在使用 AI 的两年半时光里，我常运用 12 个思维模型。比如复利思维，让我明白持续积累的力量；二八法则，让我聚焦关键事务以获取最大效益；系统思维，促使我从整体角度看待问题，避免片面性；逆向思维，让我能从相反方向寻找突破；增长黑客思维，助力我在数字化领域快速提升；金字塔原理，使我的表达和逻辑更清晰有条理。还有演化思维、边界思维、杠杆思维等，它们如同 12 把利器，在不同情境下为我提供精准的思考角度和解决之道，极大地提升了我的认知和行动能力。

2022年12月，第一次试用ChatGPT，一下子着迷。

于是，两个月后，几乎不怎么写公众号的我，因为ChatGPT，又开始了一段时间的公众号创作。

2023年2月10日，写了第一篇关于ChatGPT的思考：《关于ChatGPT的20条思考，尤其是赚钱的机会》。

现在回看这篇文章，还挺让人回味的。

基于这些基本的初步认知，我开启了AI学习与公司转型之旅，通过两年多的学习与探索，无论是之前还保留的业务，还是目前正在进行中的AI项目，对我来说，因为AI，目前的状态是创业六年中最好的时候。

正是有了这两年多的各种探索和实践，才能和向阳在很短的时间内原创设计出一套AI课程理论体系并产品化。

因此，借着这个机会，也给大家分享和总结下，用AI两年半，我经常用到的这12个思维模型，它们对我的学习与创业帮助很大。

它们刚好对应： 发现问题 → 拆解问题 → 验证/迭代三个阶段。

一、发现问题

大部分的AI想法试验失败，不是技术不行，而是方向和问题就错了。

可以想想：我们把多少时间、金钱、精力，浪费在了错误的问题上？

1. 乔哈里窗

理解乔哈里视窗模型，有助于我们理解边界和预期，以及不同象限中的机会。

充分实践和理解在“AI不知道”这两个象限的商业机会。

也正是因为这个沟通视窗，我对AI能力的边界才有了一个更清晰的认识，有的时候它是大哥，有的时候它是超级员工，有的时候它是实习生，有的时候它是师友。

对自己而言，尤其需要敬畏“我不知道”这个象限，以免在错误假设上反复投入。

在课程里，对于不同象限的AI使用策略设计：

2. 黄金圈法则：先问Why

明确我们为什么要用AI做这件事？

只有目的清晰，工具才不会变成华而不实的噱头，以及可以尽量避免为了做而做的问题。

比如：通过反复追问“Why”来避免开发一个技术很酷但实际需求不大的AI产品。

3. 二八法则：锁定20%的高价值要素

把注意力集中在最关键的客户、功能或痛点上，而不是一开始就追求“大而全”，避免资源和精力浪费。

无论对于工作，还是生活，这个原则，一直高频使用。

在模型中，进行沟通与风暴时，往往也会加上这样一句，便于我快速了解核心关键信息。

4. 用户场景思维：走进真实场景

亲自体验用户流程，洞察未被言说的需求，尤其是一些自嗨似的设计。

除了亲自体验，还可以利用AI模拟用户行为，或者通过AI分析用户反馈数据，来发现潜在的新机会。

二、拆解问题

核心是把问题拆解成可执行模块或任务。

5. 金字塔原理 + MECE：结构化拆解

先给结论，再分层展开；每一层“相互独立，完全穷尽”。

这同样适用于 Prompt、业务流程或OKR的设计。

在涉及到一些项目的复杂提示词时，金字塔原理+MECE，可以更好地确保逻辑清晰、覆盖全面。

最近和向阳的OKR管理，也是基于金字塔原理，在第一版OKR中，我们穷尽目前需要做的必要工作，工作确实清晰了很多。

6. 奥卡姆剃刀：拥抱最简单的闭环

在多个解决方案中，优先选择能闭环且最简单的那一个，防止过度工程化、复杂化。

无论是设计OKR，还是设计产品功能，总是希望一上来就全面而复杂，想得太多，执行越难。

以OKR为例，我们基于MECE原则设计的目标与任务，通过奥卡姆可以进行大量的优化，我们也发现，做加法很容易，做剃刀有点难。

7. 第一性原理：回到本质变量

将问题分解到物理单位或数学量纲，再重新组合，经常可以产生颠覆式的新解。

这一点上，在我们设计课程时会经常用到，拆解到核心要素，基于底层原理，来设计我们的课程，就有可能达成我们长销课的目标。

在AI产品的思考上，将“效率”、“信息获取”、“决策支持”等AI的核心本质能力，作为第一性原理，重新思考业务流程或产品设计。

8. AI‑First思维：先问AI能否代劳

拆解步骤时，优先判断“这一步能否被AI自动完成或放大？”再决定人机分工，然后释放人的创造力，去做高杠杆的事。

但在前期养成思维习惯时，可以更激进一些，一切优先问下AI、这一原则应用上其实挺多的，除了个人，在工具的职能迭代上（也可以应用），比如AI客服、AI销售、AI运营等。

三、验证/迭代

通过数据驱动验证和迭代。

9. MVP思维：用一天做出60分原型

快速上线最小可行性产品，然后触达真实用户，用数据说话。

如果指标离预期相差很多，立即止损迭代，而不是陷入沉没成本陷阱。

这里的沉没成本陷阱，（我）在吃过多次亏之后得出一个结论：不要把沉没成本看作成本。

10. 迭代思维：Prompt → Output → Review → Prompt²…

小步快跑，快速闭环，比一次到位更接近最优。

在去年我们上线自研的AI客服系统后，提示词在很短的时间内就迭代了十几版。

迭代思维在我们的课程里，是一个非常重要的AI方法，最近我们的直播从第一次到第三次，我们自己也能感受到每一次的“进步”。

11. 复利思维：把最佳方案沉淀为资产

将高ROI的Prompt、脚本与自动化流程存入知识库，或固化为Agent。

这一点，对我帮助很大，尤其是高ROI的Prompt。

复利思维告诉我们，尽量多做有杠杆的事情，在AI时代，很多高杠杆的事情，可以通过AI进行组合或被进一步放大。

比如：内容+AI，软件+AI，团队+AI；这三种杠杆通过各种形式组合在一起，形成多重组合杠杆效应，会进一步提升我们的人效。

12. ROI思维：成本与收益意识

大部分人并没有成本意识，当创业后发现，没有成本意识就一定会亏很多钱，成本无处不在。

但成本这个概念，搞清楚并不容易，还有不少“成本”其实应该叫“投资”，还有不少“成本”看不见摸不着，比如时间成本与机会成本。

我写一篇随笔，给自己的时间进行定价，这样会倒逼自己把事情用在更有价值的事情上，很多时候，我们容易被一些鸡毛蒜皮的小事干扰，是因为我们缺乏时间定价的意识。

有了成本意识，就会更容易理解收益意识。

希望今天的分享，能帮你避开一些信息噪音，用最短路径把AI变成业绩加速器。

本文来自微信公众号：姚金刚，作者：姚金刚