全文 4,000字 | 閱讀約 13 分鐘

（HubSpot 創(chuàng)始人的完整 AI 使用框架）

“你如何面對 AI ？”

INBOUND 2025 大會現(xiàn)場，HubSpot 聯(lián)合創(chuàng)始人、CTO Dharmesh Shah 面對臺下 6000 多名參會者。他拋出了第一個問題。結(jié)果出人意料：

三分之一的人理解成“如何對抗 AI”； 三分之二的人理解成“如何靠 AI 贏”。

他停頓了一秒，說：

問題不在于如何與 AI 競爭，而在于如何讓 AI 成為你的倍增器。

一句話，點明了 AI 使用者間的關鍵差距。

2022 年底，AI 帶來了一場信息爆炸； 2024 年，AI 進入各類工具、插件、流程里； 而 2025 年的主題不是“AI 有多強”，而是“你有沒有熟練用上 AI？”

這場演講沒有談趨勢，也沒談性能。他給出極具體的回答：個人怎么用 AI 提效，團隊怎么建立 AI 流程，組織怎么構(gòu)建混合模式。

都是實操，不是概念。

一、GPT 是什么，終于講清了

“GPT 是什么？”

“AI 到底是怎么想的？”

“它怎么可能一口氣寫出 2000 字文章？”

臺下有人問，Dharmesh 并沒給出一堆名詞，而是給了一個畫面：

“你可以把 GPT 想象成一個超級聰明的文字接龍高手。它的任務是預測下一個詞，僅此而已。”

他舉了個例子： 你輸入“馬跳過了___”，它就開始猜，“可能是柵欄”“也許是水坑”…… 不是硬編，是把它訓練過的大量信息重新組合，把最可能的詞填進去。

它每次只看你給的內(nèi)容，只想一件事：下一個詞是什么？ 然后不斷重復這個過程，一個詞接一個詞。 這就是它能寫出整篇文章的原因。

它不是會思考的魔法生物。它是個非常努力的預測機器。

但為什么它預測得那么準？

Dharmesh說，這背后，是一個幾乎沒人講清楚的過程。

他講了個畫面感極強的比喻：

“想象一臺機器，上面有數(shù)十億個旋鈕，像八九十年代的立體聲音響那樣。AI公司把互聯(lián)網(wǎng)上能找到的所有內(nèi)容都喂進去，網(wǎng)頁、維基百科、Reddit評論，應有盡有。每喂一段，就問：你猜的'下一個詞'對了嗎？”

如果錯了？那就調(diào)整旋鈕。

再喂一次，再猜，再糾正。

這就是所謂的預訓練：不斷嘗試，直到能準確預測。

不是它聰明，而是它學過。而且是花了好幾個月時間，試了幾十億次。

你可能會問，那這些“旋鈕”到底代表什么？

不用糾結(jié)，它們就像人類腦中的“條件反射”。AI 并不理解意義，但它確實能在你說“幼兒搭建了___”時，知道“積木”比“論文”更合理。

這一點，也讓 Dharmesh 忍不住加了一句自嘲：

“預測得好到讓人分不清是人在寫，還是機器在寫的?！?/p>

關鍵在于，這套預測機制背后的邏輯，你也能學會運用。

理解了AI 的工作原理，就能開始真正用好它。

二、你說得不清楚，AI當然干不好

很多人用 AI，用一次覺得不準，就下結(jié)論說：“這玩意兒不行?！?/p>

但 Dharmesh 給出了不同的答案：

“AI 沒有問題，是你喂它的東西不夠。它不是魔法師，它是個熟練實習生?！?/p>

什么意思？

它很聰明，什么知識都學過，但對你的具體情況一無所知。不知道你公司的流程、不知道你的客戶背景，甚至不知道你想要什么樣的報告。

而大多數(shù)人，對 AI 的用法，仍然停留在一句話：幫我寫個營銷方案。

這就像你丟給實習生一張便利貼：寫一份我喜歡的PPT，然后怪他不懂你想表達什么。

Dharmesh 提出了一個簡單清楚的公式：

結(jié)果質(zhì)量 = 模型 × 提示 × 上下文

模型方面，現(xiàn)在主流就那幾個：GPT、Claude、Gemini、DeepSeek等。 重點是后兩項：你怎么說，你告訴了它多少背景。

他提出了 PART 框架，給 AI 四樣東西：

• Prompt：你給它的提示，也就是你問的問題。不是“寫一篇文章”，而是“寫一篇給90后HR看的招聘計劃，150字以內(nèi)”。

• Archive：歷史對話記錄，包括你的風格喜好、過往用詞習慣。

• Resource：手頭資料，PDF、Excel、品牌手冊等，能直接導入的都算。

• Tool：允許它調(diào)用的工具，比如聯(lián)網(wǎng)搜索、數(shù)據(jù)庫、公司知識庫。

如果你不給背景，它就是無頭蒼蠅；信息越全面，它就越像專屬助手。最厲害的 AI 不是什么都能答，而是能讀懂你的真實意圖。

然后他提到一個很多人沒用過，但用一次就離不開的功能：自定義指令（Custom Instructions）

就像給AI寫一份“使用說明書”：

• “我是做電商的，我的客戶是服裝店主”

• “我喜歡短句直說，不要用空話”

• “我希望你像咨詢顧問一樣回答問題”

設置一次，它就永遠記得你是誰、做什么、需要什么樣的幫助。

Dharmesh 的原話是：

“這是我最推薦的 10 分鐘投資，帶來終身回報。”

還有一種做法叫 “元提示”，更簡單粗暴：把你平時用的提示，直接交給 AI，讓它幫你改得更好。

你可以說：“這是我平常寫的提示，你能不能幫我優(yōu)化？你可以問我問題，了解我要的目標。”

AI會回問你：

“目標受眾是誰？”

“你希望口吻是什么？”

“你想多長？”......

等你答完，它會給你一個更適合的提示結(jié)構(gòu)。

這不是技術技巧，是思維方式的轉(zhuǎn)變。你不是把任務丟給它，而是把它當成你的寫作搭檔。

說到底，無論是自定義指令還是元提示，核心都是一個道理：

用 AI 的關鍵不在它會不會，而在你說沒說清楚。

三、不是替代你，是增強你

每當談到 AI，總有人擔心：我的工作會被取代嗎？

Dharmesh 沒說“不會”。

他說的是另一種更直接的提醒：

“你該擔心的，不是 AI 會不會搶你工作，而是用 AI 的人會不會做得比你好?！?/p>

真正讓你掉隊的，不是 AI 變強了，而是你沒學會用它來提升自己。AI 是指數(shù)級放大器，不是接管者。

這句話的重點是，放大誰的能力。

在演講中，Dharmesh 用了一個很有說服力的對比來說明這一點：

他自己小時候，住在印度小鎮(zhèn)，沒有電視，沒有冰箱，連電話都沒有。 牛奶每天是從街口送上門的，真正的“從牛到餐桌”。直到他成年之后，才第一次接觸電腦、第一次學會用網(wǎng)絡查資料。

而他的兒子，從 11 歲就開始用 ChatGPT，天然地把 AI 當作學習和工作伙伴。

這個對比說明什么？說明每一代人都有自己的技術拐點。錯過了，就可能被時代甩開。

他也講了自己現(xiàn)在的日常。

白天是 CTO，晚上也一樣。 他凌晨三點半寫代碼，搭了一個自己的 AI 代理， 把所有講稿、演講筆記、刪掉的段落、開場的笑話……全都喂進去。 變成一個能幫他準備演講、排練內(nèi)容、提醒結(jié)構(gòu)的“數(shù)字助手”。

這個代理你可以在 you.ai 找到。免費、開源，任何人都能試。

不是要你也熬夜三點做項目。是想告訴你，你完全可以把 AI 變成你最了解的搭檔。

他把這種關系描述為：“AI × 你”

“它不是來接管你，是來幫你變成更好的你?！?/p>

道理很簡單：人類不只是完成任務，還有判斷力、表達力、感受力。AI做不了這些，但能讓你從重復性工作中解脫出來。

這就是他要講的重點：

“AI越強，我們越有機會回到人最擅長的部分。不是被替代，而是讓你告別重復、低價值的工作，有更多時間思考、試錯，決定真正想表達什么?！?/p>

不是要跟 AI 較勁，而是要學會用它。

聰明的做法是：讓它處理適合的部分，你專注于真正有價值的工作。

四、團隊用 AI，走哪步？

用 AI，最容易的，是一個人試試。

最難的，是讓一個 8000 人的團隊，都愿意用、都知道怎么用、還能用出成果。

Dharmesh 很直接地說：

“推廣 AI 不是寫個公告讓大家去試一下。真正的采納靠的是小步實驗、反復迭代，讓大家能用起來。”

他的比喻很貼切：

AI 的落地，不是散步，是爬山。

很多公司把 AI 當成“年會亮點”或者“戰(zhàn)略聲明”，但員工每天打開工具，還是不會用，不敢用，不想用。

他舉了 HubSpot 自己的例子：

“我們不是鼓勵大家試試 AI，我們是明確告訴大家：我們希望你用 AI，也會教你怎么用?！?/p>

所以他們內(nèi)部做了三件事：

1. 設定明確期待：“每個人都用 AI，而不是自愿參與”

“不是選項，是工作方式的更新?！?/p>

關鍵差別是，這不是鼓勵，而是對工作標準的重新定義。

在招聘時，他們就會觀察一個信號：你對 AI 的好奇心夠不夠？你有沒有嘗試過讓 AI 做事？

你不需要是專家，但至少要有學習的意愿。

1. 給出具體路徑：先小用，再整合

Dharmesh說：

“開始的方法不是開會宣布說‘我們要用AI’，而是看看能不能在具體流程中加入 AI”

比如：

• 寫一封冷啟動郵件？試試讓 AI 起個草稿。

• 匯總銷售線索？試試讓 AI 做個初步分類。

• 回客戶問題？先讓 AI 回一版，再人工改。

他們發(fā)現(xiàn)，員工一旦嘗到 AI 提效的甜頭，就會主動探索更多用法。

1. 搭建AI工具平臺，讓員工互相學習

最有代表性的，就是他們?nèi)ツ臧l(fā)布的AI agent 平臺。

Dharmesh 的思路是：

“給每個員工一個地方，可以使用別人做的 AI 工具，也可以試著改進，甚至自己構(gòu)建一個?！?/p>

效果很明顯：

• 2024 年平臺剛上線時，只有不到 5 萬人用；

• 到 2025 年 INBOUND 大會時，他宣布：超過 200 萬人在使用，2.6 萬人構(gòu)建了自己的 AI agent，1800 個 agent 開放給社區(qū)復用。

這些代理覆蓋了營銷、客服、流程監(jiān)控、文檔生成……幾乎能想到的場景。

目標不是人人會訓練模型，而是人人能構(gòu)建自己的 AI 助手。

基于這些實踐，他總結(jié)了一個方法框架，叫做 TEAM（團隊使用 AI 的四個動作）：

1. T = 分類（Tasks）：列出你日常工作的任務清單

2. E = 嘗試（Experiment）：挑一個任務，試著加點 AI

3. A = 自動化（Automate）：一旦可行，把它變成穩(wěn)定流程

4. M = 測量（Measure）：看看結(jié)果，比原來快多少、準多少

這個框架，不抽象。 你是設計師，可以試著讓 AI 寫初稿文案； 你是運營，可以讓 AI 歸類客戶問題； 你是創(chuàng)作者，可以讓 AI 整理過往作品風格。

關鍵不是全公司統(tǒng)一部署，你只需要找到一個具體場景，讓 AI 真正幫上忙。

一旦有了成功體驗，問題就從“要不要用AI”變成了“怎么用得更好”。

這才是真正的落地：不是宣傳，不是鼓勵，靠實際效果說話。

五、AI 代理來了，團隊要變了

當大多數(shù)人還在讓AI寫文案、改郵件時，Dharmesh已經(jīng)看到了新趨勢：

“你給個目標，它去執(zhí)行流程?！?/p>

AI 正在從對話工具，變成行動型伙伴。

他舉了一個例子，什么叫“行動型”：

“比如你對 AI 說：去找我 CEO 最近發(fā)布的視頻 → 生成轉(zhuǎn)錄 → 判斷內(nèi)容是否相關 → 總結(jié)內(nèi)容 → 發(fā)郵件給我?！?/p>

不是一個請求，是一整段流程。 以前你要一個人來做這些，或者拆成 5 個工具。 現(xiàn)在一個AI代理就能完成，它不是等你一句一句提示，而是自己跑完整個流程。

他凌晨 3:30 親手搭建了一個，把自己講過的演講、素材、轉(zhuǎn)錄、甚至沒講的段子全都喂進去。做成了一個能和別人聊天的代理，專門回答“Dharmesh 是怎么想、怎么說、怎么改”的問題。

“我把它放在 you.ai 平臺上免費開放。不是要做產(chǎn)品，就是想試試能不能讓 AI 替我回答這類問題?！?/p>

這個小實驗，背后有個更大的目標：

未來每個人都可以有自己的 AI 員工。

這個變化，就是他演講中講的那個詞：“混合型團隊”（Hybrid Team）。

具體就是：人負責一部分工作，AI代理負責一部分流程，你來設計兩者的協(xié)作方式。

他引用了哈佛商學院和寶潔公司聯(lián)合做的一項研究：

• 單個人 + AI，產(chǎn)出的質(zhì)量已經(jīng)超過傳統(tǒng)小組。

• 而使用 AI 的小組，效果又明顯優(yōu)于沒有 AI 的團隊。

這說明什么？

關鍵不在于 AI 會替代誰，而在于誰能學會和 AI 協(xié)作。

在 Dharmesh 看來，這正是企業(yè)下一階段的核心競爭力：把 AI 從工具變成同事。這不只是效率提升，而是組織形態(tài)的根本變化。

所以，他給出的路徑很實際：

“不是你用 AI 的時候變快，而是你不在的時候，AI也能替你把事推進。”

這，就是他講的“AI代理不是工具，是合作者”。

結(jié)語｜不是防被替代，是反超的起點

“AI 越強，差距就越大?！?/p>

Dharmesh 兒子 11 歲就開始用 AI 輔助寫作； 他自己凌晨三點造了個 AI 代理，幫他準備演講、整理內(nèi)容。 HubSpot 內(nèi)部也有 2.6 萬人正在搭建自己的專屬工具。

這些不是未來概念，而是正在發(fā)生的現(xiàn)實。

關鍵問題不是“AI 會不會替代你”，而是：你有沒有開始用 AI 做點不一樣的事？

用 Dharmesh 的話說： AI越好，我們就越有機會回到最人類的部分。人不是 Bug，是我們最好的功能。

不是被淘汰，而是有機會變得更輕、更快、更準。

真正的問題不是“怎么不被 AI 替代”，而是“怎么用 AI 反超別人”。

當別人還在擔心被淘汰時，你已經(jīng)開始用AI放大自己了。

這就是反超的起點。

本文由AI深度研究院出品，內(nèi)容翻譯整理自 HubSpot 聯(lián)合創(chuàng)始人兼 CTO Dharmesh Shah 在 INBOUND '25 大會的AI主題演講。未經(jīng)授權，不得轉(zhuǎn)載。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

https://www.youtube.com/watch?v=pPQngmSEIe0&t=923s&ab_channel=INBOUND

https://www.youtube.com/watch?v=msCLJBLooXo&t=802s&ab_channel=TEDxTalks

https://www.inbound.com

https://www.theverge.com/2024/11/6/24289768/openai-chat-chatgpt-sam-altman-hubspot

https://singjupost.com/how-to-compete-with-ai-and-win-dharmesh-shah-transcript

https://ir.hubspot.com/?hubs_content=www.hubspot.de%2Fflywheel&hubs_content-cta=nav-utility-investors&utm

來源：官方媒體/網(wǎng)絡新聞

排版：Atlas

編輯：深思

主編：圖靈