数字业务继承救援：将日本的“个人化系统”转化为可转移资产
“用 Claude Code 和 Codex 能做什么赚钱？”
面对这个问题，大多数人首先想到的是合同 AI 应用开发、业务自动化、聊天机器人、海外服务的日文版、或者小型 SaaS 产品。
然而，这些领域早已人满为患。
随着 AI 编写代码的速度提升，仅仅会“写代码”的价值正在下降。
从客户的角度来看，A 公司、B 公司、C 公司都在说，“我们用 AI 进行短期开发。”最终，这会导致价格竞争，AI 节省的时间反而变成了降低价格的压力。
那么，在 AI 时代，真正有价值的是什么？
答案不是代码本身。
答案是：将无人能解释的业务流程去神秘化，创造出即使有人离开，公司也不会停摆的状态。
结合 Claude Code 和 Codex 应该瞄准的最强金矿，是以下业务：
“数字业务继承救援”：发掘埋藏在 Excel、VBA、Access、遗留系统、手动任务以及员工头脑中的业务规则，并将其转化为规范、测试、迁移计划和操作流程。
这不仅仅是系统开发。
也不是简单的 DX（数字化转型）咨询。
这是一项在关键时刻——如社长退休、资深员工离职、M&A 交接、或旧电脑故障——拯救公司内部“隐形软件”的工作。
你销售的不是程序。
而是“即使那个人明天不在了，公司也能继续运转”的安心感。
1. 为什么这在日本是一个巨大的金矿
日本大约有 336 万家中小企业。
根据中小企业厅的数据，截至 2021 年 6 月，中小企业和小规模企业共有 336.5 万家，支撑着日本约 70% 的就业。
换句话说，日本经济的主体并非由大企业的最新系统驱动，而是由地方中小企业的日常运营所支撑。
另一方面，这些现场充斥着这样的系统：
- 已退休员工创建的 Excel 宏
- 只有一名行政人员知道如何操作的 Access 数据库
- 已经打了 20 年补丁的销售管理系统
- 需要手动处理会计软件 CSV 文件的任务
- 结合了电子邮件附件、共享文件夹和纸质清单的订单处理
- 只有特定员工才知道的折扣、结算日期、库存分配和开票例外处理
- 没人想碰的批处理文件和旧脚本
- 服务器位置不明的数据库
关键在于，这些不仅仅是“老旧系统”。它们包含了数十年来积累的关于交易条款、客户服务、库存判断、质量控制和开票的业务知识。
即使代码混乱、界面过时，只要它支撑着每月的销售和付款，它就是公司的重要资产。
然而，在大多数情况下，这些资产没有记录在规范或手册中。它们零散地存在于员工的头脑、Excel 公式、VBA 分支、Access 查询和共享文件夹的文件名中。
这就是业务继承问题重叠的地方。
《2025 年中小企业白皮书》显示，超过一半的中小企业经营者年龄在 60 岁以上，约 40% 的个体经营者有意停业。虽然接班人缺失率在下降，但经营者老龄化和业务继承仍然是重大挑战。
即使交接了股份或不动产，如果从接单到开票的实际操作只有一个人能理解，公司就没有真正被交接出去。
M&A 也是如此。如果在收购后发现“没有这个 Excel 文件就无法开票”或“库存数量在员工的备忘录里，不在系统中”，那么整合就会停滞。
简而言之，日本正在发生的业务继承，需要的是“数字业务继承”——即业务规则、数据、系统和流程的转移。
2. 市场缺人，所以 AI 杠杆有效
用传统的人力密集型方法做这件事是不赚钱的。你需要能读懂旧代码、采访员工、分析数据、设计新系统和编写测试的人。
然而，日本公司缺乏 DX 人才的情况非常严重。根据 IPA 的一项调查，85.1% 的日本公司表示缺乏推动 DX 的人才。
特别是在小型企业中，虽然对生成式 AI 感兴趣，但实际利用率很低。只有大约 20% 的员工少于 100 人的公司正在积极使用生成式 AI 进行工作。
乍一看，这对 AI 业务来说似乎不利。实际上，恰恰相反。
客户不需要操作 Claude Code 或 Codex。提供商利用 AI 来缩短通常需要数百小时的调查、代码阅读、规范提取、测试创建和数据比对工作。
你不是在向客户销售 AI。你销售的是：
- 降低业务停摆的风险
- 完成退休员工的交接
- M&A 后的可整合性
- 系统故障后的可恢复性
- 可读的业务规则
- 可验证的测试
- 判断哪些该废除、哪些该保留的标准
客户越不会使用生成式 AI，那些在幕后使用 AI 来交付成果的提供商的价值就越高。
这是关键。在“生成式 AI 实施支持”中，客户必须学习新的工作方式。但在“数字业务继承救援”中，客户不需要学习任何东西。他们只需解释自己的工作、提供文件、并确认最终的规则。你销售的是结果，而不是 AI。
3. 为什么这比其他 AI 业务思路更胜一筹
让我们从五个维度（1-5 分制）来比较使用 Claude Code 和 Codex 的业务思路：
- 客户紧迫性
- 支付能力
- 产品化 / 可重复性
- 通过 AI 降低成本
- 长期进入壁垒
通用 AI 应用合同开发
- 紧迫性：2 | 单价：3 | 可重复性：3 | AI 杠杆：4 | 壁垒：2 当客户只是觉得“有会更好”时，预算很难保证。这通常会导致价格战。
提示词培训 / AI 课程
- 紧迫性：2 | 单价：2 | 可重复性：3 | AI 杠杆：3 | 壁垒：1 容易起步，但竞争激烈，内容很快就会过时。
小型行业专用 SaaS
- 紧迫性：3 | 单价：3 | 可重复性：4 | AI 杠杆：4 | 壁垒：3 经常性收入潜力高，但需要很高的初始准确度来识别行业痛点，并且需要大量的支持和销售工作。
海外 AI 服务的日本本土化
- 紧迫性：3 | 单价：3 | 可重复性：3 | AI 杠杆：4 | 壁垒：2 存在先发优势，但如果原始服务增加了日语支持，优势就会消失。
数字业务继承救援
- 紧迫性：5 | 单价：4 | 可重复性：4 | AI 杠杆：5 | 壁垒：4 这项业务有明确的截止日期：员工退休日、社长卸任日、M&A 执行日或服务器支持终止日。紧迫的问题会获得预算。此外，切入点虽然是诊断，但出口是长期的系统重建。
4. “无人注意”的真正含义
准确地说，面向大型企业的遗留系统现代化市场已经存在，由大型 SIer 和咨询公司提供服务。这里的“空白空间”是：
项目太小，大公司不愿承接；但靠本地 IT 店手动调查又太复杂。
例如，一家拥有 20 到 200 名员工的公司，使用了数十个 Excel、Access 文件和旧的销售系统。项目规模在几百万日元。传统上，仅调查一项就会吞噬利润。但是，如果你使用 Claude Code 和 Codex 来自动化调查、文档编写和测试，你就可以将这些作为固定价格的产品来提供。
这不是在创造一个新市场，而是将仅适用于大公司的现代化流程，压缩成适合中小企业购买的产品。
5. 为什么要同时使用 Claude Code 和 Codex？
Claude Code 和 Codex 不仅仅是代码补全工具；它们是 Agent 环境。Claude Code 可以读取代码库、编辑文件和运行命令。Codex 也通过非交互式执行和 Git 集成来处理开发、重构和迁移。
同时使用它们，不是为了找出哪个更好，而是为了将“创造者”与“验证者”分开。
如果一个模型从头到尾负责提取和测试，它可能会将最初的误解贯穿整个流程。相反，应该划分角色：
Claude Code：考古学家兼架构师
调查现有资产。读取代码、SQL、日志和手册，以整理依赖关系和业务规则。子 Agent 可以分别处理数据结构、业务规则和手册。
Codex：工厂兼独立验证者
读取 Claude 的规范，并验证它们是否与实际代码行为一致。然后并行执行任务，如测试创建和数据转换。它使用 CI 来检查异常。
人类：最终的业务裁决者
即使模型意见一致，也由人类批准。AI 不应最终决定某个异常是否仍需保留，或税务处理是否正确。
6. 产品是一个 8 步救援流程
不要一开始就构建新系统。首先，记录正在运行的内容，并决定保留什么。该流程被产品化为 8 个阶段：
- 保全证据：记录备份、文件列表和服务器配置。暂时不要修改生产环境。
- 盘点数字资产：收集所有内容——VBA、脚本、CSV、纸质清单和员工备忘录。
- 记录实际输入/输出：捕获典型的输入数据和由此产生的输出（例如，正常订单、折扣、退货），以了解代码的实际行为。
- 映射业务规则：将代码转换为结构化的业务规则（输入、条件、公式、优先级），以便管理层能够阅读。
- 创建黄金主测试：将当前的输入和输出固定为基准，以确保新流程产生相同的结果。
- 分类（废除、替换、包裹、重建）：不要重建所有内容。尽可能使用 SaaS，只重建核心竞争逻辑。
- 增量迁移：使用 Codex 工作树逐个迁移单元（例如，订单接收、价格计算），新旧并行运行。
- 交付继承包：交付包含资产清单、流程图、规则台账、恢复程序和路线图的包。
7. 示例：拯救一家本地批发商的“神秘 Excel”
一家拥有 45 名员工的批发商依赖一个 10，000 行的 VBA 宏进行价格计算。创建者已离职；只有一名 59 岁的员工知道如何运行它。与其全面替换系统，救援服务提取了规则，发现 20 个流程中有 8 个未使用，7 个可由 SaaS 处理，只有 5 个是独特的。然后只重建了那 5 个。价值在于完成的交接和记录下来的规则，而不仅仅是代码。
8. 产品设计与定价
- 产品 1：黑盒风险诊断（5-10 天，30 万-80 万日元）：交付资产清单、识别依赖特定人员的任务以及改进计划。
- 产品 2：数字继承包（4-8 周，120 万-300 万日元）：建立业务规则、数据字典和恢复程序。
- 产品 3：增量迁移冲刺（2-6 个月以上，300 万-1500 万日元以上）：将单元迁移到 SaaS 或 API。
- 产品 4：持续维护（每月 10 万-50 万日元）：每月备份、测试执行和交接更新。
9. 个人运营的收入模型
一个个人运营者可以通过获得 12 个诊断和 4 个继承包，外加几个月度维护合同，轻松实现年收入超过 2000 万日元。市场巨大；即使日本 336 万中小企业中只有 0.05% 购买一个 200 万日元的服务，那也是一个 33 亿日元的市场。
10. 目标行业
专注于拥有 20-200 名员工的批发、制造或物流公司，这些公司有复杂的订单/库存任务。特别针对后台任务，如“从订单到开票”、“库存与订购”和“月/年终结账”。
11. 销售策略：利用“值得信赖的中介”
不要通过广告直接向 CEO 销售。与已经获得信任的人合作：税务会计师、地方银行、M&A 经纪人和本地 IT 维护公司。使用这样的问题：“如果某个人明天缺席，哪项任务会停摆？”
12. 真正的进入壁垒
不是 AI 工具。而是积累的资产：
- 日本商业的业务规则字典。
- 遗留资产（VBA、Access 等）的分析模板。
- 用于提取“隐藏”规则的访谈设计。
- 黄金主测试组件。
- 特定行业的迁移模式。
13. 不要交给 AI 做的事情
最初，切勿让 AI 具有对生产数据的写入权限。将原始文件与工作副本分开。不要硬编码机密信息。最重要的是，AI 的解释不是证据——必须将它们与实际代码和 I/O 结果联系起来。最终的法律、税务和会计决策必须由专家做出。
14. 90 天执行路线图
- 第 1-14 天：选择一个行业，并用模拟的遗留文件构建一个演示环境。
- 第 15-30 天：采访 10 位中介人（税务会计师等）以完善产品。
- 第 31-60 天：以低价执行 2 次付费诊断，以验证流程。
- 第 61-90 天：完成一个继承包，并将其转化为合作伙伴可用的产品。
15. 最终目标：数字继承平台
最终，从一项服务演变为一个平台，具备自动化库存 Agent、业务规则台账、“继承评分”，以及供 M&A 买家验证风险的“业务继承室”。
结论：不要卖代码。卖的是“业务连续性”。
在 AI 时代，编写代码的成本下降，但理解“要构建什么”和“当前如何运作”的成本仍然很高。Claude Code 和 Codex 是镐和选矿机。真正的产品是：即使关键人物离开了，公司明天也能继续运转的保证。
