Nate Herk · 16:53 · 发布 2026-06-22 · 4.5万次观看(截至抓取) · 观看原视频
主旨
针对”学完 Claude 之后该做什么”这个问题,主张把角色从”按要求建造自动化”转型为”先诊断业务痛点再开 AI 方”的 AI 顾问,且不一定要辞职——在你现在的公司里也能扮演这个角色,前提是先选对约束、提前绑好 KPI。
核心论点
- AI 行业约每过一年就换一批赚钱姿势,工具只是外壳,可迁移的是底层技能——「学 Claude」这件事长期意义有限,真正值钱的是每次新阶段到来时能跟着上。([[#1. 现在怎么办?（开场定位）[00:00]|→ 详解1]])
- 几乎所有人都在用 AI,但几乎没人擅长 AI,这个 gap 就是整段机会的入口——它把生态里最有价值的角色从「快速建造者」换成「先诊断问题再开方的 AI 顾问」。([[#2. 工具本身毫无意义[00:36]|→ 详解2]])
- AI 顾问有一条对称的方法论,无论内外两条路:进一家公司(或一家客户公司)、找真正的痛、给出 AI 方案、用一个明确 KPI 验证它动了数字。([[#3. 下一波浪潮的更替模式[01:46]|→ 详解3]])
- 公司内部的 AI 头是当下最被低估的一条路——大企业 chief AI officer 一类席位两年涨近三倍,中型市场仍大片空白,不要求编程背景,只要能交付结果。([[#4. 几乎无人擅长 AI,顾问登场（医生还是药匠?）[02:42]|→ 详解4]])
- 教程和术语人人可以学,真正区分胜负的是「你交付过什么真实业务结果」——证明的硬通货是 case study 与可被点开的链接,不是简历上那行「懂 Claude」。([[#5. 两条 AI 顾问路（独立 vs 内部）[03:51]|→ 详解5]])
- 顾问做项目不挑最重复的活先自动化,而是挑「不修复就会一直卡业务」的真约束,并提前锁好一个具体 KPI 当完成判据——这是当下 AI 自动化最被搞反的方向。([[#6. 六位数头衔正在剧增,中型市场仍是窗口[04:39]|→ 详解6]])
知识点详解
1. 现在怎么办?（开场定位）[00:00]
Nate 开门见山画出本片目标观众的画像:大多数观众不是想开 agency,而是有正职、看重稳定的上班族;但 AI 行业的变化速度正在一点点削掉这种稳定,所以他在片子里要回答的是——如何在不出走的前提下,把你已经攒下的 Claude 技能放大变现。这是片子的真正听众切片,也是后续所有建议的隐含前提。
视频给出的整段框架走的是「不要先辞职,先在同一份工里把 AI 这件事立起来」的方向,这与坊间大量「all-in 创业」叙事的口径相反,但与接下来要讲的「两条顾问路」「内外两条路适配不同性格」「四步内部路线」一脉相承。本片对「转行开 agency」的处理是把它列为两条 AI 顾问路之一,而非默认方向。
2. 工具本身毫无意义[00:36]
Nate 在视频里把本片最底层的一条主张摆出来:“So, what actually matters are the skills underneath the tool and learning how to take those skills and apply them to every new phase of AI as it shows up”——真正值钱的是工具之下的技能,以及把这些技能套到每一次新阶段上的能力。(00:53)
支撑这条主张的还有一条结构性的事实(“the AI space has never really had one fixed best job or one best business model. It Keeps swapping them out every year or so”)——AI 行业从未有过一个长期固定的「最佳工种或最佳商业模式」,大约每过一年就换一批。(00:58)
把这两条拼起来就得到一个隐性结论:今天学 Claude 不代表明天还能靠它吃饭,但今天通过 Claude 练出来的判断力、系统设计力、业务理解力会跟着你移到下一个阶段。平台上的「专精度」会过期,而方法论的复利反而会越滚越大——这是后续所有角色建议的根。
3. 下一波浪潮的更替模式[01:46]
为了把「工具会过期,但 wave 会反复开」讲具体,Nate 在视频里快速回放了四个阶段:从去年开始的「帮小公司搭一个 chatbot 或一个 automation」的零工,到「AI 自动化 agency 帮人产品化服务」,再到「agent builder 时代开始建造能自主思考与执行的 agent」,再到当下 Gartner 预测 2026 年仅「agentic AI」一项全球开支就约 2020 亿美元的 agentic 阶段。
每一波都贴上同一个结构性观察(“Almost everyone is using AI, but almost nobody is good at AI. And that gap right there is the entire opportunity”)——几乎所有人都在用 AI,但几乎没人真的擅长 AI,这个差距本身就是整段机会的入口。(02:40)
这条更替史对本片论点有双重支撑:第一,每换一波,押对节奏的人就能上车,固守上一波的人挤进拥挤的下沉市场;第二,每一波的「建造门槛」都比上一波更低——这是支撑后面「诊断比建造更值钱」的隐性前提。门槛越来越低,意味着「会造」这件事正在被商品化,真正稀缺的事从「造物本身」偏移到「决定造什么、为什么造、造出来有没有效」。
4. 几乎无人擅长 AI,顾问登场（医生还是药匠?）[02:42]
这一节是本片的「主张转折处」:Nate 把章节「Nobody’s good」与「Doctor or pharmacist?」合并在同一个论证里。先用前一个数据给张力(“approximately 30% of company AI projects just get abandoned, and only about 6% of companies using AI are actually good at it”)——约 30% 的公司 AI 项目被直接放弃,只有约 6% 的公司在 AI 上真做到「擅长」。(03:37) 几乎所有企业都对 AI 不熟练,而且他们自己也知道。
接下来用一个医学比喻把角色划清(“builders are kind of like the pharmacists and consultants are the doctors”)——建造者像药房药师,你给什么药方他就拿什么;顾问像医生,得先判断到底什么问题。(03:12)
紧随其后是这一节的实操结论(“your job isn’t being the fastest person at the build, your job is naming the real problem in the first place”)——你的工作不是「谁建得最快」,而是「先把真正的问题命名出来」。(03:22)
把数据与比喻合起来,本节对观众的成本/收益判断做了个重排:「会建」已经从稀缺变成大宗商品,「能诊断 + 能开 AI 方 + 能用数据证明它动了」才是新的稀缺资源——这一节因此是把观众从「工匠心态」推到「顾问心态」的真正拐点。
5. 两条 AI 顾问路（独立 vs 内部）[03:51]
Nate 提出有两条性质完全不同的路能进 AI 顾问这条职业线。第一条(“Road number one is the independent AI consultant”)是独立 AI 顾问,他先给出一个非常干净的概括(“you go to other businesses, you find their problems, and then you prescribe and build the AI solutions that fixes them”)——你进客户公司、找出问题、开 AI 药方再交付。紧接着他补了一句”it’s really just AI agency idea, but you’re just framing yourself way more as a long-term partner”:其实就是 AI agency 的老底子,只是重塑为长期伙伴而非一次性外包。(04:03)
第二条(“Road number two is more of the in-house AI consultant”)也是本片他想重点推的路——你不需要跳槽,就在你现在这家公司里变成「那个 AI 的人」。这两条路背后是同一个三步方法论:先诊断,再开 AI 药方,再用 KPI 证明有效果;区别只在你是给多家公司做,还是只给这一家做。
分叉点完全是性格与生活偏好的事——独立路适合想要「自己对时间有完整所有权、喜欢多样性、不怕自己做销售和找客户」的人;内部路适合「想要稳定与深度、想要一份固定工资、慢慢把同一件事做深」的人。Nate 本人走的是第一条;接下来要把第二条的开窗数据摆出来。
6. 六位数头衔正在剧增,中型市场仍是窗口[04:39]
讲到「公司内部 AI 顾问」这条路,Nate 把正面的招聘数据摆得很硬。核心数据点来自 IBM 2026 CEO study(“76% of organizations now have someone in a chief AI officer type of role. And that’s up from just 26% 2 years ago”)——76% 的组织现在有 chief AI officer 这类席位的人员,2 年前只有 26%。(04:56)
紧随其后的总结(“that nearly tripled in a record amount of time for a C-suite role”)——对一个 C-suite 级别的角色而言,这是史上最快的近三倍增长。(05:00)
但 Nate 也非常坦率地给了反向校准:这个调查只采了约 2000 位 CEO,样本中位数营收 58 亿美元,接近 4/5 是上市公司——所以 76% 这个数字其实只在「大企业在抢这个位置」时成立。他紧接着补了这条反向校准的市场含义(“mid-size businesses, which is where most of you guys will try to be working and consulting for, I’m assuming, that market is still very much wide open”)——大家真正会去上班或会去咨询的中型市场,现在仍然非常开放。(05:22)
这条数据组合是本片「内部 AI 顾问」论点的真正支撑:头部已经抢完了,但总量上看,中型企业和非上市企业内部这种岗位还是大片空地——对一个想两年内做这种角色的人来说,这反而是窗口仍在的正面信号。Nate 的解读是「这条对外界是新闻,但对走这条路的人是邀请函」。
7. 为什么是你?——证明胜过教程[08:01]
无论走哪条路,都要面对一个招聘方或客户方必然会问的问题——为什么是你?他用一个大致的对照场景把问题说得很尖锐(“When someone asks you, why should I hire you over the person who watched the exact same amount of YouTube tutorials and knows the exact same terminology and has the same experience as you”)——别人会和你看一样多的 YouTube 教程、会和你说一样的术语、会有和你一样的经验,你凭什么被选?(08:06)
这一节给出的胜负标尺是(“the people who win in this market aren’t the ones who learned the most, they’re the ones who can actually prove they can deliver real business results”)——决胜点不是你学得多,而是你能证明交付过真实业务结果。(08:16) 所以他建议每个人都建一个「可被点开看」的作品集站,即便作品集里只有项目页和 case study 页,只要存在、有链接、能被任何一个 HR 转发,就有差异。
为了把「差异」具体化,他讲了 Alan 的故事(“her name is Alan. About a year ago, she had spent 15 years as an email developer, so not super technical, no AI background”)——这位前一年还在做 15 年 email developer、没有任何 AI 背景的从业者,学了一年之后申请了一个 15 人公司(Young)的 head of AI 岗位。(15:16)
招聘方一封邮件只问了一句(“the recruiter sent her an email with one question on it, which was, What have you built”)——你建过什么?(15:44) Alan 没写长篇自述,只发了 case study 链接(“she just sent her case study. She sent real proof”)——她跳过了 HR,直接面对 CEO,拿到了 offer(“she was able to skip HR entirely, go straight to the CEO, and she got the job”)。(15:55), (15:56)
配合这一节他还补了一组供需结构的数据(PwC 过差不多十亿条招聘启事的研究):“the pay premium for AI skills more than doubled in a single year, jumping from 21.5% all the way up to 56%“——具备 AI 技能的薪资溢价在一年内翻了一倍多,从 21.5% 跳到 56%。(10:13)
紧接着是另一组员工侧数据(“the skills you already have are quietly becoming the thing that decides who moves up and who gets left behind”)——已经拥有的技能会悄悄变成升迁与掉队的分水岭。(10:26)
这两条数据一起把「现在证明过自己」这一动作的紧迫性摆到最高。教程人人能学,案例人人能看;而一旦你的「你建过什么?」这个问题被一个可被点开的链接回答,你就已经赢了一大半对手。
8. 时效性:「AI 顾问」这个标签会过期[10:43]
本片最有穿透力的一个反直觉判断,是「AI 顾问」这个职位名是有时效性的。Nate 用一个类比把人瞬间拉到 5 年后(“if they walked up to you and called themselves an Excel accountant, wouldn’t that sound completely ridiculous”)——今天再有人跟你说「我是 Excel 会计师」,是不是听起来很荒诞?(11:10) 因为现在每个会计都用 Excel,「用 Excel」这件事不再值得专门标注;同理,再过几年「用 AI」也不会被标注——只剩不会用 AI 的顾问被市场筛掉。
这与回顾开头的「AI 行业每过一年换一批工种」(00:58)是同一现象的延伸:能用的标签都是「工具+职业」的临时拼贴,工具被全行业掌握之后,工具标签就会从「优势」退化成「冗余」。视频对此给了一句收口的金句(“the label is the part that’s temporary, but the edge is real, the skills are real, and the window to grab it is wide open right now”)——标签会过期,但优势是真的,技能是真的,现在这扇窗还大开着。(11:39)
这条判断对本片读者有两层操作含义:第一,不要把简历或个人品牌锚定在「AI 顾问」这种词上,而要锚定在「把某类业务问题诊断清楚并用 AI 解掉」这种不会过期的命题上;第二,正因为窗仍开着,所以「现在」做反而比「等更确定」做更划算——这是本片想给的最强烈时间信号。
9. 从零起步的四步法[15:11]
从「怎么开始」开始,Nate 在最后一段把整套建议收成一个四步路线,核心动作在他的「Operating Principle」里——约束优先, KPI 次之, 建造第三。他先用一句反例把错误的自动化方式钉在地上(“If you automate something that isn’t actually constraining the business, you’ve just spent a week saving maybe, you know, 20 minutes on a task that nobody was even waiting on”)——如果你自动化的不是业务的真约束,你只是花了一周省下了某个没人等的 20 分钟任务。(12:20)
紧接着给出正向规则(“every single project that you build has to target an actual constraint of the business”)——你建的每一个项目都必须瞄准一个真约束,修了它,业务会变快、会多赚钱、或会停止不应有的「漏血」(原话紧接着补”something that if you fix it, the business gets faster or makes more money or stops bleeding somewhere that it shouldn’t be bleeding”)。(12:29)
然后一句话压成公式(“constraint comes first and KPI comes second”)——约束优先,KPI 次之。(12:46)
把这条原则落到当前岗位,就是四步法。第一步,审计自己的岗位——拿「约束透镜」扫一遍,把「真正拖慢团队、卡死营收、造成下游痛苦」的事写下来,每条都标出「如果修了它,具体会推动哪个数字」(这一步的成品就是你的第一份「项目清单」)。
第二步,挑一个小的真约束项目落地——先在公司的某个小角落跑一次,只要有真实结果,这个 case study 就是后续所有动作的「门票」。第三步,从建造者转型为解题者——做几个之后你会发现,真正不同的不是技术,而是同一组约束反复以相似形态在多个公司出现,这就是顾问的雏形。第四步,把这件事正式化——你带着证据链找老板,主动提出这个岗位的设立,即使公司还没准备好,你也得是「将来真招人时第一个被想到的名字」。
Nate 把整段总结成四个字:Audit、Build、Pattern-Recognize、Formalize——这句话既是他「在工位上完成 AI 转型」的最小可行剧本,也是本片对「学完 Claude 之后的下一步」给出的最终答案:不需要辞职、不需要做网红、不需要拼技术栈,只要求你找到所在业务的真约束,绑上一个具体 KPI,把第一份 case study 留下来。
可执行步骤
- 用「约束透镜」扫一遍你现在的岗位:挑出 3 个真正拖慢团队 / 卡死营收 / 让下游痛苦的具体事项,每条写明「如果修了它,会推动哪个数字」。
- 为每条约束挑一个明确的 KPI(单位、起点、目标),让「项目成功」有一个不分解释的客观判据,先于你动手写任何 prompt。
- 从约束清单里挑最小的一个,在公司里找一个安全的小角落跑一次,留下可被转发的 case study(数据、对照组、链接、截图),别只放在脑子里。
- 建一个可被分享的作品集站,把上述 case study 放上去——目的不是马上变现,是让下一个机会来临时你能发链接而不是写自述。
- 在 LinkedIn / YouTube 等公开渠道留一份「可被搜到的证据」:demo、build 截图、对比结果。教程人人能看,但可验证的产出稀缺。
- 重复三次以上之后再回头看你做的项目,问自己「这几次之间能不能抽出一个共同的诊断模式」——能找到,你就在从建造者向顾问过渡。
- 别把简历锚定在「AI 顾问」这种工种名上,锚定在「诊断某类业务问题并用 AI 解掉」这种不会过期的命题上。
- 主动找老板谈一次:基于前三步的证据链,提「公司需要一个这样的人」。即使现在设不了岗,你也要是将来设岗时的第一个名字。
关联
- 印证:经验护城河 强调「AI 知识面已超过普通人,第一手实践经验成为相对 AI 不可复制的优势」;本片的「内部 AI 顾问」路线本质上要求你用本职经验对业务做诊断,与经验护城河的核心论点一致——光会写 prompt 没用,得有「这家公司的事情到底卡在哪」的判断。
- 印证:认知套利 把「凭你与市场之间的知识落差创造收益、窗口随技术普及收窄」作为结构;本片「AI 顾问标签会过期、能力是真的」(节 8)与「窗口仍开」(节 6)两条论点正好是该结构的双向应用——既要抓紧窗口吃落差,也要为标签失效那一天做能力积累。
- 互补:2026-06-24-30天内签下首个AI代理客户 把 AI 变现压在「独立开 agency」一端,讲选 niche / 报价 / outreach / 经常性收入;本片覆盖了同一个收入问题但偏向「在现有岗位里把 AI 顾问角色做出来」与「公司内部 AI 头」这条过去被忽略的路。两者覆盖变现问题的两半——前者侧重「向陌生人卖服务」、后者侧重「在公司里立角色」。
- 进阶:与 2026-07-03-Claude如何缔造新一代百万富翁 在「教程门槛被拉平、要做 AI native 才有相对优势」这一基础判断上一致,但下一步不同——那篇给出的是「用 Claude 把产品造出来」的工具层剧本,本片给出的是「造完之后下一步怎么把角色确立到能换头衔 / 换客户」的职场层剧本。先读前者获得产能,再读本片把产能转化为角色地位。
术语
- AI 顾问(AI consultant):从「按要求建造自动化」转型为「先诊断业务痛点再开 AI 方」并证明结果的角色,与建造者(药匠)相对。
- 建造者(builder / pharmacist):按需求交付 AI 自动化 / agent 的人,不负责先诊断,等价于「药匠」——客户给处方就拿药。
- 医生隐喻(doctor vs pharmacist):Nate 用来划分建造者与顾问的比喻,顾问负责先诊断、需要懂业务,建造者负责执行交付、不负责诊断。
- 约束优先, KPI 次之(constraint first, KPI second):本片给出的「造什么」的元规则——先找真约束、再定具体可验证的数字、最后再动手。
- 四步法(audit / build / pattern-recognize / formalize):在工位内部完成从 AI 建造者到 AI 顾问转型的最小可行剧本。
- AI 头(chief AI officer / director of AI):企业内对 AI 项目负总责的带薪 C-suite 级或总监级新设岗位,IBM 2026 CEO study 给出两年近三倍增长的样本。
- case study 求职路径:不靠简历自我介绍,而靠可被点开看的项目页 / 作品链接直接回答「你建过什么」这一问题的差异化求职方式。
金句
“the people who win in this market aren’t the ones who learned the most, they’re the ones who can actually prove they can deliver real business results” → 把「教程学到哪」与「能不能被雇用」剥离开来,这是本片诊断-vs-建造主线最浓缩的一句话。(08:16) “if they walked up to you and called themselves an Excel accountant, wouldn’t that sound completely ridiculous” → 一个反向类比把「AI 顾问」这个标签的有效期锁在「AI 还没被所有人掌握」的窗口里,这就是当下我们要抢窗口的根本原因。(11:10)
立场与利益
本片头尾均提到免费 School 社群 / 付费深化版课程(链接在描述第一条),以及 podcast 申请、「Work with me」接洽合作两条业务引流;同时挂着 Glaido voice-to-text 与 Hostinger VPS 两个 affiliate 链接。
按本片主张分三档:与利益同向——「AI 顾问是当下正解」「内部 AI 头两年涨三倍」「Alan 的 head of AI 故事」,这些主张直接为博主把观众导进自己的付费社群服务,在采信前需用 IBM / PwC 原始报告自行印证,不应直接抄数字;利益中性——「工具会过期、技能会留下」「建造者即药匠 / 顾问即医生」,这类结构性主张与博主具体产品脱钩,可独立验证;与利益反向——「AI 顾问标签会过期」「再不上车就像当年的『Excel 会计师』」,这是承认自己正在卖的「AI 顾问培训」在未来某天会让位,作为本片最有价值的反向信号单独标出。
值得记的一点:他在引用 IBM / McKinsey / PwC / World Economic Forum 这些数据时,没有把它们包装成「独家研究」,而是直接报出处——这是「推销引流」与「诚实引用」之间一个值得参照的边界做法。
价值定位
适合正在纠结「学完 Claude 之后该往哪个方向走」的稳定上班族,尤其是技术能力中等、但已经熟悉某个行业或业务的从业者。认知价值大于实操价值:你在这里能拿走的是「先诊断、再开方、再证明」这条工作动作的入口,以及「内部 AI 头两年涨三倍」「AI 顾问是有时效标签」两条帮你重排时间投入的市场判断。实操层面他只给了「约束 + KPI 优先、Audit → Build → Pattern-Recognize → Formalize」这条四步骨架,没有给具体的 prompt 模板、可一键部署的 skill 或真实案例的方案细节。不适合两类人:已经在开 agency 且有稳客的独立咨询者——他们拿到的建议大多已在执行;还没学完 Claude、连基本 prompt 都不熟的人——先打底再来谈「下一步」会更划算。
自检问题
- 本片为什么把「AI 顾问」当作学完 Claude 之后的下一站,而非更多教程 / 更精通 prompt? 答案:因为「建造门槛」正在被 AI 工具拉平,真正稀缺的是「先诊断业务约束再开 AI 药方并交付结果」的能力;「学 Claude」这件事不会长期稀缺,但「诊断 + 开方 + 验证结果」会。所以要把角色从「建造者(药匠)」推到「顾问(医生)」,详见「核心论点 2」与「详解 4」。(03:12)
- IBM 2026 CEO study 给出的 chief AI officer 覆盖率从 26% 涨到 76%,为什么本片仍说「窗口仍开」而非「已经晚了」? 答案:这个 76% 来自约 2000 位 CEO、营收中位数约 58 亿、近 4/5 上市公司的样本,反映的是「大企业在抢这个位置」;真正多数人会去的「中型企业 + 非上市公司」市场仍大片空白。所以对外界是新闻、对走这条路的人是邀请函,详见「详解 6」。(04:56)
- Alan 之所以能跳过 HR 直接面 CEO 是因为她做了什么?这是本片对「为什么该雇你?」的回答吗? 答案:她根本没写长篇自述,只发了 case study 链接——把「我建过什么」这个核心问题用可被点开的链接回答,直接跳过了 HR 流程。这是本片对「教程人人能学、差异在交付证明」这一论点的具象案例,详见「详解 7」。(15:44)
- 本片对「自动化哪些任务」有一条元规则。这条规则是什么?它和「先自动化最重复的事」有什么不同? 答案:元规则是「约束优先 + KPI 次之 + 建造第三」——每个项目先瞄准业务的真约束(修了它,业务会变快 / 多赚 / 止血),再为它定一个具体数字,然后才开始建造。这与「先自动化最重复的事」的常见做法相反——后者常常是把没人等的 20 分钟任务自动化了一周,只是把没人在意的活清理掉,详见「详解 9」。(12:46)
- 本片为什么说「AI 顾问」是个有时效的标签?这个判断对你做「个人品牌锚定在哪」有什么操作含义? 答案:因为当每个顾问都用 AI 时,「用 AI」就不再值得被标注,会退化成 Excel 会计师一样的冗余描述。操作含义:别把简历 / 品牌锚定在「AI 顾问」这个会过期的词上,而要锚定在「诊断某类业务问题并用 AI 解掉」这种不依赖某个具体工具的命题上,详见「详解 8」。(11:39)