kangarooking/ai-for-everyone-skill · Archived

three-value-drivers

应用从 AI for Everyone 蒸馏出的「AI价值驱动三途径 — 降本/增收/新业务」方法论。Use when the user needs practical guidance, diagnosis, workflow design, decision support, or an action plan related to three-value-drivers.

First seen Jul 7, 2026

Installation

$ npx skills add kangarooking/ai-for-everyone-skill --skill three-value-drivers

Stronger alternatives

This repository is archived — consider an actively maintained alternative.

Similar popular skills

Related neighbors and high-traction skills in the same topics — useful to compare before installing.

Also in this package

Other skills from kangarooking/ai-for-everyone-skill · top by installs.

npx skills add kangarooking/ai-for-everyone-skill

Browse all from kangarooking/ai-for-everyone-skill

More details

Agent compatibility

Declared targets from SKILL.md / docs. Unmarked agents are not listed — the skill may still install via the CLI.

Claude Code Not declared
Cursor Not declared
Codex Not declared
GitHub Copilot Not declared
Windsurf Not declared
Gemini CLI Not declared
Cline Not declared
OpenCode Not declared

Repository health

Stars 33
License LICENSE
Default branch main
Open issues 0
Status Archived

Package contents

Files included with this skill beyond the listing page.

  • skill md SKILL.md 5,516 B
  • docs SUMMARY.md 273 B

History

  1. First seen on skills.sh
  2. First recorded snapshot · 6 installs

SKILL.md

Source Metadata

Original cangjie-skill frontmatter from the distillation run:

id: f23
title: "AI价值驱动三途径 — 降本/增收/新业务"
book: "AI for Everyone"
author: "Andrew Ng(吴恩达)"
source: p15
tags: [value-assessment, business-model, project-selection, roi]
related_skills:
  - slug: triple-due-diligence, relation: depends-on
  - slug: cross-functional-brainstorming, relation: composes-with

R — Reading(原文引用)

"AI项目可以通过三种方式创造价值:降低成本、增加收入、创建新业务...问'它降低了什么成本?增加了什么收入?创造了什么新业务?'"
— p15

I — Interpretation(用自己的话重新阐述)

评估一个AI项目的商业价值时,Andrew Ng提供了一个简洁的三问框架:

  1. 降低成本:AI能否自动化某些任务,从而减少人力成本、时间成本、错误成本?

- 例:客服自动化减少人工坐席、质检自动化减少质检员、预测性维护减少停机损失

  1. 增加收入:AI能否推动更多转化、更高客单价、更好的用户体验?

- 例:推荐系统提升交叉销售、动态定价提升利润率、个性化提升用户留存

  1. 创建新业务:AI能否让公司进入全新的业务领域或推出全新产品?

- 例:数据本身作为新产品、AI能力开放为平台、全新的智能服务

为什么这个框架有用?

  • 避免"为了AI而AI"——每个项目必须能回答这三问之一
  • 帮助商业尽调时结构化地量化项目价值
  • 三个途径的风险和回报特征不同:降本最可预测、增收需要用户行为改变、新业务风险最高但天花板最高

A1 — Past Application(过去应用案例)

  • 降本案例:某制造企业用AI视觉质检替代人工质检。每个质检员年薪8万,AI系统替代5个质检员,年节省40万人力成本。项目投入60万,1.5年回本。
  • 增收案例:某电商平台引入推荐系统。推荐系统将用户转化率从2%提升到3.5%,按年GMV 10亿计算,增量收入1500万。
  • 新业务案例:某银行将内部风控模型开放为SaaS服务,为其他小银行提供风控能力。这是全新的业务线,与原有银行业务无关。

A2 — Future Trigger(未来触发条件)

触发场景:

  • 评估一个AI项目"值不值得做"
  • 向管理层/投资人解释AI项目的商业价值
  • 比较多个AI项目的优先级
  • 商业尽调阶段需要量化项目价值

语言信号:

  • "这个项目怎么赚钱"
  • "AI项目的ROI怎么算"
  • "这个项目有什么商业价值"
  • "值不值得投入"
  • "能带来多少收益"

区分要点:

  • 用户需要的是快速分类(三选一)还是详细量化(财务模型)?本skill提供分类框架,详细量化需要triple-due-diligence。
  • 项目处于创意阶段还是评估阶段?创意阶段用cross-functional-brainstorming,评估阶段用本skill。

E — Execution(执行步骤)

  1. 识别价值驱动类型:这个项目主要通过降本、增收还是新业务创造价值?(可以多选)
  1. 量化价值:

- 降本:计算可替代的人力/时间/错误成本 - 增收:估算转化率/客单价/留存的提升空间 - 新业务:评估市场规模和进入壁垒

  1. 评估投入:估算开发成本、数据成本、部署成本、维护成本
  1. 计算ROI:(量化价值 - 投入成本) / 投入成本
  1. 风险评估:

- 降本:技术能否达到自动化要求? - 增收:用户行为是否会如预期改变? - 新业务:市场是否存在?竞争格局如何?

  1. 综合判断:如果三个问题都答不上来,项目价值存疑。

完成标准:明确项目的价值驱动类型,并给出量化的价值估算和投入产出分析。

B — Boundary(使用边界)

不适用场景:

  • 纯研究项目(没有商业应用目标)
  • 基础设施类项目(价值间接,难以直接量化)
  • 合规/伦理驱动的项目(价值不在经济层面)

失败模式:

  • 把所有项目都说成"三个都有"——没有聚焦
  • 过度乐观估算增收/新业务的价值
  • 忽视实施成本和变革管理成本
  • 只看经济价值,忽视战略价值(如数据积累、能力建设)

作者盲区:

  • Andrew Ng的三问框架偏向短期经济价值,但有些AI项目的价值是战略性的——如积累数据资产、培养AI能力、建立组织信心。这些长期价值难以用三问框架衡量。
  • 三个途径并非互斥——一个项目可能同时降本和增收,需要判断哪个是主要驱动力。

相关 skills

  • [triple-due-diligence](/books/ai-for-everyone/triple-due-diligence/) — depends-on:商业尽调需要量化项目价值,三价值驱动框架提供了商业尽调中"价值评估"部分的结构化方法。
  • [cross-functional-brainstorming](/books/ai-for-everyone/cross-functional-brainstorming/) — composes-with:头脑风暴产出候选项目后,用三价值驱动框架对候选项目进行价值评估和优先级排序。