当团队说「想要 AI 增长」时，他们通常指的是什么
当一个团队说他们想要 AI 来驱动增长时，他们通常的意思是：更快地发送。一个 Agent 把相同的模板对着更长的列表、日以继夜地轰。
这是工作中最便宜的那一半，而且它已经停止了。
Nicolas Finet 在这篇文章里描述了他用 Claude Code 构建的「GTM Brain」——一套把市场信息自动汇入 AI 工作流的系统。
核心架构：Feedback → Agent → Decision
输入层：Slack 消息、视频、用户反馈——所有非结构化的市场信号。
处理层：Claude Code Agent 自动对这些输入进行排队、分析、分类。
输出层：定期生成决策建议，推送给人类决策者。
人类的位置只有一个：在决策点。不在收集点，不在执行点。
为什么这现在是可能的
Finet 没有在这篇文章里直接说，但结合 Lance Martin 和 Berman 的描述，答案很清楚：
Fable 5 让「评估步骤」真正可靠了。在之前的模型上，你不能真的把「判断什么值得做」这件事交给 AI——因为 AI 的判断不够稳，你需要大量人工介入来纠正。但 Fable 5 的长程任务稳定性和自我纠正能力，让评估本身变成了一个可以信任的自动化环节。
关键洞察
问题是「你能构建什么」已经不是问题，真正的问题是「找到值得构建的东西」。当代码能力不再是瓶颈，反馈质量才是。屏幕录制比截图携带更多意图——一个人在说「这里感觉不太对」的同时按下了按钮，这才是真正的信号。截图只是一个瞬间。
产品等于反馈循环的质量。代码已经足够好，下一代产品的差距在于反馈质量。