大家好，這裡是 Best Partners，我是大飛。
從企業報稅到 Tess：一次出人意料的創業轉型
今天，我想分享一段對話，這段對話始於 Ben Horowitz 給 Garry Tan 發了一條訊息，說他發現了一個名為 Tess 的工具，改變了他的生活。Tan 感到震驚，因為他意識到 Tess 是 Dennis Greys 的產品，而且他清楚地記得 Dennis Greys 曾從事企業稅務申報工作——這是一項相當不錯的業務——那麼，為什麼創始人會自己關閉它呢？此外，Tan 曾主導對 Pliant 的投資，而 Greys 是 Pliant 的前任執行長；他對此事完全毫不知情。
Greys 的全名是 J.D.。2024 年，他創辦的第一家公司選擇的是企業報稅，將公司財務報告和合約輸入模型，輸出可以直接提交的報稅表；它很有潛力。報稅文件全部是文本，包含大量結構化數據，例如財務報表和租賃文件，大型模型很擅長處理這些數據；他花了一年時間才開發出這款產品。第一年，他們的收入就達到了 100 萬美元。按此預測，第二年的收入應該達到 250 萬至 300 萬美元。
在人工智慧出現之前，這是一條相當優美的成長曲線。但人工智慧出現後，這種局面有了改變。現有企業可以利用同樣的模式為現有客戶自動提交文件，從而比新創公司更快速搶佔市場份額。因此，他意識到這家企業注定永遠無法達到創投的規模。對於創始人而言，這是一個危急情況。新進業者具有速度更快、產品獨特性的優勢，但時間緊迫；關鍵在於你 entity 能否在現有企業效仿你的做法之前迅速建立起聲譽。
然而，報稅也存在一些不可避免的缺點。首先，稅金每年只能出售一次；它不是那種每天都要打開的實用工具。你很少會看到有人吹噓自己報稅報得有多好，而且報稅季結束後，人們也不會考慮更換稅務公司；到了第二年，他們可能就把這件事忘得一乾二淨了。這些差距使得大規模擴張非常困難，因此在第一個報稅季結束後，J.D. 和他的聯合創始人花了一周時間散步、喝咖啡，認真思考人生、創業和資本主義的意義。
最終，他們意識到了一件事：稅務團隊在這家公司沒有未來，所以他們決定轉戰一個更有發展前景的市場。蘭德表示，這是一個非常勇敢的決定，大多數人不會做出這樣的決定，尤其是撤在當時看來注定失敗的情況下。他的回答很坦率：那一刻，他覺得自己失敗了；感覺自己真的搞砸了。他不停地問自己，我為什麼要這麼做？答案是：對世界產生正面影響，並創造一些對他人有用的事物。由於他不再相信他們能夠產生如此大的影響，這種信念也隨之消失了。
然後是團隊；每個人都有自己的機會成本，本來都可以加入許多其他優秀的公司。如果創辦人不再相信結果，那麼每天走進會議室，看著人們的眼睛，就成了最困難的部分——承認我們失敗了。但當你真正說出口時，你會意識到：誰會在乎別人怎麼看你？您可以幫助員工找到下一份工作，並提供體面的遣散費。事情塵埃落定後，他意識到這並不是他最初想像的那麼艱難的決定；沒錯，就是它。
另一個關鍵因素是時間壓力。稅金每年徵收一次，而那個特定的時間點是他們做出決定的唯一窗口期。他們無法等到 4 月 16 日才做出改變，因為他們告訴很多人他們會處理稅務問題；他們也無法等到 1 月才與一半的合作夥伴簽約。所以，這個窗口期只有大約一個月，以 10 月 15 日為中心。在那段時間裡，他們生活在兩個世界：一個世界繼續繳稅，另一個世界則沒有回頭路。窗口關閉後，門也隨之關上了。他很清楚，如果這個行業不受季節性波動的影響，人們總是會告訴自己再等一個月，然後再三個星期，但他們沒有這種奢侈。當機會消失時，他們必須立即做出決定。否則，一年後他們還會原地踏步。最後，他們沒有更改公司名稱；它仍然叫 T。
挖掘核心痛點：轉向電子郵件與日曆智能助手
那麼，從那時到我們今天看到的 T，這段期間發生了什麼變化？他們認真探討了大約四個想法，最終確定了一個問題：為什麼還沒有人開發出一款真正基於電子郵件和日曆的優秀產品？
這個想法並非憑空產生的。在開發稅務產品時，許多客戶會說：「你們實現了稅務自動化，這太棒了！」但客戶仍然花費大量時間安排會議。開會時，我常常忘記之前討論過的內容。客戶總是問同樣的稅務問題；如果您能提前提供答案，那就太好了。這些要求實施起來並不複雜；只是當時還沒有人將強大的 AI 應用於這些常見的流程，例如會議準備、後續跟進或回覆簡單的電子郵件。
他們大約在 OPOS 4.5 發布前後開始探索這一領域。到那時，代理人已經能夠獨立完成許多編碼方面的工作。他們沒有坐下來計算潛在市場規模；他們收集了大量用戶回饋，並決定在接下來的幾個月裡全力以赴。隨著他們不斷深入研究，他們發現大多數企業的電子郵件和日曆都已排滿，特別是對於銷售、業務拓展和招聘等面向外部的職位而言，這些崗位的跨公司協作主要依賴電子郵件。因此，他們得出結論，潛在市場規模一定非常巨大，不僅在美國，而且在全球範圍內。
下一個問題是：產品驅動成長還是直接企業銷售？他們的判斷是，顧客是付款的人，而使用者是每天與產品互動的人。如果客戶不是用戶，最終很可能會得到一款糟糕的產品，這款產品會讓決策者滿意，但會讓實際用戶感到沮喪。這位共同創辦人來自 Dropbox，他在那裡學到的最重要的一課是：始終以世界一流的消費者產品體驗為先導，然後再思考這對企業意味著什麼。反之，從企業合規性和 IT 要求出發來打造一款用戶體驗極佳的產品幾乎是不可能的。因此，他們始終專注於把產品做得夠好；發展自然隨之而來。
他們首先確保資料和隱私安全可靠。他們押注的是消費者的期望；CEO 們會藉鏡自己生活中所使用過的私人助理的經驗，並希望公司也能擁有同樣的助理。所以現在的問題變成了：如何從單一企業交易走向規模化，以及如何滿足其他企業的資料、隱私和安全需求？
Lear 也補充說：2007 年 iPhone 發佈時，史蒂夫·鮑爾默說沒有人會買這麼貴的手機，但黑莓很快就完蛋了。解釋是，那年聖誕節，許多 CEO 收到了 iPhone 或類似的禮物，用這些手機給孩子們拍照，被照片驚艷到了，然後立即說：「我是老闆，想辦法讓這些東西在公司裡發揮作用。」其他人則持懷疑態度，認為人工智慧似乎沒什麼用，他們更喜歡使用像 Notion 這樣的軟體。感覺就像 iPhone 已經到來，人們在個人生活中體驗到了人工智慧的奇妙之處，但這種感覺還沒有蔓延到工作場所。
J 利用一家名為 GTechnology 的公司來闡述這一擔憂；那是一款早期的 iPhone 企業級電子郵件用戶端，他形容它醜得令人髮指。他提出這個問題是為了說明，這不只是使用者介面美觀的問題；有時候，好的產品並不能保證好的生意，他也強調，改變的速度受到人類速度的限制。換句話說，代理類別在全球已經擁有數百萬用戶，但它仍處於非常早期的普及階段。就像 iPhone 一樣，大多數人可能需要 6 個月、12 個月或 18 個月才能親身感受到這種魔力，但一旦他們感受到了，問題就出現了：我們如何在公司內部實現這一點？
這比 iPhone 更複雜，因為要讓代理商有效運作，它需要存取資料和支援業務營運的 API。所以，他們的做法是先談論旅程本身。他們允許公司用戶將電子郵件和日曆關聯起來，從而體驗到足夠的價值。在企業層面，存在審計日誌、不能與代理商共享的機密資訊以及首席財務官要求的成本控制；透過下移市場，目標客戶轉向中小企業和中型企業，這些企業的需求少得多，接受速度也快得多。他目前的策略是完善產品體驗，依靠自助式成長打入低端市場，然後從安全性和合規性的角度贏得企業客戶的青睞。
傑文斯悖論與代幣經濟學：尋找低成本的高價值場景
關於助理這個角色，蘭分享了自己的經驗；他有一位行政助理，但即便如此，他還是覺得不方便讓助理查看他的所有電子郵件。當他在倫敦時，他以為自己要去參加一個晚宴，但他日程表上根本沒有這個安排——原因很簡單，他還沒有回覆那封電子郵件。所以他說，行政助理的市場看起來很小，因為大多數人沒有行政助理，但如果真的建立起來，規模可能會非常龐大。
這裡有一個傑文斯悖論：當蒸汽機的效率提高時，人們認為煤炭需求會下降，但實際上煤炭需求卻增加了 1000 倍，因為更多的事情可以有效率地完成。他對市場的定義是：打造一款能與人良好互動的產品，幫助人們找到更多在工作中應用人工智慧的機會。從某種意義上說，人工智慧就像一台代幣分配機，讓人們自己決定如何支配他們的代幣。隨著代幣成本的下降，它們的使用範圍將會越來越廣。
他舉例說：每次開會前，你都要準備會議記錄。行政助理不會做這件事，因為它太費力，但對於大型語言模型來說，成本非常低。這樣一來，有需要的人就可以隨時獲得每次會議的筆記，甚至可以查看還有哪些人參加了會議。這些日常工作之所以變得有價值，只是因為它們的成本大大降低了。他們的工作就是不斷尋找這些機會，然後詢問用戶：「您希望我們在這方面為您提供幫助嗎？」
他舉了一個餐廳老闆的例子。如果你在美國經營一家餐廳，批發商每個月會發送一封電子郵件，或每季發送一份所有庫存商品的價格清單。商品種類繁多，價格也常變動。理論上，你的兼職會計應該每季檢查價格變化，看看你是否可以從其他供應商訂購，或者你是否因為某些東西上漲了 20% 到 30% 而支付了過多的費用。但在大多數情況下，你不會這樣做，因為它太繁瑣，而且超出了你的核心業務範圍。
借助人工智慧，你只需每月執行一次分析，五分鐘即可獲得結果。即使 12 個月中有 11 個月都找不到任何東西，但仍然值得去做，因為它的運行成本只有大約一美元。而如果它在那一個月內真的找到了目標，就能幫助你節省數百甚至數千美元。
橫向擴展與個人化：對抗大模型廠商的護城河
在討論產品和成長時，話題轉向了橫向策略與縱向策略。他們的立場很明確：他們不想被貼上「只幫你省錢買雜貨的公司」的標籤。他們更傾向於從橫向發展入手，向成千上萬的用戶和數萬家企業學習，然後讓市場決定縱向發展的方向。
他認為，大多數人工智慧產品的功能將變得越來越相似。價值單位已經從軟體轉移到了智慧；隨著軟體抽象化程度的提高，其價值下降，使得僅憑單一功能就難以引領市場。那麼，如何才能打造一家成功的公司呢？
他們的答案是，隨著人工智慧的發展，產品可以更好地為每個用戶進行個人化。無論你是電工、創投家還是行政助理，可以自動化的任務都不同。這項工作尚未做好；如果你直接問模特，你只能得到一些膚淺的建議。這就是為什麼他們不查看單一用戶數據，而是查看匯總指標，識別平台上的活躍用戶並與他們交談的原因。與十位經驗豐富的餐廳經營者交談，你會發現他們都會做五件共同的事情，這些事情可以轉化為一個自動化的工作流程，稱為餐廳老闆的日常工作流程。當有人加入時，系統會判斷你是否像個餐廳老闆，然後向你展示一份完善的計畫。
人工智慧仍在此不斷進步，其功能也從五項增加到十五項。對外部函式庫的依賴性降低，最終將能夠交付 80% 的客製化軟體。他將此比喻為實驗室的 FTE 方法：派人到你的公司學習業務，並利用人工智慧開發客製化軟體。如果每年向 OpenAI 支付 500 萬美元用於 FTE（全職員工），現在看來似乎很划算，但隨著模型的改進，這種方法將變得越來越不合理。他們選擇了一種更傾向於自動化的方法，這種方法具有更好的可擴展性。
接下來，我們將比較他們的產品為何比 OpenAI 或 Anthropico 的產品更好。尤其是現在它們都附帶連接器，可以連接到像 Slack 這樣的應用程式。這裡所用的類比是基礎架構層和應用層之間的關係；思科和 Akamai 都是基礎架構公司。在 90 年代，亞馬遜和 eBay 等公司崛起時，思科從未想過自己開設書店或建立拍賣網站。我們正處於一個奇怪的時代，基礎設施正在向應用程式轉變，與自己的供應商競爭是充滿風險的。
一個簡短但不太理想的答案是，電子郵件和日曆的使用者體驗截然不同，而其他人並沒有真正關注這一點；但這只是一個簡單的答案，因為 OpenAI 或 Anthropic 的任何人隨時都可能決定這樣做。
更好的答案是回歸客戶需求：與一家擁有 500 到 1000 名員工的中型企業交談，詢問他們未來三到五年內哪種模式的供應商會是最好的。他們可能無法回答這個問題。那麼，如果你購買了 OpenAI 的產品，是否就必須永遠使用 OpenAI 的模式呢？如果它不是最好的呢？這就是為什麼他們將自己定位為中立的應用程序，根據當時的情況選擇最適合您的提供者——不僅考慮一般情報，還考慮誰在語音、視訊或幻燈片功能方面更強大，從而將決策權掌握在您手中。
第二種觀點認為所有權屬於你：資料、記憶體和上下文。過去，公司擁有有形資產和人力資源；現在出現了一個新的類別，或許可以稱之為「上下文」，即人工智慧理解有關您業務的一切。他認為你應該擁有這筆全部資產。如果存在比他們更好的解決方案，切換只需一天時間。那些為你部署全職員工的人實際上是在試圖讓你更難轉換公司。
第三部分是訓練；規模夠大的公司不會把你當成實驗品，如果你被捲入他們的漩渦，就如同把你的商業成功秘訣賣給了別人，所以「T」不做訓練。
最終立場涉及競爭；他們對人類與人工智慧關係的看法可能比實驗室更具前瞻性。在「T」內部，有一個名為 Teams 的產品，它是圍繞內部客戶關係管理系統建構的。他們信任代理人來決定公司擁有哪些訊息，或其他員工是否可以使用這些資訊；例如，如果你在「T」中問：「有人認識財務團隊的人嗎？這位潛在客戶是誰？」「T」助理可以看到其他員工的「代理」，並幫助您找到與您的潛在客戶相關的人員。雖然這項功能很強大，但從隱私角度來看，其設計必須非常出色。
他們的想法是讓人們以人工智慧的速度工作；過去，如果你在 Slack 或 Teams 中問：「有人認識那個團隊裡的人嗎？」您可能需要等待大約一天才能得到回复，而使用「T」則可以立即得到回复，因為他們決定依靠人工智慧來處理此類問題的安全性和公司內部隱私。「T」認為未來人類的干預將遠少於今天，他們的工作是讓企業接受這個世界，因為經濟利益遠大於風險。
對於大多數大型公司而言，真正依賴任何單一實驗室都是沒有意義的。這裡存在著一個恰到好處的相關區域。假設你的收入是 1 兆美元，那麼你肯定是實驗室的首要目標；但如果你的收入為零，而且沒有人使用你的產品，他們根本不會在意。程式設計技術已經跨越了那條界限，而且 Anthropic 公司正在大力投資這項技術，這顯然不容忽視；但醫療保健、法律和程式設計都是規模龐大的領域，實驗室幾乎被迫進行這些大手筆的投資，導致橫向分散，難以深入小眾市場。
技術分佈不均與 Agent 流量帶來的商業重構
最後，兩人討論了一個更微妙的問題：分佈從來都不是均勻的。蘭恩說，很多人都在談論跨越鴻溝，但這並不是只存在於一個地方而없存在於其他地方的技術；世界各地的人都在使用它，只是分佈不均。
JD 舉例說，一家度假租賃公司會使用「T」來比較衝浪板或沙灘車的照片，以判斷損壞情況，從而決定是否退還押金。這完全不在他的願望清單上。激發這種需求的，是那家小企業裡一個喜歡搗鼓各種東西的人。他對此印象深刻，然後與助手討論如何實現影像比較的自動化。我們在經濟的各個角落都能看到這樣的應用案例；問題在於：世界上缺少足夠多的搗鼓者，缺少有時間精心打理自己事業的人，這就是為什麼人工智慧還沒有得到廣泛應用的原因。
儘管 Claude 或 ChatGPT 已經存在了 12 個月，許多小型企業可以使用它們來節省更多時間，但他們只是把它們當作更好的 Google 搜尋。原因在於，產品體驗不能只是一個文字方塊。你無法教導別人；你只能向他們展示價值主張並替他們完成工作。
那麼，為什麼要讓用戶了解最新情況呢？他們將電子郵件和日曆連接起來，理想情況下還能連接到企業操作系統，從而構建一個並非現成的自定義集成，但卻能像魔法一樣發揮作用。這就是分佈不均的原因。在矽谷，每個人都與工程師一起工作，更接近那種與生俱來的動手能力，但世界上大多數地方都缺乏這種條件。如果你能讓不喜歡動手實作的人也能接觸到人工智慧，並獲得與動手實踐者相同的價值，你就有可能建立一家龐大的公司。因為人工智慧可以解決許多商業問題，所以智慧本身是現成的；關鍵在於如何有效地大規模部署它。
蘭伯特提到他在哈佛大學遇到的一位非常傑出的教授，當被問及人工智慧時，這位教授說他多年前嘗試過人工智慧，結果還可以，但並不理想。然後，蘭伯特讓他用人工智慧重寫了一篇他 20 多年前寫的論文；他說這太棒了，但當他得知這是 ChatGPT 時，他簡直不敢相信。
人工智慧發展速度太快；許多人習慣用目前的標準來評判事物，而矽谷則傾向於評判事物未來的發展方向。還有一大群人只看到它現在的樣子，諷刺的是，部分原因是早期採用者兩年前嘗試過一次，看到了幻覺和錯誤，並一直困在那種版本的現實中。如果他們現在再試一次，結果將完全不同。這裡的判斷是，最終的勝利在於持續發展，使企業始終配備最先進的人工智慧，我們對可能、困難或容易的看法將徹底顛覆。
他舉了 Airbnb 的例子。在過去的兩個半月裡，智慧助理可以完成六個月前幾乎不可能完成的事情，成功率從大約 30% 攀升至 90%。所以，在演示中，他為你挑選東西，你卻感到驚訝——難道你不需要使用者介面嗎？但這些東西很難賣出去；你必須說得非常具體，比如說：「我可以用你付費的 Canva 訂閱來製作你一直用 CW 製作的那些海報，你想讓我這麼做嗎？」五分鐘後，只需花費 25 美分，就能生產出非常有價值的東西。那些看似越來越不可能的事情，其實只是順應了當前模式能夠為你做的事情的趨勢。
隨後，萊爾將話題引向了代理商流量。他表示，從廣義上講，代理流量已經遠遠超過了人類流量。他以雅虎財經為例：雅虎付費給納斯達克以獲取股票報價，並免費提供給你能，條件是你關注他們並觀看他們的廣告。然而，這份合約已經被撕毀了。契約雙方立場對立，但其中卻蘊藏著協同效應的機會。這就像一種全新的搜尋引擎優化；如果你能成為代理流量的接收者而不是阻止它，並想辦法歡迎它，那將是一個巨大的機會。
按照這種邏輯，亞馬遜的損失應該成為沃爾瑪的收益，因為沃爾瑪沒有廣告業務，而且其激勵機制也不同；這裡最有趣的部分是，如果代理人的訊息不是中立的，會發生什麼？例如，如果你有一個 MTA 代理，而 MTA 上有很多廣告——聯合航空公司在 MTA 上的廣告比任何其他航空公司都多——當你要求它預訂航班時，一旦你意識到它給你的信息不再是中立的，會發生什麼？
人類的動機永遠存在；總是會有人想要銷售和推廣產品。所以他認為你需要的是一個中立的、屬於你自己的私人代理人。由於沒有其他資金來源，你的錢包就是它唯一的資金來源，因此它會有動力為你提供最好的信息，而不會受到銷售力量的扭曲。
然後他談到了對抗性與非對抗性，並將其置於經驗的框架中。有些摩擦令人愉悅，例如外出購物時在商店間閒逛；而有些摩擦則是人們不想花費時間的事情，例如在家訂購衛生紙，只想盡快將商品放入購物車。並非一切都以追求最高效率為目標。如果他是亞馬遜，面對每年約 700 億美元的廣告業務，他會說我們不應該封鎖 AI 代理，但封鎖它們反而會造成更大的壓力，所以我們需要創造一種不同的體驗，讓用戶能夠在其中看到廣告。然而，人工智慧的發展速度實在太快了；它將以無人能預測的速度改變分銷方式和人類習慣，而且肯定會有人慘敗。
他還發現另一類產品很有趣，那就是 M，一款免費的個人人工智慧代理。人們可能會想，Meta 最終會在 M 上投放廣告嗎？但或許根本不需要；也許 M 只是提供數據，幫助他們在 Instagram 上更好地定位你。用戶打開 Instagram 不是為了提高效率，而是為了娛樂，因此，獲利和智慧體驗就這樣分離了。而像亞馬遜這樣的平台則處於劣勢，至少在人工智慧代理方面是如此。如果你只是一個供應聚合商，這可能不再是一個好的商業模式。他們真正的應對之策應該是擁有自己的私有人工智慧代理。
舉例來說，有一個名為 CamelCamelCamel 的網站，專門追蹤亞馬遜的價格，光在美國就有 2,000 萬用戶。你告訴它：「我想知道胡椒博士汽水現在的價格是不是 8 美元；當它降到 6 美元時，請告訴我。」它不會替你下單；它只會給你發送一條通知。有些人時間多於金錢，有些人金錢多於時間。有錢但時間少的人不會使用 CamelCamelCamel；只有那些時間充裕的人會這樣做。如果現在讓每個忙碌的富人的 AI 代理來處理這些工具，它們肯定會使用這些工具；這實際上就是一次智商測驗。這一切的共同結論是，供應聚合的價值已經大大降低，因為人類的注意力是有限的，而現在它可以被自動化所取代。
聊到這裡，本集節目就到此結束了。從整個對話來看，方向其實很明確：一家在舊世界生存下來的優秀企業，一旦人工智慧壓縮了優勢窗口，就未必能發展成為創投規模的公司。因此，他選擇主動關閉這家公司，在一個月內完成了轉型，並將客戶的內部投訴轉化為利潤。
我提出了一些行業評估：必須區分客戶和用戶，模型存取應該是中立的，資料記憶和上下文所有權必須歸用戶所有，人工智慧代理產生的流量正在改寫由眼球驅動的舊廣告合約。這些判斷是否正確還需要時間來驗證，但有一個問題值得留給大家思考：當你的 AI 代理和平台代理的利益發生衝突時，你會選擇什麼？您會繼續使用那個可能受到行銷影響的免費助手，還是願意花一點錢購買公正的情報？歡迎。