Showing Posts From
Anthropic
客戶用便宜 AI 比保單，吃虧 12% 卻覺得『一樣公平』：Anthropic 最新實驗，揭開保險業務員 2026 的新破口
過去幾個月，我們在 Finfo Insights 連續寫了好幾篇關於「客戶開始用 AI 幫自己做財務決策」的文章——Princeton 的研究發現 61% 的人會被 AI 暗中引導；Insurify 變成了 ChatGPT 第一個保險通路；HubSpot 實測 證實 AI 引擎引用的不是你的 Facebook；Ezra Group 則直接點名「全方位顧問」是話術，因為客戶把報稅單丟進 ChatGPT 90 秒就拿到答案了。 這一連串的訊號都在說同一件事：客戶會用 AI 來幫自己做決定。 但 2026 年 4 月 24 日，Anthropic 官方部落格丟出的「Project Deal」實驗報告把這個討論推到了下一層——問題不在「客戶會不會用 AI」，而在「客戶用的是哪一支 AI、那支 AI 會讓他在哪裡吃虧、而他自己根本不知道」。 Anthropic 的 Project Deal：69 個員工、186 筆交易，AI 自己談、自己成交 2025 年 12 月，Anthropic 在自家舊金山辦公室開了一個內部的 Slack 二手市場——但這個市場有個怪規則：全程禁止人類介入。 每一位員工授權自己的 Claude 代理人去逛市場、聯繫對方的代理人、出價、還價、成交。每人帳戶有 $100 美元的預算（換成等值的 gift card 結算），唯一的人類動作只有一個：在實驗開始前接受 Claude 的「採訪」，告訴它你想賣什麼、想買什麼。 一週後的數字：69 個 AI 代理人 超過 500 件商品上架 成交 186 筆交易 總交易額略超過 $4,000 美元 單品中位數 $12，平均 $20.05這部分不算意外。Anthropic 用一句話形容：「we were struck by how well Project Deal worked」（我們對 Project Deal 運作得這麼好感到驚訝）。AI 代理人會主動發現匹配機會、會用自然語言談判、會折衷、會成交。其中一個員工的代理人甚至幫主人約成了一場「遛狗約會」——後來真人和狗真的依約出現。 但實驗真正可怕的部分，是 Anthropic 同步跑的對照組。 「隱形不平等」（Invisible Inequality）：用 Haiku 的人多花 12%，卻給 4.06 的公平評分 Anthropic 同時跑了四個平行的市場版本：Run A 和 Run D：所有人都用 Claude Opus 4.5（當時的旗艦模型） Run B 和 Run C：每個人有 50/50 的機率被分配到 Opus 4.5 或 Claude Haiku 4.5（最小、最便宜的模型）員工不知道自己被分到哪一組。實驗結束、收完問卷之後，才告訴大家哪個 Run 是「真的」會結算的。 結果（根據 the-decoder 的整理）：同一件商品 用 Opus 賣 用 Haiku 賣一顆實驗室培育紅寶石 $65 $35一台壞掉的折疊腳踏車 $65 $38跨 161 件被多次成交的商品平均下來：賣方用 Opus 比用 Haiku 多賺 $2.68／件 買方用 Opus 比用 Haiku 少花 $2.45／件 用 Opus 的人平均多成交 2.07 筆換算下來，用便宜模型的那一邊，每件交易大約多花了 12%。在一個總值 $4,000 美元的小市場裡，這已經是好幾百塊的差距。 但這還不是最詭異的地方。 最詭異的是 Anthropic 在事後問所有參與者：「你覺得自己這週的交易公平嗎？」（1–7 分制）用 Opus 的人：4.05 分 用 Haiku 的人：4.06 分"Participants with Haiku agents rated the fairness of their deals almost the same as Opus users: 4.06 versus 4.05 on the fairness scale." （用 Haiku 代理人的參與者，給自己交易的公平性評分幾乎和 Opus 使用者一樣：4.06 對 4.05。）吃虧的人完全沒意識到自己吃虧。Anthropic 把這個現象命名為 「invisible inequality」（隱形不平等），並在報告中寫了一段值得每個業務員逐字讀一次的警告："The policy and legal frameworks around AI models that transact on our behalf simply don't exist yet." （目前還沒有任何政策或法律框架，在規範替我們做交易的 AI 模型。）這句話在 2026 年的金融與保險業，份量比看起來還重。因為當客戶開始用 AI 比較顧問、比較產品、比較條款的時候，他用的那一支 AI——是 ChatGPT 的免費版？Plus？Perplexity？Claude？某家券商埋在 App 裡的「智能助理」？——會直接決定他被推薦什麼、被略過什麼、被勸住什麼。而他不會知道。他甚至會給這個過程打 4.06 分。 三個業務員必須開始問的問題（取代「客戶懂不懂 AI」） 過去兩年大家在問「客戶懂不懂 AI」、「業務員會不會用 AI」。Project Deal 的數據在說：這兩個問題已經過時了。 下一階段真正重要的問題只有三個。 第一個問題：客戶用的是哪一支 AI？（Model Tiering） 做法： 在第一次接觸或回訪時，自然地問一句：「你最近做這類功課的時候，習慣用哪個 AI 工具？」 過去你問客戶「你都看哪一台財經節目？」是為了知道他被誰影響。現在，這個問題的 2026 年版本是「你都用哪一支 AI 做功課？」 差別在於——電視台只有那幾家，但 AI 模型背後的層級差距，比 CNBC 和地方台還大。一個用 Perplexity Pro 的客戶、一個用 ChatGPT Plus 的客戶、一個用免費版 Gemini 的客戶——你面對的，是三個拿到不同情報的人。 實際對話可能是這樣：你：「最近很多客戶會先丟一些問題給 AI 再來找我聊，我滿好奇的，您平常用哪一個？」 客戶：「ChatGPT 啊，免費的那個。」 你：「了解。那我等下回答的時候，會特別跟您說明 AI 通常會漏掉的那幾塊，因為免費版的資料截止到去年某個月，最近這半年的法規變動它接不到。」你沒有貶低 AI，你給自己一個合法的位置：「補資訊缺口的人」。 第二個問題：那支 AI 會在哪裡漏看？（Blind Spot Mapping） 做法： 對每一支主流 AI 工具，建立你自己的「漏看地圖」——它的訓練截止日是什麼時候、它對你產業的哪些術語會搞錯、它會推薦什麼給沒有專業背景的人。 Project Deal 給我們的最重要訊號是：AI 的劣勢不是隨機的，是系統性的。Haiku 不是「有時候賣便宜」，它是穩定地比 Opus 賣便宜——所以「壞掉的折疊腳踏車」這種利基商品差距最大（$38 vs. $65，差 71%）。 這套邏輯搬到金融保險：免費 AI 對「主流產品比較」做得不錯，但對冷門商品、稅務優化、跨境結構、年金 vs. ETF 的長期模擬、保單條款的灰色地帶——它會給出「看起來合理、但不夠細」的答案。客戶不會知道，因為他打開 ChatGPT 之前，根本不知道要問什麼。 你的工作從「賣產品」變成「畫出他自己看不見的地圖」。 第三個問題：你能把「補上 AI 漏看的」變成新賣點嗎？（Insight Arbitrage） 做法： 不要再強調「我比 AI 強」，要強調「我看到 AI 沒看到的那一塊」。 Anthropic 在報告最後寫了一句很微妙的話：用 Haiku 的人「objectively」拿到比較差的條件，但「subjectively」覺得很公平。這個落差，就是 2026 年業務員真正的市場機會。 因為客戶不會自己發現這個落差。他會以為 AI 給他的就是最好的。除非——有人幫他把「對照組」攤開來。 你的開場白可以變成：「您剛剛用 ChatGPT 查到的這個年金方案，數字本身沒錯。但有兩件事它一定不會主動講：第一是 [具體的稅務細節]，第二是 [具體的解約條款]。我們等下花十分鐘把這兩塊看一下，如果看完您覺得 AI 給的版本還是更好，那我支持您買 AI 推薦的那個。」這個姿態做對的時候很強。因為你不是在跟 AI 競爭，你是在跟「客戶以為自己已經研究完了」競爭——而那個 4.06 分，就是你的破口。Project Deal 的 187 筆交易只是一場為期一週、總額 $4,000 美元的辦公室實驗。但它揭開的是一個更大的問題：當每個人都在用 AI 替自己做決定，用錯 AI 的代價不會以「我覺得吃虧」的形式出現——它會以「我覺得很公平」的形式靜悄悄地累積。 對保險與金融業務員來說，這個訊號比任何一份「AI 會不會取代你」的報告都實在。AI 不是你的對手，AI 的等級差距才是你的市場——而且這個市場正在快速放大。📎 Anthropic 在原始報告裡還公開了完整的實驗方法、survey 題目和模型 prompt，包括他們嘗試讓 Claude 扮演「氣急敗壞的牛仔」式的強硬談判者（結論：人格設定對成交價幾乎沒有統計顯著影響）、員工指示自己的代理人「買禮物送 Claude」最後 AI 真的買了 19 顆乒乓球的趣事，還有一段針對 jailbreaking、prompt injection、和「AI 代理人經濟可能複製或加劇現有貧富差距」的政策建議。如果你的客戶開始用 AI 比較顧問，那篇原文值得逐字讀一次。TechCrunch 和 The Decoder 對「隱形不平等」的延伸討論也補了不少 Anthropic 自己沒明說的應用場景。
一個人管六個行銷管道、零程式背景——Anthropic 成長行銷人 Austin Lau 的 AI 工作流拆解
Austin Lau：零程式背景，獨扛一間 3,800 億美元公司的成長行銷 2026 年 2 月，Anthropic 剛完成 300 億美元的 G 輪募資，估值 3,800 億美元。這家公司 70% 的 Fortune 100 企業都是客戶，年化營收衝到 190 億美元——而他們的成長行銷團隊，在長達近十個月的時間裡，只有一個人。 Austin Lau 是 Anthropic 的第一位成長行銷人。在加入 Anthropic 之前，他在 Dropbox、Webflow、Notion 等生產力工具公司累積了成長行銷經驗。但他不會寫程式——連終端機都沒打開過。 他一個人負責付費搜尋、付費社群、App Store 優化、Email、SEO 共六個管道。按照業界基準，這個規模的公司通常需要 150 到 200 名行銷人員。前廣告科技公司 Ampush 創辦人、現 Gateway X 創辦人 Jesse Pujji 在 2026 年 3 月的 X 貼文中拆解這個案例時直接說：廣告文案製作時間縮短到原來的 12.5%，創意產出提升 10 倍。 這不是一個「AI 好棒棒」的勵志故事。這是一個有具體工作流程、有實際產出數字的操作手冊。 從「不知道終端機是什麼」到一週內建好兩套工作流 Austin 在 Anthropic 2026 年 1 月發布的案例文章中坦承，他第一次聽到 Claude Code 的反應是："My first reaction when we launched Claude Code was, I have zero idea what this product is for." （我第一次聽到我們推出 Claude Code 時的反應是：我完全不知道這個產品是幹嘛用的。）他甚至得 Google「怎麼在 Mac 上打開終端機」。 但一週後，他已經建好了兩套徹底改變工作方式的自動化流程。他做的第一件事不是直接衝去搞大工程，而是先叫 Claude Code 幫他做一個簡單的計算機 app——純粹為了搞懂這個工具能做什麼。 這個起手式值得注意。Austin 在訪談中反覆強調的原則是："You don't need to know how to code. All you need to know is how to explain your challenge and what you're trying to solve in a very clear, concise manner." （你不需要會寫程式。你只需要知道怎麼清楚、簡潔地解釋你的問題和你想解決的事情。）Figma 外掛：半秒鐘產出所有廣告尺寸變體 Austin 的第一個正式工作流，是一個 Figma 外掛。 做過廣告投放的人都知道這個痛苦：同一組文案，你得在 Figma 裡手動套進正方形、橫幅、直式、故事尺寸⋯⋯每換一個版本就得複製貼上、調整排版，一批素材搞下來半小時跑不掉。如果同時跑 5 組文案測試，就是 2.5 小時的純手工操作。 Austin 直接跟 Claude Code 說："Claude, I'm working in Figma. I really want to be able to solve this challenge of this repetitive copy and pasting. Can you help me build a Figma plugin?"45 分鐘到一小時後，外掛就做好了。使用方式很直覺：從 Google Sheets 把標題文案貼進去，指定要用哪個設計框架，按一下按鈕——所有尺寸、所有文案排列組合，瞬間全部生成。 原本 30 分鐘的工作，現在 30 秒。 這不是概念驗證，這是每天實際在用、直接投放到廣告平台的生產工具。 Google Ads 文案工作流：讓 AI 讀完你的成效數據再寫文案 第二個工作流更有意思，因為它不只是提速，而是改變了文案產生的邏輯。 Google 的回應式搜尋廣告（Responsive Search Ads）要求每則廣告提供 15 個標題和 4 段描述文字，系統自動組合測試。手動寫 15 個不重複、有變化、又符合字數限制的標題，是一件極度消耗心力的事。 Austin 在 Claude Code 裡建了一個自訂指令，輸入 /rsa（他自創的快捷指令，代表 responsive search ads），Claude Code 就會開始問他要三樣東西：現有的廣告活動數據——哪些文案跑得好、哪些跑得差 目前在用的文案——避免重複 目標關鍵字——確保方向對然後 Claude Code 會交叉比對這些數據，同時參照 Austin 預先設定好的 Agent Skills——包含 Anthropic 的品牌語氣指南、產品描述的準確性要求、以及 Google Ads 的最佳實踐規範。 最後直接輸出一個可以上傳的 CSV 檔案。不用再手動整理格式，不用再從聊天視窗一條一條複製。 關鍵在於：AI 不是在真空中「創作」文案，而是在讀完了你的歷史成效數據、品牌規範、和平台規則之後，才開始生成。這跟在 ChatGPT 裡打「幫我寫 15 個 Google Ads 標題」是完全不同層次的事情。 不是取代團隊，是改變一個人能做的事情的上限 這裡有一個容易被忽略的細節：Austin 並不是唯一在 Anthropic 做行銷的人，他是唯一負責「成長行銷」的人。Anthropic 還有品牌行銷、產品行銷、內容行銷等其他團隊。 但即使只看成長行銷這塊，一個人同時操作六個管道，這在傳統行銷組織裡是不可能的。不是能力問題，是物理時間的限制。 Austin 自己的反思是："I would say a few years ago, if you had an idea to build something like this workflow, you would probably need a team of engineers." （我會說幾年前，如果你有這個想法要建這樣的工作流程，你大概需要一整組工程師。）而 Anthropic 內部其他行銷團隊的數據也印證了這個趨勢：影響者行銷團隊用 Claude 寫腳本，每月省下超過 100 小時；客戶行銷團隊把案例研究的初稿時間從 2.5 小時壓到 30 分鐘；數位行銷團隊的生產力年增 5 倍；合作夥伴行銷團隊把展會準備時間縮短了 40%。 真正值得學的不是工具，是工作流設計的思維 Austin 的案例之所以值得仔細看，不是因為他用了多厲害的工具——Claude Code 任何人都能用。值得看的是他設計工作流的思路： 第一，他把問題拆成「重複性高 + API 可接取」的單元。 不是把所有行銷工作都丟給 AI，而是精準鎖定那些量大、規則明確、格式固定的環節。廣告素材套版、文案變體生成、成效數據比對——這些都符合「高頻、重複、有明確規則」的特徵。 第二，他讓 AI 帶著上下文工作。 不是給 AI 一個空白提示詞，而是把品牌規範、歷史數據、平台規則全部餵進去。AI 的產出品質直接取決於你給它多少上下文，Austin 的 Agent Skills 設定就是在解決這個問題。 第三，他保留了人類判斷的環節。 所有文案範例都是「和產品行銷與文案團隊合作」產出的基礎上再延伸。AI 產出的是初稿和變體，最終的品牌判斷、策略方向、創意決策仍然是人在做。 Austin 自己說得最到位的一句話是："I think growth marketing is going the way of almost like a product manager. We're not only able to execute on campaigns, we're able to actually build products." （我覺得成長行銷正在往產品經理的方向走。我們不只是執行行銷活動，我們能真正建造產品。）這句話的含義很深。當一個行銷人可以自己建工具、自己跑數據、自己做自動化，他的角色就不再是「執行者」，而是「系統設計者」。瓶頸不再是你會不會寫程式，而是你有沒有能力定義問題、設計流程、判斷品質。 Jesse Pujji 在他的分析中指出，Ampush 過去管理超過 10 億美元的數位廣告預算，團隊超過 100 人，而 Austin 一個人用 AI 工具做到的產出量級，已經超過了大多數完整編制的行銷團隊。傳統代理商按人頭、按工時計費的模式，正在被每月不到 100 美元的軟體成本取代。 這不是未來式。這是正在發生的事。📎 Austin 的完整案例收錄在 Anthropic 官方部落格的 How Anthropic's Growth Marketing team cut ad creation time from 30 minutes to 30 seconds with Claude Code，裡面有更多關於 Figma 外掛的操作畫面和 Google Ads 工作流的詳細設定步驟，還有 Anthropic 其他行銷團隊（影響者、內容、合作夥伴）各自怎麼用 Claude 的具體案例。另外，Austin 在 2024 年 7 月接受 Passionfroot 的 AMA 訪談，聊了更多關於成長行銷策略的底層邏輯——什麼時候該投廣告、什麼時候該先做 SEO、怎麼用不能規模化的方法先跑起來——那些是 AI 工具之前的基本功，值得一讀。