An AI Stress Test Scored My Startup Idea 43.3/100: Real Pain Doesn’t Mean Customers Will Pay

募資準備後，我發現很多創辦人卡住的，不是簡報不夠漂亮，是想法還沒被真正挑戰過，就急著去募資了。

「募不到錢，不一定是投資人不懂：失敗後才看懂募資準備順序」

所以…我做了一個實驗，把我當時想做的「AI 工廠知識助理」點子，直接丟做AI 創業驗證 ，AI 當最不客氣的創業評審，請它用投資人的標準打分數，不給鼓勵，只找漏洞。

試著將想法問AI…

AI回答….

驗證AI的回答….

AI模擬後….

最有價值的不是分數，而是看見原本沒問到的問題

這次用 AI 模擬「AI 工廠知識助理」的新創構想，得到 43.3／100，高風險、當前模式不可行 的結論。

第一眼看到分數，容易覺得挫折。

但如果把 AI 模擬當成一次低成本的創業壓力測試，這個結果其實比一段空泛的鼓勵更有價值。因為它沒有只說「市場很大、AI 很有機會」，而是把最可能讓公司失敗的地方攤開來：客戶不一定願意付錢、資料可能根本不能用、現場不會照預期使用、導入成本會吞掉毛利、銷售週期可能長到資金撐不住。

創業想法最危險的時候，不是被否定，而是還沒被真正挑戰，就投入大量時間、人力與資金。

痛點存在，不等於有人願意付錢

模擬結果裡，最值得注意的是「痛點真實性」高達 85 分，但支付意願只有 30 分。

這是一個很典型的新創陷阱。

製造業的知識斷層、老師傅退休、資料散落、維修紀錄難找，確實都是長期存在的問題。但對工廠經營者來說，「問題存在」和「現在願意編預算處理」是兩件不同的事。

如果產品被定義成知識管理工具，容易被視為行政效率改善、IT 專案，甚至是額外工作。現場需要整理資料、建立 SOP、教育員工使用，導入前就先增加負擔。

但如果產品被重新定義成降低設備停機、縮短故障排查、減少新人依賴資深人員的工具，討論就會回到管理者真正關心的數字：

• 一次設備停機造成多少產能損失
• 故障排查時間能否縮短
• 新進工程師獨立處理問題的時間能否下降
• 重複性品質異常能否更早被找出
• 叫修、等待與人工查找成本能否減少

同一個技術，不同定位，客戶感受到的價值完全不同。

產品不該賣「AI 可以讀文件」，而要賣「降低多久停機、少花多少排查時間、減少多少經驗依賴」。

資料問題不是技術細節，而是商業模式的核心

AI 模擬提出一個非常現實的問題：中小型工廠裡，真正能直接拿來做 RAG 的高品質資料可能很少…..

• SOP 可能在紙本。
• 維修紀錄可能寫在手寫表單。
• 故障經驗可能存在 LINE 群組。
• 設備圖紙可能是 PDF、掃描檔、CAD 檔。
• 真正關鍵的排查邏輯，可能只存在少數資深人員的腦中。

如果每個客戶都必須先花大量時間做 OCR、清理資料、建立設備代碼、整理文件、訪談老師傅，再把資料轉成可用知識庫，這個產品很快就會從 SaaS 變成高人力密度的顧問或 SI 專案。

這不是不能做，而是不能假裝它是一個低導入成本、能快速複製的純 SaaS 生意。

你可以用你的想法去問AI……你的商業模式。

更多文章…
募不到錢，不一定是投資人不懂：失敗後才看懂募資準備順序
Podcast Episode: 【Next PC】怎樣的需要與改變的 PC？一些還在發生中的觀察
50歲在職讀碩士?!不只是夢想，也不要想機會 — 其實簡單是一切的根本
老闆愛、工程師厭？
職場裡真誠耕耘與搶功勞的現實
管理者的常見誤區，你中了幾個？
你可以遠離的六種危險人格
10秒看透一個人的性格：心理學視角下的微妙觀察

• About
• 文章