大家好，我是白井博士。目前我在日本AICU Japan公司工作，致力于“培养创造者”为愿景，专注于生成式AI和媒体艺术的研究与实践。最近，我在日本东京谷歌园区推动基于AI的游戏开发。
你是否曾被问及“想做一个网站”这类需求？无论你是不是顾问，作为工程师或IT部门成员，肯定不止一次被内部或外部请求“帮忙做个网站”。
如今，借助“Claude Code”，编码速度惊人提升，原型一天内即可完成。然而，我在咨询过程中深刻体会到，尽管代码写得更快，与人沟通的时间并未减少，反而有所增加。
编码快速之前，更重要的准备工作
某天，一位创业者朋友向我咨询建站事宜。他有愿景和想法，但却不清楚费用预算——这几乎是每次遇到的常态。
我开始进行常规的需求访谈：行业类别？目标用户？页面数量？是否需要支付功能？多语言支持？已有域名和服务器吗？等等。
问题是，这样的访谈通常需要2到3小时。之后还要整理业务流程、制作网站地图、制定时间表，才能最终给出报价。整个准备阶段可能耗费数天，决策者也需要时间考虑，热情容易消退。而且这段时间的工作通常无人支付报酬。
无论“Claude Code”多快，这部分流程无法缩短。因为本质上，这不是编程，而是对话。理解对方的业务和未来网站的访客，挖掘未明确表达的需求，并将其转化为技术可实现的方案，这些只有人类能做到——至少目前的AI还无法独立完成。
我突然意识到，这样的对话结构几乎每次都相似。
发现“重复模式”——将咨询隐性知识结构化
不同的行业，提问的结构抽象后非常相似，区别仅在于回答内容。根据回答，网站元素和报价框架几乎可以自动确定。
那么，是否可以将访谈的结构本身产品化？
我尝试利用大型语言模型（LLM）将咨询隐性知识结构化。具体做法是用“Claude”应用版分析过往访谈记录，整理问题的依赖关系。
例如，回答“想做电商网站”的客户需要询问支付功能，而企业官网则不需要。需要多语言支持的客户会继续被问及目标语言，国内用户则跳过。这种包含条件分支的39个问题被整理出来，通过与“Claude”的反复讨论，5小时内完成设计，并投入客户使用。
有趣的是，单纯让LLM生成“网站建设访谈问题”不会得到这样的结构，只会得到一般性的检查清单。真正的“问题顺序”和“条件分支时机”只有有经验的咨询师才能设计。AI是加速结构化的工具，结构本身来源于人的经验。
39问访谈工具“AIQ”的技术细节
由此诞生了对话式访谈工具“AIQ: Quick Site Estimate”。
技术架构方面，前端采用React，问题分为8大类：
- 企业信息（5问）——依据日本总务省标准产业分类
- 项目目标（5问）
- 现有环境（5问）——是否已有网站或域名
- 网站设计（6问）——页面数、功能需求
- 品牌塑造（5问）
- AI应用（4问）——聊天机器人、图像生成、翻译等
- SEO与营销（4问）
- 技术与运维（5问）——托管、安全需求
行业选项遵循官方产业分类，方便申请政府补助。农业和信息通信业对网站需求截然不同，第一题就能区分，便于动态分支设计。
安全方面，回答自动保存在浏览器localStorage，支持中断续答。忙碌的企业主可利用手机碎片时间逐步完成。数据仅在点击提交时才发送，确保隐私安全。
采用“Claude Code”快速编码与非编码部分的工作量
“AIQ”初期实现采用“Claude Code”快速编码，后续使用GitHub、Visual Studio Code和Cloudflare进行AI驱动开发。前端约两天内完成，运营成本几乎为零。
但服务器技术之外，花费更多时间在分析访谈记录、设计问题结构（3天）、与“Claude”反复讨论（5小时）、客户测试反馈调整（1周），以及为客户高管和内容负责人举办为期一天的培训工作坊。使用工具仅限GitHub和VSCode，真正实现AI驱动开发的成本降低。
这正是AI时代软件开发的真实写照：编码加速，服务器费用降低，SaaS和工具需求减少，但与决策者的对话无法加速。反而因为编码速度快，若需求模糊，后期返工风险更大。通过经验丰富的咨询师以聊天形式进行高质量访谈，并举办工作坊让团队掌握AI方法，提升员工能力，是AI时代的核心价值。
意外的副产品——客户的“自我认知工具”
部分客户使用“AIQ”后反馈，回答39个问题的过程比报价本身更有价值，帮助他们理清了业务。
这很合理，因为“目标用户是谁？”、“与竞争对手的差异点？”、“三年后网站希望达到的状态？”等问题不仅是报价需求，也是业务战略的核心。
将咨询隐性知识工具化，意外成为客户深化自我理解的产品，这对我来说是个惊喜。现在也用于整理补助金申请的分析和建议。
你的工作中也潜藏“可结构化的重复模式”
总结来说：
- 你的工作中是否存在“每次都问同样问题”的场景？
- 这些问题是否有条件分支或模式？
- 如果整理这些结构，是否能打造“AI时代的访谈工具”？
无论是IT部门的系统需求咨询，销售的新客户访谈，还是人事的面试评价，都存在“问题结构相同，答案不同”的共通模式。
单靠员工将经验直接交给LLM无法得到良好结构，但通过专家访谈设计工具，结构化速度将大幅提升。用“Claude Code”实现，几天内即可获得可用工具，提升组织效率，减少时间浪费。瓶颈不在技术，而是将隐性知识语言化。
总结：AI时代，价值提升的是“对话”
要点如下：
- 代码写得更快，反而让与人对话定义需求的价值提升
- 咨询隐性知识（问题结构、顺序、条件分支）可通过聊天式访谈加速结构化
- 39问访谈工具“AIQ”由“Claude”设计问题结构，“Claude Code”实现，编码占比不足20%
- 意外成为客户深化自我认知的工具
- 培训工作坊对推广更为关键
- 你的工作中也潜藏可结构化的重复模式
在快速编码时代，竞争不在于写代码的速度，而在于定义“该做什么”的能力——即面对面沟通，挖掘未言明需求的对话技巧。如果你发现工作中有“重复访谈”的场景，不妨尝试将其工具化。
我正在进行生成AI领域的国际意识调查，欢迎参与。
——日本AICU Japan株式会社代表、作家、生成AI创作者、工学博士 白井博士
致力于“培养创造者”，采访、研究并实践全球CG、AI、XR及媒体艺术开发现场。
