AI-NATIVE 系列 · Future Makers Strategic Collab，第 3/4 篇
战略协作，靠走出来，不靠聊出来
要点速览
内容简介 FM-SC 系列第 3 篇，聚焦如何让一家前沿公司和真正能用上它成果的人实现精准对接。每一方都有眼下的难题和对未来的想象——但这些，只有在多次“走动”和交流中才能逐步摸清，一场会远远不够。
为什么值得关注 大多数合作，往往只凭一场漂亮的会议或演示就下结论。BMW 的 venture-client 单元数据显示，和 280 多家初创公司做试点，最终有 38 家以上成为正式供应商，按我的算法大约是 13.6%；这还是在多周接触和有边界测试之后。即便如此，超过一半的 alumni 还能拿到后续付费项目。
你可以这样实践： 下次和外部团队开会前，先写下对方此刻最头疼的事，以及他们一年后最想实现的目标，再准备一个关于两者之间差距的问题。会后，记录下你们任何一方作出的唯一承诺，写明负责人和截止日期。顺便数一数，这样的“走一程”你已经有几次了。
Future Makers Strategic Collab — 系列脉络
▶ 看它实际运行：打开在线演示 公开 · 无需登录
- 不是普通技术分享——FM-SC 有哪些不同 第 1 集
- 为什么选现在——AI 便宜后，优势会复利在上下文 第 2 集
- 真正的“匹配”，是走出来的，不是聊出来的 本集
- 头、钱包、心、魂——每条实践两位见证人 第 4 集
标签说明：EVIDENCE 代表有出处，DESIGN 代表 FM-SC 的设计方式，OPEN 代表尚未验证，LENS 代表我的个人观点。
本集聚焦：如何理解战略协作中的“匹配”
第3集讲的是“匹配”：一家前沿公司（provider）和那些可能用到其成果的人（demanders），要如何真正理解彼此，才能走向协作。这适合撮合合作、推动试点或身处现场的每一个人。我的观点是：战略协作的理解，靠的是多次走动和交流，一场会议远远不够。
先来做个小测试
在继续往下读之前，先想一想：下面哪一项最能预测一位讲者和现场听众在讲座三个月后还会不会继续合作？
- A. 讲者有多有名。
- B. 到场人数有多少。
- C. 有多少人是带着自己必须解决的具体问题来的。
- D. 幻灯片做得有多精美。
先把你的答案记下来，后面我们会再回到这个问题。
两边的痛点与梦想
每一场 FM-SC 都有两个主角：一边是做分享的公司（provider），一边是现场那些可能用到他们成果的人（demanders）。传统会议把前者当内容、后者当观众，而 FM-SC 把两边都当成有任务要完成的人。provider，demanders。
这个说法是有意借用的。Clayton Christensen 的jobs to be done理论认为，人们不是买产品，而是“雇用”产品来帮自己在特定情境下取得进展（Christensen et al., HBR 2016). DESIGN FM-SC 会问两边同一个问题，而且问两次：此刻，哪里最痛？一年后，什么才算梦想成真？此刻？一年后，什么才算梦想成真？
以我们第一场 Future Makers 为例，XTrace 的 Felix Meng 和 Austin Cai 作为 provider，他们的痛点可以直接引用他们公开说过的话：一家企业在一次 AI 会话中学到的东西，很难延续到下一次，所以今天的纠正无法指导明天的工作。他们的梦想，Austin 在会后公开发文时这样说："businesses that carry what they learn into how they work"（中译：企业能把学到的东西真正融入日常工作）。XTrace 官网也有同样的主张："shared intelligence for people and AI agents"（中译：人与 AI 共享智能）(xtrace.ai).
需求方这边声音更小，但问题更具体。那些考虑用 AI 共享记忆的人，最关心的往往是实际操作：比如，规则在业务不断变化时怎么保持更新？怎么防止一次错误的经验被反复扩散？一套规则能不能同时适配多种 AI 工具？这些问题很常见，但并非我们现场的原话。DESIGN 实际上，我们会把现场提出的问题都记录成带引用的笔记，直到有人亲自确认。我们只采纳大家真正问出来的问题，而不是靠猜测。
为什么一次对话远远不够
撮合人与人之间，有个扎心的事实：一场会议只能听到对方说了什么，听不到他们真正需要什么。你可以去问问那些在一场炫酷演示后就买了软件的人。
EVIDENCE 工程师之间的沟通会随着物理距离迅速衰减。Thomas Allen 在 MIT 研究研发实验室时发现，定期技术交流的概率在最初几十米内就断崖式下降（Allen，Managing the Flow of Technology，1977；总结为the Allen curve）。距离感靠一次次走动积累，不是靠一次拜访。EVIDENCEBMW Startup Garage，自称全球首个 venture-client 单元，数据显示他们和 280 多家初创公司做过试点，最终有 38 家以上成为 BMW 的正式供应商，超过一半的 alumni 拿到了付费后续项目；从首次接触到最终评估，周期为 4 到 8 周（BMW Startup Garage）。拿两个下限一算，成为供应商的比例大约是 13.6%——这是我自己算的。就算是老道的撮合人，也得多次接触、加上有边界的测试，才能真正配对成功。
所以 FM-SC 的流程设计，就是多次走动、多次对话，而不是一场讲座定生死。
- 会前。 每个席位都要和提供方实际做的内容高度匹配，才会被邀请。每个人到场前都要先写下一条真实的问题、挑战或请求。我们会提前和提供方的工程师、负责人开预备会，也会把现场要跑的测试提前发给他们，确保测试公平，不搞突然袭击。
- 会中。 问题先上屏。准备好的问题按顺序提，之后才开放自由提问。最后十分钟是承诺环节，每一项都要当场读出，明确负责人和截止日期。
- 会后。 由非邀请方的人来裁定我们到底学到了什么。讲者先收到量化反馈，之后才会被问“请推荐我们接下来应该见的三个人”。
DESIGN每一个环节，都是补上上次遗漏的机会。这就是这里说的“复利闭环”：每走一步，都会影响下一步的做法。
“好匹配”——用数字说话
“好匹配”听起来像种感觉，FM-SC 则把它落成了可以失败的具体标准。
- 准备覆盖率：受邀者中，实际带着已记录问题到场的比例。标准线定在 80%。
- 跟进速度：从活动到第一个带负责人和截止日期的承诺，中间间隔的天数。标准线是 2 天。
- 跟进兑现率：承诺是否按时完成，并且由非负责人来验收. EVIDENCE有一家团队复盘工具商报告：既有负责人又有截止日期的行动项，按时完成率约 90%；而既没负责人也没截止日期的，只有约 67%（TeamRetro, vendor-reported）。我们把这个数据当作方向参考，而不是硬性目标。
- 转介绍链：演讲者是否把我们介绍给下一个实验室、建设者或相关人，以及这次介绍最终是否变成了一场交流。
DESIGN这些数字全都不用人工统计。FM-SC 网页应用会根据记录自动算出这些指标，集中展示在一个叫“持续改进”的页面上。如果数据太少无法统计，就会标记为 UNMEASURED。这个应用是公开的，无需登录。演示用的是虚构的活动，你可以直接看分数怎么变化，不涉及任何真实工作内容。
DESIGN 我对开头那个问题的答案是 C，先说明，这其实只是个设计假设，不是实证数据：我没见过有研究会追踪一场分享后三个月的合作情况。我们设计的四个指标里，只有这个被实际量化。EVIDENCE 最接近的相关研究来自培训领域：人们是否觉得一场培训 liked，和他们实际学到了什么几乎没关系；但他们觉得是否 useful，对实际能不能迁移到工作上，预测力更强（Alliger et al., 1997）。一个带着问题来的人，才是真的想用点什么。名气、人数和幻灯片，是那种“神级演示”才有的配置。再看成本：大咖要出场费，人多要场地，好幻灯片得搭上一个周末。提一个问题，只要嘉宾五分钟。四项里最便宜的，就是我们选来衡量的。
真实成绩单
FM-SC 到目前只举办过 一场分享。这第一轮“走一遭”，我们自己在匹配上学到了什么？
EVIDENCE 提供方这边，我们理解得很到位——无论是他们公开资料还是现场内容。 EVIDENCE 需求方这边，我自己数了下，活动前有三次以上深聊，活动期间和之后有十五个以上问题。但我们当天前，并没有把准备工作录入系统。按我们自己的规则，第一轮循环不能算闭环，因为事后补录的准备，不能证明来时真的准备好了。 DESIGN 所以我们把这次失误变成了新规则：系统现在会在任何没有记录准备的场次前自动提醒。
第一轮最大盲区其实是我们自己：明明做了个记录准备的系统，结果当天前没用上。这就是为什么要多走几轮。第一轮走完，才知道自己哪里还在猜。
可能的失败方式
三种失败风险，先写在这里，欢迎监督：
- 匹配变成了纯社交。如果座位优先给有空的人，而不是和主题真正契合的人，这场分享就会变成一场配幻灯片的午餐聚会。到时候，准备覆盖率一定会跌破标准线。
- 循环卡在人为环节。软件可以提醒你截止日期，但它没法让人主动裁定结果或发出感谢。如果裁定迟到，甚至根本没人裁定，这个循环就只剩下一条流程管道。
- 转介绍链条迟迟没有建立。 OPEN如果讲者没有把我们介绍给下一个实验室、团队或个人，FM-SC 就还只是一个外发邀请名单。第一场之后，它能不能变成一个自发涌入的网络，目前还是个未知数。
本周实践
挑一场你要和团队外的人开的会。会前，写下两点：他们此刻最头疼的是什么，现在，以及一年后对他们来说什么才算梦想成真。带一个关于这两者之间差距的具体问题去。会后，把你们任何一方做出的唯一承诺写下来，注明负责人和截止日期。这就是一次 walk。
下集预告
第4部分，来聊聊我被问得最多的问题：为什么一个讲 AI 的项目，会同时引用《箴言》和管理科学？答案很简单——FM-SC 里最难啃的，其实都是人的问题。
参考资料
- Christensen, C., Hall, T., Dillon, K. & Duncan, D. (2016). Know Your Customers' "Jobs to Be Done." Harvard Business Review. https://hbr.org/2016/09/know-your-customers-jobs-to-be-done
- Allen, T. J. (1977). Managing the Flow of Technology. MIT Press. Allen curve 摘要：https://en.wikipedia.org/wiki/Allen_curve
- BMW Startup Garage，项目数据。https://bmwstartupgarage.com/
- TeamRetro，Follow-Through Index（厂商自报）。https://www.teamretro.com/guides/follow-through-index/
- Alliger, G. M., Tannenbaum, S. I., Bennett, W., Traver, H. & Shotland, A. (1997). 培训评估标准相关性的元分析。Personnel Psychology, 50, 341–358. https://onlinelibrary.wiley.com/doi/abs/10.1111/j.1744-6570.1997.tb00911.x
- XTrace，公司官网。https://xtrace.ai/
- Austin Cai，2026年10月2日讲座后公开发布于LinkedIn的帖子。原文引用（证言）；LinkedIn 需登录访问。
- Wu, P. J. (2022).Here comes the 12X-Future Southern Data Science Conferences.LinkedIn。https://www.linkedin.com/pulse/here-coms-12x-future-southern-data-science-conference-wu-phd/