一個電影攝影五金製造業業務的觀察
我在電影攝影器材的五金製造業工作。我們的產品，是那種攝影師用來固定鏡頭、穩定機身的精密零件。差 0.01 毫米，整個拍攝就廢了。
所以在這個行業，做任何事都有一個前置動作：先確認圖面。這個零件要裝在哪裡、承受什麼力、給誰用、做幾個。沒有這些，再精密的加工也是廢料。
但我開始用 AI 工作之後，我把這個習慣丟掉了。
第一個問題：我不知道自己在產出什麼
效率確實提升了。提案、開發信、市場分析——以前要半天的事，現在一小時就有初稿。
但我發現一件沒人告訴我的事：產出越快，我越搞不清楚那份東西能拿來做什麼。
一份漂亮的市場分析，放著。一封很專業的開發信，沒發出去。一個整理好的產品介紹，不知道要貼哪裡。
問題不在 AI。問題在我，沒有先想清楚：
這是給誰看的？用在哪個場景？我現在真正要解決的是什麼？
沒有這個「錨點」，效率越高，焦慮越深。你只是更快速地——不知道自己在做什麼。
第二個問題：客戶不知道可能性是有代價的
這個問題，我現在也開始在客戶端看到。
以前客戶來找我們，往往只知道一種解決方案——通常是他們看過、用過、或聽說過的那種。但站在生產角度，同樣的應用場景其實有很多種做法：不同材質、不同工法、不同結構，對應的成本和起訂量可以差上十倍。
現在有了 AI，這個情況變得更複雜。
客戶可以用 AI 模擬出十幾種產品情境圖，每一張都很精緻，每一種看起來都「可以做」。他們帶著這些圖來找我，充滿信心。
但 AI 不會告訴他們：這個設計光開模就要幾十萬，最小起訂量是五千件。那個看起來更簡單的版本，反而更符合他的實際需求和預算。
AI 極度擅長「擴展可能性」。
但它不知道每一種可能性，在現實裡要付出什麼代價。
兩個問題，同一個根源
我後來發現，這兩個問題其實是同一件事的兩面。
AI 很會「加工」，但它需要圖面。
那份圖面——那個錨點——來自你對現實的理解：你的使用場景、你的預算限制、你的生產經驗、你對「這東西最終要裝在哪裡」的判斷。
這些，是 AI 給不了的東西。
所以現在，不管是自己用 AI 之前，還是客戶拿著 AI 生成的圖來找我，我都會先做同一件事：
- 這個東西最終要解決什麼問題？
- 給誰用？在什麼條件下？
- 實際的數量和預算是多少？
