周在后来的复盘里列出了他现在会优先确认的四件事。我把它整理得更可执行一些：

1. 有没有人在你把产品做出来之前就愿意付钱？ 哪怕只有一两个人，用预约、定金、手工交付的方式先成交一次，也比一千个"听起来不错"有用。
2. 第一批用户具体从哪里来？ 不是"做内容获客"，而是能说出平台名称、搜索词、社群名称，以及你打算用什么方式触达。
3. 一笔交易的完整账是什么？ 定价、支付成本、服务成本、你每小时的时间成本，加在一起之后是否还成立。
4. 什么信号出现时你会停？ 提前写下这个信号，比如"上线六周内付费用户不足 5 人且没有自然增长"，写下来之后就按它执行。

这四个问题的共同点是：它们都不需要 AI 来完成，但都需要一个人独自面对不确定性作出判断。

把 AI 放回它该待的位置

这并不意味着要降低 AI 的权重，而是要把任务类型分清楚。

慢下来的那部分不能被外包

老周最后把产品下线了，保留了代码和几个付费用户的联系方式。他现在在一家小公司做远程工作，同时用每周两个晚上的时间做新的尝试。这次他给自己定了一条规矩：在没有收到第一笔钱之前，不用 AI 写超过一页的产品文档。

他被 AI 催熟的部分是执行力，从半年缩短到三周，这是真实的进步，将来也不会退回去。但他被落下的部分是判断力——知道该做什么、不该做什么、什么时候停。这部分没有被压缩，也没有办法被外包，因为它从来就不是一个产能问题。

如果你正准备开始一人公司，或者正在某个产品的中途感到"明明做得挺顺，就是没有起色"，值得检查的可能不是效率，而是那些你一直没舍得停下来回答的问题。