7天，从想法到验证
2025年，我帮一个创业团队验证AI法律助手的产品想法。按照传统方法，先做市场调研、再做竞品分析、然后画原型、最后开发MVP——预计3个月。
我说：“太慢了。给我7天。”
7天后，我拿到了第一批用户数据：30个律师中有24个愿意付费，9个当场付了定金。而整个验证过程，我写了不到200行代码。
AI产品验证的核心秘诀：先不要做产品，先做"魔术师"。
什么是"AI魔术师验证法"
传统产品验证的思路是：做一个最小化产品，然后看用户用不用。AI产品验证的思路是：用人来模拟AI，然后看用户需不需要。
具体步骤：
Day 1-2：找一个目标用户，让他描述一个他最想被AI解决的任务。然后你坐在电脑另一边，手动完成这个任务（用户不知道是人做的）。如果用户对结果满意，说明这个需求是真实的。
Day 3-4：让10个用户做同样的事，但这次你开始记录规律：他们的问题有什么共性？你的回答有什么模式？哪些问题你回答不了？
Day 5-6：基于前4天的数据，写一个简单的Prompt（可能就几十行），加上基本的检索逻辑，替代你的人工操作。让新一批用户测试。
Day 7：对比"人工AI"和"真AI"的用户满意度数据。如果差距在20%以内，你的AI产品有可行性。如果差距超过50%，说明这个场景的复杂度超出了当前AI的能力。
为什么这个方法有效
因为它在验证两个最关键的问题：
第一，需求真实性：用户真的愿意为这个"AI"服务付费吗？在没有AI的情况下，用人工模拟可以得到最真实的需求信号。
第二，AI能力边界：这个任务在AI的能力范围内吗？通过对比人工和AI的效果，你可以精确判断当前的AI能力是否能胜任。
一个反常识的发现
我们验证了23个AI产品想法，发现一个规律：需求越是真的，AI越容易做好。 用户需求模糊的场景，AI输出也模糊。用户需求清晰、边界明确的场景，AI表现往往超过预期。
这说明什么？说明AI产品的成功，80%取决于场景选择，20%取决于技术实现。 选对了场景，AI天然就能做好。选错了场景，怎么优化都没用。
金句
“不要在AI产品验证上花3个月，因为你3个月后发现的问题，7天就能发现。多出来的时间，是在给错误的产品想法找理由。”
实操建议
如果你现在有一个AI产品想法，明天就做一件事：找3个目标用户，跟他们说"我们做了一个AI工具，能帮你做XXX"，然后你在后台手动操作。看看用户什么反应。用户的反应，比任何商业计划书都真实。
不要等到产品做出来才去验证。在AI时代，验证的速度决定了你试错的次数，试错的次数决定了你成功的概率。7天，足够你判断一个AI产品想法值不值得做。