Jean-Denis Greze, founder of TownAI, believes AI adoption is slow because most people are not "tinkerers" who can customize and build solutions to fit their needs. He argues that AI products should go beyond offering a simple text box and should identify the value proposition while performing tasks on behalf of users. Greze highlights a surfboard rental business using AI for damage inspections to determine deposit returns, attributing its success to a tinkerer who tailored the solution. However, he points out that the rarity of tinkerers hinders AI's widespread adoption, as the majority of users want ready-made solutions rather than having to build workflows themselves. Greze shares his experience of closing a profitable AI tax startup due to its inability to scale against incumbents who could leverage the same technology. He then pivoted to Town, an AI assistant integrating with emails and calendars, finding fast product-market fit by delivering tailored, actionable solutions. Overall, he posits that for AI to revolutionize industries, it must provide immediate, accessible value to non-tinkerers, effectively automating tasks rather than simply enhancing search capabilities. #### 内容简介 推文摘要并引用了 TownAI 创始人 Jean-Denis Greze 在 a16z 的对话要点：他的核心观点是 AI 没有广泛扩散的原因不是智力不够，而是大多数人不是“修补者／改造者”（tinkerers）：一个空白的文本框不足以让普通小企业主把 AI 能力变成可用的产品，产品必须既能识别明确的价值主张，又能替用户把事情做好。文中以租借冲浪板的场景举例：Town 被用来检查冲浪板和沙滩车是否损坏，从而决定押金退还；关键在于是否有能把 AI 能力打包成损伤检测流程的“修补者”。Greze 还讲述了自己早期做 AI 税务产品的经历：即便首年接近 100 万美元收入，也因为无法达到风险投资级别并容易被 incumbents 用同样技术快速吞没而选择关停，随后 pivot 成为基于邮箱和日历的 AI 助手 Town，快速找到产品—市场契合并获得业内认可（如 Ben Horowitz 的反馈）。对话还覆盖了何时放弃“表面上可行”的业务、与 OpenAI/Anthropic 的竞争视角、前线工程师（forward deployed engineer）模式随 AI 发展变差的原因、agents 对广告和零售的影响、Town 如何按工作定制自身并作为“token 分配机”等主题，并在多处给出具体案例与时间点供深入收听。 #### 社区观点 许多评论者认同“空白聊天框不够用”的观点，认为把 AI 当作更好的 Google 搜索是常态；有人指出让每个小企业主去写 prompts 等同要求他们成为软件设计师，这不现实。评论普遍赞同需要把 AI 能力打包成具体工作流（如冲浪板损伤检查）并以可直接使用的界面交付；如果产品能把半成品工作呈现給非修补者，采用率会大大提高。也有人对作者在近 100 万美元收入时关停产品的决定感到好奇，认为想听完整原因与思路。有人强调衡量采用的测试是：第二个员工是否能在没有原始构建者的情况下运行该工作流，关注设置、异常处理与恢复的可理解性。另有观点指出 diffusion 更像是“智能代理”自动带着半成品来做事，而不是期待用户自己写 prompt，产品机会在于把常见行业流程商品化并降低运维/学习成本。 #### 内容导读 这篇内容的理解关键在三点：第一，抓住作者的中心论断——AI 能力本身已足够，但普及的瓶颈是把能力转成不依赖“修补者”的可用产品；换言之，产品必须发现明确的价值点并替用户把工作做完，而不是只给一个空白的输入框。第二，从商业教训角度看，Greze 的经历展示了如何评估一个看似“赚钱”的 AI 产品：如果 incumbents 能用相同技术快速覆盖、或购买频率/规模限制了增长潜力，那么即便收入可观也可能不是风险投资尺度的机会，及时关停与 pivot 也是合理选择。第三，实际可操作的产品化要点包括：把行业流程打包成标准化工作流、提供可被非技术员工接手的设置與异常处理、考虑 token 成本与与 AI 平台的关系，以及利用代理（agents）把工作自动化以改变广告和供应链模式。听这段对话时，可以重点关注作者给出的具体案例（如冲浪板检测、税务产品到 Town 的转变）、产品—市场契合的判断标准，以及对未来代理化、广告模式被打破的推论，这些是把 AI 能力商品化、实现广泛扩散的核心启发。