LLM 是创始人的猫薄荷。守住自己的车道。

对创始人来说,LLM 就像猫薄荷:让人上瘾、令人陶醉,是通往幻想国的单程票。我永远不会停止鼓励新技术,也不会劝阻任何人去尝试。但如果事情开始变得严肃,与其每月花 200 美元订阅 ChatGPT Pro,不如聘请一位顾问。MIT NANDA 在 2025 年研究了 300 个企业 AI 部署案例,发现 95% 没有带来任何可衡量的成效。问题很少出在模型本身,而在于围绕它的人类判断。

阅读约 3 分钟4 个章节2026年5月1日

为什么创始人会爱上 LLM

你向 LLM 提一个问题。它给出一个雄辩的回答。你觉得自己更聪明了。你再问一个问题。它又给出一个雄辩的回答。你觉得自己更加聪明了。

四十分钟后,你已经有了一份战略计划、一套技术架构、一份产品路线图和一套营销定位,而这一切都出自一个从未见过你的客户、从未看过你的账本、也对你的结果毫无利害关系的存在之手。

LLM 并没有对你撒谎。它在做它被训练去做的事:生成与你所提要求相匹配的文本。现代模型基于人类反馈(RLHF)训练,而这种训练优化的是人们打高分的答案,而非真实的答案。研究者称这种现象为阿谀(sycophancy),2025 年《Science》上的一项研究在所测试的全部 17 个模型中都发现了它:即便用户明显错了,AI 仍会附和。问题在于,你要的是信心,得到的也是信心。你没有要那些刺耳的真相。

这在哪里变得危险

当创始人用 LLM 来做决策,而不是用来生成选项时。

生成选项是正确的用法。头脑风暴出 20 个名字。勾勒一个结构。起草一封邮件。加快那些无聊的部分。在这方面 LLM 非常出色。

做决策是错误的用法。我们该不该转型。该不该招人。该不该融资。该不该裁员。该不该押注这个市场。LLM 对结果毫无利害关系,也没有关于你具体处境的背景。让它来决定,就是让自动补全来驾驶你的企业。

失败的方式很微妙。你开始用 LLM 做些小决策。每一个都显得无害。三个月后,你的路线图就被 LLM 在无人参与的对话中所说的市场趋势所左右了。这正是 MIT NANDA 在其 2025 年《State of AI in Business》报告中记录的:在 52 次高管访谈和 300 个部署中,95% 的生成式 AI 试点没有带来任何可衡量的回报,而原因几乎从来不是模型。而是没人把它的输出接入真实的工作流,也没人用真实的成果去检验它。

何时应改为聘请真人

有三个信号告诉你,是时候聘请顾问或专家,而不是去问 LLM 了。

第一:该决策影响营收或资金跑道。任何实质性改变企业财务轨迹的事,都值得交给一个有切身利害、并对建议负责的人。

第二:该决策不可逆。招聘、裁员、签订长期合同、选择一个你将要相伴 5 年的技术栈。LLM 会给出一个自信的答案,但它仍可能是错的,而且问题越难,出错率越高。2025 年 11 月,当 Vectara 把它的幻觉基准换成一组更难的文章时,包括 GPT-5、Claude Sonnet 4.5 和 Gemini 3 Pro 在内的顶级模型,在有据摘要这项它们过去拿手的任务上,幻觉率全都超过了 10%。可逆性很重要,因为无论答案对错,读起来完全一样。

第三:该决策需要 LLM 所不具备的背景。你与客户的关系。你的团队动态。你的竞争格局。你个人的精力。这些 LLM 一概没有,它只会给出一个适合任何人的通用答案,也就意味着不适合任何人。

Pineido 的观点

我们在 Pineido 每天都使用 LLM。它们是生产力的倍增器。它们编写测试、起草文档、为代码做原型、生成分析。没有它们我们将无法运转。

但我们也不让它们做决策。我们给客户的每一条建议,都由一个读过整个处境、与团队交谈过、并对结果是否正确有切身利害的人来审阅。LLM 是研究助理,不是合伙人。这正是 MIT NANDA 报告在那 5% 成功的 AI 项目与 95% 失败的项目之间划下的同一条界线:成功者挑了一个真实的痛点,并把它接入真正的工作流,而不是让聊天机器人即兴发挥战略。

如果你经营一家服务型企业,却在从 ChatGPT 那里获取战略建议,请停下。改为购买一次与顾问或专家的会谈。ChatGPT Pro 如今最高一档每月 200 美元。二十个月加起来就是一位 4000 美元的顾问。顾问会说出 LLM 太客气而不愿说的刺耳真相,因为 LLM 实实在在被训练成不会说它们。记得 2025 年 4 月吗,当时 OpenAI 不得不回滚 GPT-4o,因为它对糟糕的点子夸得太起劲了。

别在自己的车里当个坐副驾的公主。守住自己的车道。注意安全。眼睛盯着路,双手扶好方向盘。

每周获取运营洞见

加入服务型企业的运营者,每周收到一条关于运营、自动化和增长的可执行洞见。

正在确认您是真人,稍后即可发送。

绝无垃圾邮件,可随时退订。

订阅成功!请留意收件箱中的下一期内容。

准备好交付了吗?

告诉我们您卡在哪里。我们会进行评估,并在一个工作日内给出有针对性的建议。

常见问题

你是在说 LLM 不好吗?

不是。LLM 在生成选项、撰写初稿、总结文档和加快无聊工作方面非常出色。但它们不擅长在它们看不到的特定业务背景中判断什么才重要,而且它们被训练成顺着你而不是纠正你,正因如此,2025 年《Science》的一项研究在所测试的每一个模型中都发现了阿谀现象。

我怎么知道自己是否用错了 LLM?

三个迹象。第一,你用它们做战略决策,而不只是头脑风暴。第二,你在没有外部审阅的情况下就实施它们的建议。第三,你的路线图发生了变化,而团队无法把这些变化追溯到任何一次真实的对话。MIT NANDA 发现 95% 的企业 AI 试点正是因为这个原因而失败:没人把输出锚定在真实的工作流里。

我什么时候该改为聘请顾问?

当决策影响营收或资金跑道时,当它不可逆时,或当它需要只有真人才能拥有的背景时。无论对错,模型读起来都一样自信,而在难题上,即便是 GPT-5 和 Claude Sonnet 4.5,在有据任务上的幻觉率也超过 10%。其余情况下,LLM 作为研究助理都没问题。

Pineido 如何使用 LLM?

每天都用,用于提升生产力。从不用来向客户提出建议。每一条建议都由一个对结果有切身利害的人来审阅,这正是把那 5% 成功的 AI 项目与 95% 失败的项目区分开来的那份纪律。

作者

Kostadin Stamboliev

创始人兼 Imaginator

Pineido 创始人兼 Imaginator。从事 IT 咨询、应用与网站开发、技术 SEO 以及 AI 与自动化。以 30 天冲刺交付生产代码,范围固定,责任明确。

领英