AI 咨询公司遍地开花：何时该自己做、何时该找真伙伴

来源

• 作者：Mark Ajzenstadt @mardehaym（LimestoneHQ 创始人，bio 自称约 $14M ARR）
• 原帖：https://x.com/mardehaym/status/2114644751605530674
• 时间：2026-10-26 约 17:06 Asia/Shanghai
• 互动（抓取时）：约 30 赞 / 17 收藏 / 11 转发 / 1600+ 曝光

核心玩法

作者观察到：问 ChatGPT「2026 年做什么生意来钱快」，「AI automation agency」几乎紧挨电商。市场正在两极分化：

• 底层：任何人有约 $200 订阅就能自称 AI 代办；LinkedIn 上半年前还在卖保险的人比比皆是。
• 顶层：模型实验室自己下场做服务——Anthropic 与 Blackstone/Goldman 的嵌入式工程（Ode）、OpenAI 的 Deployment Company（据帖称逾 $40 亿 backing）。Gartner 则预测到 2028 年约 70% 企业会放弃由厂商 FDE 搭的 agentic 系统，原因是维护成本绑架、客户自己改不动。

因此「AI 实施」供给爆炸，但不少公司其实还不需要外包。

不该找 AI 伙伴的情形

1. 只是让员工会用 AI → 培训、考核、日常督促，几乎不需要工程。
2. 营销/运营内容自动化 → Work 模式的 ChatGPT 订阅往往够一个人走大半程，工具每周在变，别在这里过度花钱。
3. 做原型验证 → 约 $100–200 的 Claude 订阅更合适。
4. 给还不会用 AI 的团队做定制平台 → 先让他们自己用 Claude 跑数据；给不用 Agent 的人做 Agent 等于空转。
5. 幻想「一个 AI 系统跑整个公司」 → 作者称 Limestone 客户里「Agent 互相协调」尚未跑通过一例。

真需要外包/深度交付的情形

1. 关键流只活在某个人笔记本上 → 对方休假，业务就休假。
2. 业务依赖的能力必须扛住模型更新 → 要托管、对照标准答案测回归、盯漂移。
3. AI 嵌在多客户产品里 → 一条提示词不能让客户 A 读到客户 B 的财务。
4. 碰到受监管数据 → 做窄而深：一工作流一权限、动作可追溯（例如合规名单核验）。
5. 前沿大模型杀鸡用牛刀 → 小模型/微调开源模型 + 自有算力更划算（作者提到自跑约 700 亿参数模型）。

硬规则：永远不要 vibe-code 你的 ERP / 会计 / CRM，只在其上叠加。交付物要成为公司资产——拥有代码与测试，团队能在原班人马离开后继续跑。若供应商「永远离不开」，那是挂了 AI 皮的咨询；若愿意按月证明价值，才像真伙伴。

可行性与风险

• 作者有真实交付背景与 ARR 自述，本帖未附客户合同或账单截图；Gartner/实验室合作细节为公开新闻转述，请自行核对。
• 「开 AI 代办公司」对普通人仍是高竞争赛道；本帖价值在筛客户与定价边界，不是「零基础三天上岸」。
• 自建 Agent 交付的合规、权限、漂移成本常被低估。

怎么做

1. 先判断你卖的是培训、内容自动化，还是「生产级工作流」——前两类尽量产品化/自助，别按人天硬卖。
2. 接单前用清单过滤：是否单点故障、是否多租户、是否监管、是否要抗模型换代。
3. 报价写清：代码与测试归客户、每月可验收的漂移检查、退出条款。
4. 独立开发者可把「窄工作流 + 可追溯」做成模板，而不是再开一家泛泛的「AI 代办」。

需要什么

• 技能：能把业务拆成可验收工作流；懂权限与评测基本概念
• 资金：自用 Claude/ChatGPT 订阅；真交付还需托管与测试环境
• 时间：售前诊断往往比写 Prompt 更久
• 账号：LinkedIn/客户渠道；可选云与观测工具

AI 自动化潜力

• 高：原型、内容草稿、单人笔记本流程的脚本化
• 中：带回归测试的托管 Agent（需人工盯漂移）
• 低 / 禁止全自动：ERP/财务核心、跨客户数据、监管动作的最终放行

案例与数据均为原帖转述，收入与效果请自行核实。