AI 工具的半衰期

每一類軟體都有它的半衰期——也就是這一類工具被更好的東西取代,所需時間的中位數。文書處理軟體的半衰期很長;2026 年當紅的那款,明顯是 1996 年那批產品的後代。試算表也一樣。CRM、專案管理、甚至大多數手機 App——它們會演進,但汰換的速度是以「年」為單位在算的。

AI 工具這一類,不是這樣。

依我很不科學的估計,2026 年一個 AI 工具的半衰期,大概是十個月。我看過一些工具——設計得好、資金也充足、有真實用戶——不到一年就從「當紅」變成「沒人用」。九個月前我在用的那些,現在有一半我已經不碰了。而今天我在用的這些,按統計來說,大概也有一半撐不過接下來九個月。

這不是一句責備的話,而是一個結構性的觀察。這一類之所以不穩定,原因跟做工具的人偷不偷懶完全無關。底層模型會變。API 會重新定價、或直接停掉。新進者能一舉超車舊有玩家,因為那一躍不需要建基礎設施——只需要寫出一段更好的 prompt。2010 年保護一間 CRM 公司的那道護城河(多年累積的資料整合、堆疊起來的工作流綁定),對一個「全部價值都活在使用者輸入跟一次模型 API 呼叫之間」的工具來說,根本不存在。

有鑑於此,我開始做的事,是把注意力放在「哪些 AI 工具具備長半衰期的*特徵*」,而不是去賭某個別工具能活下來。

有內容的工具,比沒內容的活得久。 純粹只是「在 API 上面套一層 UI」的工具很脆弱;一旦底層模型從它的供應商那裡拿到一個更好的預設 UI,這層包裝就什麼都不剩了。而一個附帶精選過的模式庫、範例、或知識——由做的人親手打磨出來的內容——的工具,擁有一道不會因為模型改朝換代就蒸發掉的護城河。PromptCraft 想做的,就是屬於後面這一類。

有清楚觀點的工具,比沒有的活得久。 這聽起來很虛,但它其實是結構性的:一個對「某類使用者該怎麼用某個模型」有明確主張的工具,會產出一致的結果、養成使用者的習慣,而且擁有一個換掉模型也不會跟著消失的身分。一個「什麼都能 AI」的工具,基本上是在跟模型本身競爭——而這場仗,模型會贏。

把多種 AI 能力整合起來的工具,比只包一個模型的工具活得久。 如果一個工具把圖像生成 + 文字撰寫 + 結構化輸出,整合進一條真正解決某個實際任務的工作流,那麼護城河是這條工作流,而不是任何單一次的模型呼叫。每個環節都可以被替換掉,而使用者不會察覺。

做的人自己真的在用的工具,比做的人不用的活得久。 這是最有預測力的特徵,也是最容易看出來的。你通常在用一個工具的兩分鐘內,就能判斷出做它的人自己有沒有在用。做的人自己在用的工具,會有一些很怪、很具體的貼心設計——那種只有真正的使用者才會想到要加進去的東西。而他們自己不用的工具,會有一種順滑、通用、卻略帶空洞的感覺。

對我這個「做工具的人」來說,這代表的意義是:狠狠地往這四個特徵靠。做附帶內容的工具。做有觀點的工具。做工作流形狀、而不是模型包裝形狀的工具。而且永遠、永遠當那個東西的重度使用者。

對我這個「使用者」來說,這代表的意義是:比起以前,更能坦然接受工具的更迭。我今天愛用的工具,十二個月後大概不會是我的最愛。這不是背叛,而是這一類本來就這樣。正確的做法不是把自己鎖進某一個工具,而是讓自己的資料跟工作流保持夠可攜,可攜到「換工具的成本很低」。

我認為這段「快速半衰期」的時期,最終會趨於緩和。當模型收斂到一個能力的穩定高原,差異化就會移到介面跟策展上——而這兩者都是會隨時間複利累積的。撐過這段動盪期的工具——那些到 2028 年還在的——大概會表現得異常地好,因為它們在「什麼都在快速變動時」累積下來的信任,會在事情慢下來之後開始回報。

在那之前:為更迭而設計、預期更迭的到來,而且當你最愛的工具收攤時,別把它當成針對你個人。那不是對做工具的人的一場公投,而是「在一個地基不斷移動的領域裡,做任何東西」都會有的後果。