kangarooking Source Metadata
Original cangjie-skill frontmatter from the distillation run:
id: f21
title: "试点势能飞轮 — 先求成功再求价值"
book: "AI for Everyone"
author: "Andrew Ng（吴恩达）"
source: p22
tags: [transformation, strategy, momentum, sequencing]
related_skills:
- slug: ai-transformation-playbook, relation: depends-on
- slug: start-small-find-partner, relation: composes-with
- slug: cross-functional-brainstorming, relation: depends-on
R — Reading（原文引用）
"初始项目或项目的首要考量是成功，而非必须是最有价值的...挑选成功率较高的项目，能够启动飞轮效应" — p22
I — Interpretation（用自己的话重新阐述）
这是一个反直觉的策略：你的第一个AI项目不应该是最有价值的那个——而应该是最可能成功的那个。
为什么？
- 早期成功建立信誉和组织信心
- 成功吸引更多内部客户来找你合作
- 形成飞轮效应：成功 → 信誉 → 更多项目 → 更大成功
- 飞轮转起来后，再逐步挑战更高价值的项目
Google Brain案例：语音识别（低风险、非核心业务）→ 成功 → 其他团队注意到 → 地图项目 → 更大成功 → 最终做到广告（最高价值）。飞轮用了数年才完全转起来。
A1 — Past Application（过去应用案例）
- Google Brain：第一个项目选择语音识别——不是Google最核心的业务，但技术可行性高。成功后第二个项目做地图，第三个才做广告（最高价值）。飞轮逐渐转起来：成功 → 信誉 → 更多内部客户 → 更大项目 → 更大成功。整个过程花了数年时间。
A2 — Future Trigger（未来触发条件）
触发场景：
- 团队纠结"第一个AI项目选什么"
- 有多个AI想法，不知道先做哪个
- 组织刚起步AI能力建设，需要决定起点
语言信号：
- "第一个AI项目做什么？"
- "先做什么AI？"
- "第一个项目选哪个？"
- "试点项目"
- "从哪开始？"
区分要点：当需要从多个候选项目中选择第一个来执行时，使用本框架。
E — Execution（执行步骤）
- 列出候选项目：收集所有可能的AI项目想法。
- 按成功概率评分：对每个项目评估"做成功的可能性"（而非"做成了值多少钱"）。考虑因素：数据是否可得、技术是否成熟、团队能力是否匹配。
- 选择成功概率最高的项目：不要选最有价值的，选最可能成功的。
- 执行并宣传成功：高质量完成项目，主动向全公司宣传成果。
- 吸引下一个项目：成功后，其他业务线会主动找你——此时可以选择更有价值的项目。
完成标准：第一个AI项目成功交付，至少有一个新的内部客户主动找上门来合作。
B — Boundary（使用边界）
不适用场景：
- 组织已有AI信誉（不需要再"证明自己"，可以直接做高价值项目）
- 所有候选项目成功概率相近（此时应选价值最高的）
- 紧急业务需求（不能等飞轮转起来）
失败模式：
- 选了"容易但无关"的项目：成功了但没人关心，无法形成飞轮
- 成功后不宣传：飞轮需要"被看到"才能转起来
- 定义"成功"不清晰：项目做完了但大家不觉得是成功
作者盲区：
- Andrew Ng没有明确定义"成功"的标准——成功必须是可见的、可量化的。建议在启动前就明确：什么算"成功"（如准确率达标、上线运行、业务指标改善）。否则项目做完了，大家可能对"是否成功"产生争议，飞轮就无法启动。此外，"先求成功"不等于"选无价值的项目"——成功的项目仍需有一定业务价值，只是不追求"最大"价值。
相关 skills
- ai-transformation-playbook — depends-on：试点势能飞轮是AI转型五步指南中第一步的核心策略，需要嵌入整体转型路线图中理解。
- start-small-find-partner — composes-with：先找合作伙伴从小项目做起的策略与飞轮理念一致——通过小成功建立信誉，吸引更多合作。
- cross-functional-brainstorming — depends-on：选择试点项目前需要跨部门头脑风暴来识别候选项目，这是飞轮启动的前置步骤。