核心概念

創業想法階段的核心問題：「這個東西值得做嗎？」

在 AI 讓做東西變得太容易的時代，最危險的陷阱是把「做出東西」當成「驗證完成」。統計上 42% 新創失敗是因為做了沒人要的東西，當原型幾天就能做出來，這個失敗率只會更高。

驗證的本質：把觀察變成可測試的假設

  • ❌ 「大家覺得報帳很麻煩」— 只是觀察，無法測試
  • ✅ 「中型企業財務主管每週花 4 小時核對報帳資料，因為現有工具無法跟會計軟體串接」— 可指名道姓驗證的假設

離開想法階段的條件（三個都要是「是」）：

  1. 問題是真實且具體的：能指名道姓說出誰有這問題、多常遇到、多嚴重、目前怎麼應付
  2. 方案解決的是正確問題：不是你一開始假設的，而是驗證過程中發現的真正問題
  3. 有足夠信號可以開始做：質化證據讓「開始做」成為理性決策，而不是賭博

關鍵要點

用 AI 壓力測試假設（魔鬼代言人法）：

先讓 AI 正向分析，但更重要的是叫它攻擊你的想法、找反面證據、論述競爭對手為何會成功而你不會。這能挖出負面市場信號、失敗的競爭對手案例、結構性障礙和你自己的確認偏誤。

客戶訪談設計：

問過去具體行為，不問未來意向：

  • ❌ 「你會用這種東西嗎？」（面向未來，產生社交期望答案）
  • ✅ 「上次你遇到這個問題時是怎麼處理的？」（過去行為，挖出真實模式）

每 5 場訪談讓 AI 整合筆記，產出兩張清單：支持假設的證據 vs. 挑戰假設的證據。若第一張明顯比第二張長，問 AI 這不對稱是資料真實面貌還是你想聽到的。

競品版圖的正確分析方式：

用 AI 按四層畫出競爭版圖：直接競爭者、間接競爭者、潛在收購方、以及相鄰領域可能殺進來的玩家。然後讓 AI 論述每一層「為什麼對你構成真正威脅」——不是你最容易反駁的版本，是最強的那個版本。

整合競品的公開用戶評價（各大平台），找一直沒被解決的前幾名抱怨。如果你的假設恰好解決了其中幾個，那是問題-方案契合度的強力正面信號；如果沒有，也值得知道。

市場研究關鍵動作：

  • 用公開數據建立 TAM/SAM/SOM 市場規模模型，並壓力測試每個假設背後的邏輯
  • 找三個外部趨勢（法規/技術/人口），評估是順風還是逆風
  • 找出可能在未來兩年顯著影響市場的結構性力量

外展訪談的操作自動化：

用 Claude Cowork 處理行政協調：根據目標人物特徵研究和整理潛在名單、寫客製化外展信件序列、透過 Gmail 和 Google Calendar MCP 串接排會議、建立追蹤表（含外展狀態、跟進節奏、訪談完成度欄位）。行政雜事交給 AI，創辦人專注在準備對話內容本身。

輕量原型的正確時機：

在整個驗證流程的最後才做原型，不是最前面。原型的用途是拿去跟客戶對話時的道具，對話本身才是證據。

實務應用

三種最常犯的錯：

  1. 把做出東西當驗證完成 — AI 太快了，很容易在驗證之前就衝進開發
  2. 過早擴張 — 執行進度遠超前驗證進度；你的理解要跑在你的產出前面
  3. 確認偏誤 — 叫 AI 驗證你的想法，它會找支持的證據；解藥是主動叫它找反面

相關頁面：AI 時代的創辦人角色 競爭分析框架：波特五力與護城河理論 商業模式畫布 AI 驅動一人公司創業規劃 MVP 最小可行產品實戰指南

延伸觀點

AI 放大確認偏誤，不是解方（跨源共識）

多篇外部研究都指出同一個核心警告：AI 工具讓確認偏誤更危險，不是更安全。當你叫 AI 幫你驗證一個想法，它會根據你的問法找到支持的理由；傳統的驗證方式（落地頁、候補名單）也同樣製造假信心。解藥是刻意問反向問題：「為什麼你不會用這個？」而不是「你會用嗎？」這跟 Anthropic 手冊裡的魔鬼代言人法完全一致，只是更廣泛的研究圈也獨立得出了相同結論。

建造摩擦消失，驗證紀律更重要（跨源共識）

CB Insights 在 2026 年 3 月更新的研究把「燒完錢」重新歸類為「找不到市場」的症狀，而不是獨立失敗原因。這強化了一個核心論點：創業的瓶頸已從「做得出來嗎？」轉移到「選對了要做什麼嗎？」當技術摩擦幾乎消失，判斷力和驗證紀律才是真正的護城河。

AI 產品的 PMF 是移動標靶（單一來源，值得留意）

OpenAI 前產品主管提出：AI 產品的 PMF 不是一次達成就算數，用戶的「夠好」標準每個月都在被更強的 AI 系統拉高。這意味著 AI 相關的驗證不只是做完一次就好，而是需要把用戶期望當作持續追蹤的變數。此觀點目前僅來自單一來源，但來源可信度高。

反向連結

以下頁面引用了本頁：