「用 AI 賺錢」不是商業定位，只是一個尚未回答客戶、價值與收入來源的願望。
這五本商業模式經典，可以把模糊的技能清單，轉成清楚的客群、獨特價值、產品階梯與可驗證的獲利閉環。
▋ Belief：工具很多，不代表你知道自己在賣什麼
一人公司最常見的困境，不是不努力，而是能力太多：會教學、會寫內容、會自動化、會操作十幾種 AI 工具，於是對外介紹時只剩下「我什麼都能做」。客戶聽見的卻不是彈性，而是不確定你究竟能替他解決哪一個昂貴問題。
AI 是生產手段，不是價值主張。餐廳不會把瓦斯爐當成定位，顧問也不該只用模型名稱、Prompt 技巧或工具數量定義自己。
定位不是你會什麼，而是誰在什麼情境下，願意為哪一個結果付費。
先破除三個常見迷思
- 迷思一，先學更多工具就會找到方向：工具只會放大既有方向；沒有目標時，它也會放大混亂。
- 迷思二，客群越廣機會越多：當每個人都是客戶，訊息就無法刺中任何人的急迫問題。
- 迷思三，自動化越多利潤越高：尚未被客戶驗證的流程，自動化後只是更快速地生產沒人要的東西。
因此，商業模式設計的順序應該是：先確認付費問題，再設計交付方式，最後才選工具。反過來做，往往會得到一套技術漂亮、卻沒有需求的系統。
▋ Desire：從出賣時間，走向可重複交付的價值
一人公司真正想要的，不只是接到更多案子，而是降低每次交付都從零開始的壓力。理想狀態是把自己解決過的問題，整理成診斷表、方法、模板、工作流與知識資產，讓下一次服務更快、更穩、更能複製。
這不是要求你立刻停止一對一服務。恰恰相反，早期的一對一服務是最好的需求研究：你能直接觀察客戶怎麼描述問題、在哪裡卡住、願意為什麼結果付費，以及哪些步驟具有標準化機會。
你要建立的是產品階梯，而不是工具清單
- 入口層：用文章、講座或自我檢核表，協助客戶辨認問題。
- 診斷層：提供有範圍、有輸出的付費健檢，找出流程、知識與權限缺口。
- 建置層：把診斷結果轉成可執行的 AI 工作系統、SOP 或產品化服務。
- 治理層：以持續優化、教育訓練、維護與風險管理，確保系統不因人員或工具變動而失效。
這條階梯讓客戶逐步建立信任，也讓你不必一開始就承諾龐大專案。每一層都留下可重複使用的資產，才有機會從「賣時間」轉向「賣系統」。
▋ Intention：用五本經典完成商業模式重建
第一本：《獲利世代》——把模糊願望攤成九個問題
《獲利世代》的商業模式圖，將商業拆成客戶區隔、價值主張、通路、客戶關係、收入來源、關鍵資源、關鍵活動、關鍵合作夥伴與成本結構。它的價值不在畫出漂亮九宮格，而在逼你看見各區塊是否互相支持。
對一人公司而言，最先要回答的是：我服務哪一群人？他們正在付出什麼成本？我交付的結果是什麼？他們如何找到我？收入是否足以覆蓋交付與維護？若其中一格只能寫「大家」或「看情況」，表示定位仍未完成。
第二本：《從 0 到 1》——不要問 AI 能做什麼，要問為什麼是你
「不要做第 n 個，要做唯一」提醒你，工具能力很容易被複製，經驗組合卻不容易。真正的獨特性可能來自你熟悉的產業、長期累積的案例、教學能力、在地信任、資料治理方法與陪伴落地能力。
請寫下三個句子：「我比一般 AI 顧問更懂哪一種現場？」「我親自解決過哪一種痛苦？」「我能留下什麼別人只會講、卻建不出來的資產？」答案的交集，才是可被市場驗證的唯一性假設。
第三本：《商業模式大全》——先借用成熟模式，再做小規模實驗
這本書整理 63 種企業獲利模式，適合當作商業設計的武器庫，而不是照抄大型企業。對一人公司來說，可以先從三種結構比較：一次性診斷、產品化建置、持續治理服務。
不要一次推出所有模式。為每個候選方案寫下客戶承諾、交付範圍、需要投入的時間、可重用程度與續約理由，再選一個最容易驗證的版本測試。
第四本：《商業模式轉型》——從接案者遷移成系統服務商
轉型不是把舊服務全部關掉，再賭一個新產品。較穩健的做法，是保留能產生現金與洞察的一對一服務，同時把其中高頻步驟逐步標準化。
第一次留下診斷清單，第二次形成交付模板，第三次把共同問題整理成工作流，第四次才考慮課程、工具包或小組服務。每一次服務都應減少下一次從零開始的比例。
第五本：《創新的兩難》——客戶抗拒 AI，往往不是因為不懂
傳統企業即使知道 AI 有潛力，也可能因既有客戶、流程、責任與利潤結構而合理地延後採用。這不是一句「擁抱改變」就能解決的心理問題，而是導入風險與既有系統之間的結構衝突。
你的服務不應要求客戶一次推翻全部流程，而應設計一個低風險入口：選擇高頻、規則清楚、錯誤可逆的任務，保留人工覆核，先證明效果，再逐步擴大。降低採用阻力，本身就是價值主張的一部分。
▋ 四週行動計畫：把閱讀變成市場證據
第一週，畫出現在的 Canvas：只描述真實狀態，不寫理想願景。圈出最模糊的三格，尤其是客群、價值主張與收入來源。
第二週，訪談五位目標客戶：不要問「你會不會買」，而要問最近一次問題何時發生、目前如何處理、付出了多少時間與風險、誰有預算決定權。訪談目的是取得語言與行為證據，不是推銷。
第三週，設計一個最小付費方案：限定對象、問題、時程、交付物與不包含事項。先用人工完成，驗證客戶是否願意為結果付費，再判斷哪些環節值得用 AI 加速。
第四週，檢視轉型與阻力：記錄哪個承諾最吸引人、哪個步驟最耗時、客戶在哪裡猶豫、哪些產出能重複使用。依證據調整 Canvas，而不是依自己的興奮程度增加功能。
成本與 ROI：先驗證付費問題，再購買工具
評估工具時，不要只看月費，而要看它是否減少交付時間、降低錯誤、提升一致性，或創造可重複銷售的資產。若一套工具需要大量維護、只有一個低頻用途，或無法改善客戶結果，即使價格不高，也可能是負報酬。
最務實的判斷方式是建立簡單記錄：每次服務投入哪些工時、哪些步驟可以重用、客戶為哪個結果付費、導入工具後人工介入是否真的下降。沒有需求證據之前，軟體訂閱不是投資，而是尚未驗證的成本。
你不需要再學會第十一個 AI 工具；你需要讓第一個付費問題，變成一套可以重複交付的解法。
▋ 最後的定位測試：一句話能不能讓對的人認出自己？
試著完成這句話：「我協助某一類客戶，把某一種昂貴的混亂，轉成某一項可持續運作的能力。」如果這句話仍然充滿「任何人、各種需求、提升效率」，就回到客戶訪談與付費證據。
定位不是關上所有門，而是先讓一扇門清楚到值得被敲響。當客戶、價值、交付、收入與成本形成閉環，AI 才會從炫目的工具，變成你商業模式裡真正的創造性槓桿。
