Netic 创始人 Melisa Tokmak:AI 只用来砍成本就太悲哀了
对话 Netic 创始人兼 CEO Melisa Tokmak:为暖通、屋顶、宠物护理等现实服务业打造自主经营企业,为什么不做 AI 整合并购、不担心大实验室,以及“AI 只用来砍成本就太悲哀了”。
本文译自No Priors 播客,发布于 2026 年 7 月 31 日;主持人埃拉德·吉尔(Elad Gil),对话 Netic 创始人兼 CEO 梅利莎·托克马克(Melisa Tokmak)。
从土耳其小镇到斯坦福全奖,再到 Scale AI 最早期业务搭建者,Tokmak 如今把 AI 卖进暖通、屋顶、宠物护理这些"离硅谷最远"的行业。她解释了为什么零下 20 度的一通报修电话背后是 AI 最硬的仗,为什么她不做时下最热的 AI 整合并购,为什么她敢说"不担心大实验室"——以及那句值得所有 to B AI 公司贴在墙上的话:AI 只用来砍成本就太悲哀了。
▍嘉宾:梅利莎·托克马克(Melisa Tokmak)
梅利莎·托克马克是自主经营企业平台 Netic 的创始人兼 CEO。
- 寒门路径:在土耳其小镇长大,来美前没有自己的电脑;凭全额奖学金进入斯坦福大学,后进入 Meta 工作。
- Scale AI 岁月:在 Scale AI 约四年,任工程总监,从零搭建政府业务线及物流、制造、金融、医疗等大型企业的市场化业务;在 Meta 入股交易落定前离开创业。
- 创办 Netic:2024 年前后创立 Netic,要求每位工程师必须下客户现场,以"自主经营企业"为北极星,迄今已为客户创造超过 6 亿美元的 AI 交互收入。
▍关于 Netic
Netic 是一家总部位于旧金山的 AI 公司,为现实世界的必需服务业打造"自主经营企业"平台。
- 做什么:在暖通空调、管道、电工、屋顶工程、宠物护理、会员制健康服务等大型企业与客户之间,用智能体承接呼入呼出、需求理解、调度派单与营收分析;超过 70% 的客户已是"Netic 优先"——客户与商家的首次交互由 AI 完成。
- 商业验证:50 万美元级合同端到端 14 天签完;平台接入卫星数据等外部情报自动喂给智能体上下文,帮助客户做增量收入而非仅降本。
为现实世界造 AI 的人
Elad: 今天我们请到的是梅利莎·托克马克(Melisa Tokmak)。Melisa 是 Netic 的创始人兼 CEO,这家公司为暖通空调(HVAC)、宠物护理、屋顶工程等各种现实世界的服务业打造 AI。创办 Netic 之前,Melisa 曾在 Scale AI 担任工程总监,负责多个方向的市场化业务,也曾在 Meta 工作过。欢迎做客 No Priors,Melisa,感谢你来。
Melisa: 谢谢你的邀请。
Netic 在建造什么:服务业的自主经营
Elad: 我们先从你的业务聊起吧。你们做的事情我觉得非常有意思——把 AI 真正映射到现实世界里。能详细讲讲 Netic 是做什么的、你们聚焦的方向吗?
Melisa: Netic 打造的 AI,是用来运营千千万万维持这个世界运转的现实企业的。
具体来说,我们服务的是必需服务业(Essential Services)里的大型企业,我们也是从必需服务切入的。什么是必需服务?比如年营收十亿美元级别的家庭服务公司——暖通、管道、电工;再比如会员制的消费健康公司,你办了卡就能去做各种运动。酒店、汽车、宠物服务,都在此列。总之,维持你的生活运转所需、以及你想去做的每一件事,都是例子。
这些生意体量都不小,而且各自都要直接面对数以百万计的终端用户——有消费者,也有企业客户。Netic 就处在企业和它的客户之间:理解客户想要什么,再对照这家企业的运营规则看能怎么帮上忙,乃至直接调度服务和人力——这一整条链路都跑在 Netic 上。
Elad: 那具体点说:一个客户打给暖通公司,接下来会发生什么?Netic 在其中扮演什么角色?
Melisa: 想象一下:你住在荒郊野外,气温零下 20 度,暖气突然停了。
你先得找一家服务商——服务商多的是,但你想要最靠谱、而且真能上门的那个,毕竟外面零下 20 度,家里可能还有孩子或老人。找到之后——无论是通过聚合平台、搜索引擎,还是现在越来越多地通过大模型——你可以用任何方式联系这家公司:打电话、发短信,或者上官网用在线预约。如果这家公司在用 Netic,接听你、跟你对话的就是 Netic 的智能体:你住什么样的房子?我们有没有你的档案?这通对话甚至可以是语音电话——语音本身就是 Netic 提供的——然后由它推理判断:这个人需要帮助,我们应该派人上门修暖气。
我们合作的很多商家都是如此,这也是我们从必需服务起步的原因:它们的运营需求极其复杂,绝不是“Elad 家暖气坏了,Melisa 你跑一趟”那么简单。你家的机组是什么型号?你的具体需求是什么?我们能不能上门?是今天必须到,还是明天也行?你作为客户的终身价值是多少?我们该派今天就有空的师傅,还是那位只懂锅炉或新型系统的专家?
所以这件事的第一步——弄清客户的需求是什么、这家公司能不能接、该派谁、什么时候派——本身就相当复杂,而这一切都是围绕着让客户满意、让公司多赚钱来优化的。
"零下 20 度"的反面:自主智能体的信任墙有多贵:Tokmak 举的场景恰恰是 AI 出错代价最高的场景——极端天气里的紧急报修,派错人、理解错地址、判断错紧急程度,都可能酿成真实的人身财产损失。要让客户放心把"第一触点"交给智能体,需要的不只是准确率,而是接近零的重大失误率加上无缝的人工兜底机制。70% 客户"AI 优先"的漂亮数字背后,是每一家企业都要重新支付的信任建设成本——而一次上新闻的调度事故,就可能让整批客户退回人肉客服的老路。
必需服务的旧世界:靠人堆出来的运营
Elad: 有道理。那么在你们出现之前,这件事的“在位者版本”是什么样的?市场上其他玩家怎么做?或者说,你们替代的到底是什么?
Melisa: 先往回看:今天大家是怎么干这件事的?我们毕竟才成立两年,在我们之前呢?答案主要是:靠人。
这些公司体量巨大,但讽刺的是,它们反而长不大——因为任何增长都意味着继续堆人。而且很多是 EBITDA 驱动的生意,不少被私募股权(PE)持有,必须盯紧利润率和现金流,才能有钱反哺业务。而公司里最宝贵的劳动力,永远是一线干活的师傅——因为这类生意同质化严重,客户打过来你不接,他马上就找下一家:谷歌搜索结果的下一个,或者现在,ChatGPT 给的下一个答案。所以你当然要把钱优先投在蓝领劳动力上。
于是直到今天,这些公司都是靠成百上千的客服人员,努力全天候接住客户。而且这些支持团队本身也不稳定。看看一家年入十亿美元的公司普通的一天:生意凌晨四五点就开始了,那个时间公司里根本没有人;师傅们六点才陆续上岗。等你作为经理到公司,可能当天就有三个人辞职、五个人没露面。而从早上六点起,客户电话就开始疯狂涌入——比如现在正好全国热浪,上周还破了纪录。你怎么办?
这类生意大多是周期性的:冬天、夏天、节假日是旺季;开春大家开始健身,健身房就忙。所以你必须在旺季那几个月里把一年的价值都接住,才能养活自己和员工。
Elad: 因为你们提供的是智能体,所以它们可以弹性扩容——客户电话暴涨时,智能体替你全部接起来。
Melisa: 对。很多客户最初正是这样用上我们的。但今天,我们超过 70% 的客户已经是“AI 优先”——我们内部叫“Netic 优先”——也就是说,他们超过七成的客户与公司的第一次交互,都是由 Netic 智能体完成的。
语音与客服智能体在 2026 年已成" boring 基础设施":Tokmak 描述的"AI 接所有第一通电话"在 2026 年的美国服务业已不是科幻——从 Decagon 的客服智能体到各类语音 AI 厂商,客服与调度是垂直 AI 落地最快、ROI 最可验证的场景之一。行业的共识数据是:客服类智能体平均可承接六到八成的常规交互,真正拉开差距的是剩下两成复杂场景的处理质量与升级机制。Netic 所说的"70% 客户 AI 优先"与此吻合,也意味着这个赛道的竞争焦点正在从"能不能接"转向"接错时怎么办"。
做服务还是做整合并购
Elad: 面对这类市场,其实有几种不同的打法。我自己就是 Netic 的投资人,显然很看好你们;但我也投过 AI 整合并购(AI Roll-up)——比如 Long Lake 那样,直接收购一堆这类企业,再用 AI 去优化它们。有些被收购标的的画像,和你们的客户群是重合的,你也提到它们很多已经被 PE 持有了。你当初是怎么做这个选择的——做一家服务公司,而不是自己下场整合并购、买了资产自己运营?这两条路的取舍你怎么看?
Melisa: 三个原因:我想在这个世界上建造什么、我的技能组合、以及产品的规模。
先交代背景:创办 Netic 之前,我在 Scale AI 待了大约四年,从零搭建了他们很多现实世界业务,从政府到大型企业都做过。
Elad: 这里给听众补一句背景:Scale AI 起家做的是数据标注,后来和 Meta 达成了一笔交易——Meta 出了大约 280 亿美元(译者注:指 2025 年 6 月 Meta 以约 143 亿美元获得 Scale AI 49% 股权,投后估值约 290 亿美元)。
Melisa: 对,我记得更接近 300 亿。
Elad: 差不多那个量级,反正是真金白银。你在 Scale 算是非常早期、也非常核心的人物,参与过那么多条业务线。然后你在那笔交易发生之前就离开,出来创办了 Netic。
Meta 与 Scale AI 交易的后续:2025 年 6 月 Meta 以约 143 亿美元获得 Scale AI 49% 股权(投后估值约 290 亿美元),创始人 Alexandr Wang 随之加入 Meta 领导其超级智能实验室。这笔交易在 2026 年的回头看颇具争议:Scale 的大模型数据标注主业因大客户集体"避嫌"而明显萎缩、经历多轮裁员,而 Meta 的 AI 进展也未达预期。Tokmak 在交易落定前离开、转身做面向现实世界的 AI 应用,事后看踩准了节奏——数据标注是上一波浪潮的地基,垂直场景的执行系统才是这一波的。
Melisa: 对我来说,有两件事至关重要。
一是 Scale 让我真正看懂了现实世界的生意。我搭过的业务线包括政府业务,以及物流、制造、金融、医疗等各个行业的大型企业业务。你能对现实世界产生的 tangible 影响是惊人的——那种成就感是真的。在科技行业,我们总把“成就感”挂在嘴边,但多数人并没有真正得到过。而我热爱那种感觉。
这跟我的出身有关:我在土耳其一个很小的镇子长大,家里一穷二白,来美国只是为了上大学——拿到斯坦福全额奖学金之前,我连自己的电脑都没有。我家乡的人几乎全都在这类行业里讨生活。所以对我来说,我们这行的人聚在一起大谈科技、大谈影响力,但大多数公司其实只是在服务其他初创公司或科技公司。我真正在意的是:我们到底在为现实世界建造什么?
另一个动机带点“私心”,是一个纯粹的技术追求:AI 已经擅长辅助消费者、当副驾(Copilot),但下一个未被攻克的难题是——如何把 AI 用在关键任务(Mission-critical)的工作流里?一个完全自主、真正去执行的系统,应该长什么样?Netic 就是这两件事的结合。
至于离开 Scale——我很爱那里,文化上非常契合,也爱团队,我一些最好的朋友就是在那里认识的,能直接在 Alex 这样一位创始人手下工作也是非常难得的经历。但对我来说,那里缺了“产品”这一环。为 AI 建基础设施是一门运营极重的生意——尽管大家不愿意承认——它有回报,但缺了我要的产品锋芒。我清楚自己想要的是一个能规模化、能复利的产品。
二是技能组合。在那些整合并购里,最核心的事是并购交易本身。而我不是做并购的人——我是 builder,是工程师,是做产品的人。我不想做一门“我能提供的东西显然不是最重要的”的生意。
三是产品的规模。我见过很多成功的整合并购、技术赋能型整合并购,但归根结底,你建的所有产品都只为“你刚买下的那家公司”服务,没法真正复用到别的公司。你承诺的是买下某几个行业里的几家公司,然后让产品围着它们转。而我感兴趣的是:如何让每一家现实企业都跑在 Netic 上?如果不必给它们设限,让它们只管专注自己最擅长的事——劳动力、服务质量的差异化——剩下的全部交给 Netic 来运转,会怎样?
可复用产品的复利 vs. 并购整合的重资产:Tokmak 拒绝 Roll-up 的理由,在巴菲特-芒格框架里非常清晰:整合并购赚的是"买得便宜+运营改善"的一次性差价,每一分钱新利润都要靠新的资本开支和并购团队去换;而可复用产品赚的是边际成本趋零的复利——同一套智能体系统服务第 10 家和第 1000 家暖通公司,成本几乎不变。前者是资本密集型的套利生意,后者才是能滚雪球的轻资产平台。她对自己"是 builder 不是并购人"的清醒认知,也符合芒格反复强调的"待在能力圈内"——知道自己不擅长什么,跟知道擅长什么一样值钱。
AI 走向现实世界的时间表:机器人还远
Elad: 大家谈“AI 走向现实世界”时,指的其实是两三件事:一类是你们在 Netic 做的,服务那些上门帮人修房子、照顾宠物的企业;还有人在谈机器人、自动驾驶。你觉得这些方向最终会合流吗?还是说那条时间线非常遥远,跟你们眼下做的事其实不相干?
Melisa: 它们更像同一本书的不同章节。我们现在谈论的是“当下”这一章,以及未来几十年。我确实相信未来某一章属于机器人,但在我深耕的这些行业里,那一天还相当遥远。
我常说,你只要跟这些企业待上几天——这在我们公司是硬性要求,每位工程师都必须去客户现场,才能回旧金山做出对的产品——你往窗外看一眼,看看每一栋楼:如果机器人要干我们今天这些公司干的活,那每一栋楼都得是 3D 打印的、或者完全标准化的。我看不到这一天。原因很简单:你看今天的机器人能力,光是在灵巧度上就差得远——拧不同型号的螺丝都费劲。何况现实环境千变万化:户型各不相同,怎么爬高?怎么钻进狭小的角落去修东西?很多时候不把整面墙拆开,你甚至不知道要修的是什么。
而且这个行业里还有很重的人情因素:客户找上这些行业的时候,往往是他们人生中最糟糕的日子之一——家里被水淹了;或者反过来,他们只是想减压,去俱乐部打场网球。无论哪种,里面都有“人”的成分。所以我认为,机器人要走到我们这一章,还有相当长的路。
大实验室能做这件事吗
Elad: 我听过你聊那些大实验室——OpenAI、Anthropic,也许还有 Google、Meta。你怎么看你们在做的事和它们能做的事之间的差别?换个问法:大实验室能做你们这事吗?
Melisa: 这个问题很公平。今天确实有很多创业公司,做出来的东西在功能和形态上跟大实验室的核心产品很像——不是聊天机器人就是编程智能体。
不过听到这个问题我会心一笑,因为十年前,人们问的一模一样的问题叫做:“如果 Google 做了怎么办?”如今只是换成了“如果大实验室做了怎么办?”。当然,有些核心能力它们确实有;但另一些事,它们并没有投入。就 Netic 而言,我不把它们视为竞争风险。那两家领先的实验室都是非常了不起的公司,也是我们这样的公司很好的合作伙伴,我很尊重这一点。
但回到我们给这些行业提供的东西,我认为有两点至关重要。第一是专注。你去问这些企业一个有意思的问题就知道了:OpenAI 做产品又快又猛,但砍起产品来也同样快——我不认为这些行业的企业想要那种“快”。再看 Anthropic,硅谷的共识是它靠专注在编程智能体上取得了领先,但你看它在企业市场的做法正好相反:一口气摆出来约 20 个产品,让人摸不着头脑——我并不看好。
还有一层,关乎这些实验室、尤其是研究员们的天性:他们真正在乎的是用最通用的方式解决问题。套到我们这个场景,他们的答案会是:“等我们搞出 AGI,让它来回答怎么服务必需服务业就行了。”我认为这种想法无论在运营上还是智识上,都有点偷懒。
最后一点:要解决的是极其困难的问题——服务全国几百万操着不同口音、有着不同顾虑、不同联系方式的人,还要一次次把他们唤回来、变成回头客——这里有大量的“最后一英里”功夫,光靠模型是出不来的。它必须来自你的套件(Harness)与编排,来自你在模型之上构建的软件和产品。所以真要说的话,像 Netic 这样的公司,必须在三个层面都很强。
模型、编排与"最后一英里"的三层架构:Tokmak 所说的三层指的是——底层基础模型(OpenAI、Anthropic 等提供)、中间的编排与套件层(Harness,负责任务分解、工具调用、上下文管理、兜底升级)、以及面向具体行业的应用与工作流层。大模型的能力每年都在跃升,但"把模型嵌进一个有口音、有顾虑、有复杂规则的真实行业"所需要的行业知识、数据接入与运营细节,并不随模型升级而自动获得——这就是垂直 AI 公司赖以存在的"最后一英里"空间。
"实验室不会做最后一英里"可能是暂时的安慰:Tokmak 的防御逻辑成立的前提是,编排与行业知识沉淀的速度快于模型通用能力"淹没"最后一英里的速度。但历史不总是站在这一边:每一次基础模型的代际跃升,都会把上一代的"护城河功能"变成免费内置——RAG、工作流编排都曾是被淹没的赛道。Netic 真正的护城河恐怕不在技术层,而在那些难以被云端模型触达的东西:派驻现场的工程师、与数千家服务商的运营关系、行业专有数据——一旦这些关系本身也被平台化,防御逻辑就需要重写了。
创始人心态:别为了退出而创业
Elad: 有道理。补充一个我这几年的观察:四年前,投资圈追捧的是 Harvey、Perplexity 这一类,晚些是 Decagon、Abridge 这批垂直应用,当然还有 Netic。而我感觉现在的创始人有点过分担心大实验室的动向了——不敢进入新垂直领域,躲着自认为在实验室路线图上的方向走。换做以前,大家多少会先打一场再说。这种心态变化挺让我意外的。
Melisa: 我觉得这是因为,当下有相当一部分人创业的出发点,就是“怎么尽快退出”。
Elad: 哦,有意思。
Melisa: 反过来说,我觉得“当创始人”这件事,以前是一件更有敬畏感的事——你很清楚自己是要把一辈子押进去的。
拿我自己举例:创办 Netic 之前,我其实认真地找过工作。我问自己:我想建造什么?有没有别的我也想做、并能把它做成规模的事?再之后:有没有哪位创始人,是我真心想帮他一起完成使命的?问完一圈,答案都是否定的,我才自己下场。创始人是一份必须把整个人生投入数十年的苦差事,绝不是能掉以轻心决定的事。但现在的人之所以这么焦虑,是因为他们算的都是“我能不能在三五年内退出”。
第二件事可能扯到招聘哲学了。我们希望加入 Netic 的人,发自内心在乎自己在建的东西,长期主义地痴迷客户,有发起事情的主观能动性(Agency)、解决问题的紧迫感,同时又有把事情做到极致的严谨和耐心。
但你们也看到,如今招聘时我遇到不少 Z 世代,陷入一种“永久底层心态”(Permanent Underclass Mentality)——如果我 18 个月内赚不到钱,如果 6 个月内学不完这世上所有技能,我就永远翻不了身。这其实是被“AGI 叙事”洗了脑:仿佛 18 个月后 AI 就会吞噬大多数人的技能,你的价值随之归零。我认为这种心态非常危险。
事实上,真正好的东西都需要很长的时间。我人生中最重要的几课,都来自对一件事的长期承诺——在 Scale 那四年如此,如今创业更如此。因为你要面对的不只是“第一个版本长什么样”:它对世界产生了什么作用?你还要改进什么?怎么跟上最新的研究?怎么跟上人?这些功夫省不掉。
所以我们招人时特别看重这一点,坚决避开那些追逐闪亮新事物的人(Shiny Object Seekers)。最近我读到一句据说是马丁·路德(Martin Luther)的话:基督徒鞋匠荣耀上帝的方式,不是在鞋子上画小十字架,而是把鞋做到最好。因为上帝在乎的是匠心(Craftsmanship)。作为创始人,这句话让我深有共鸣:你到底在建什么?你为什么做这件事?归根结底,是为你在乎的人,造出解决他们问题的最好的产品。往往越是专注,你反而能用更少的人做成更多的事——一小群真正聚在一起、准备拿下全世界的人。
“基督徒鞋匠荣耀上帝的方式,不是在鞋子上画小十字架,而是把鞋做到最好。” "The Christian shoemaker, you know, doesn't honor God by putting little crosses on the shoes. It does so by building the best shoe."
▍点拨:Tokmak 借马丁·路德的典故,把"永久底层心态"的对立面说透了——真正的安全感不来自赶在 AI 吞掉你之前套现,而来自把一件事做到别人绕不开。在一个连创始人都开始计算"几年内退出"的时代,"把鞋做到最好"听起来像鸡汤,实则是唯一的反脆弱策略:退出的价格由市场决定,而技艺的复利由自己决定。
如何筛选主观能动性
Elad: 你刚才提到要选有主观能动性的人。具体怎么筛?你看什么?是面试问题,还是过往经历,还是别的?
Melisa: 我看中的不是“某一刻的主观能动性”。一个真有这股劲的人,他会在人生里持续不断地表现出来。所以我会往深里挖。
如果对方是应届生,没有工作经历也没关系:你在大学里做过什么吗?你为了考上大学做过什么吗?你有没有一个自己真正在乎的项目?而且关键不是“我花一个周末搞过一下”,而是你有没有一直做下去?这些例子才是我要的。
我常常只问一个问题:你这辈子做过的最难的事是什么?候选人可以随便答,但问题不止于此——我们会一层层追问下去,搞懂背后的“为什么”。或者,你从对方的人生故事里也能拆出答案。我最看重的,不是某一个“有能动性”的孤例,而是:在你有自主意识以来的全部岁月里,你是否一直在主动发起事情?而且发起之后,你有没有坚持到底?我最在乎的就是这份坚持到底:你开始做了一件大多数人不做的、独特的事,然后你一直做了下去。
Elad: 真巧,我过去也常问“你做过最难的事是什么”,后来得到的答案实在太差,我就不再问了。
Melisa: 嗯,我不知道你得到的都是什么答案,但答案糟糕,也许恰恰说明那个人不合适。
Elad: 我的意思是,至少在我当时面对的候选人池子里,一直如此。
Melisa: 我拿到的答案倒是常常很精彩,而且千差万别。有些人会真正敞开心扉——我不限定必须是工作上的答案,只要是人生中真正最难的事就行。有时候你会因此了解到对方非常私人的经历:那件事不是他选择的,但重要的是他如何反应、他掌控了什么——他怎样把能掌控的东西握在手里,真正改变了未来。
而且这个答案也不一定非得是什么惊天动地的大事。举个我们刚录用的人的例子,他下周入职。他的回答是我第一次听到的类型。他说:我过着非常简单的生活,我极度热爱我的工作,还有一套近乎偏执的健康作息。他大概讲了讲那套作息是什么,然后说:除此之外我拥有的东西不多,但对我来说最难的事,是把这套作息坚持了十几年——每天同一个时间起床,一件件执行,晚上如是,十几年如一日地为同事在岗,从不厌倦,从不动摇,把自己完全交给我在乎的事。
我觉得那是一个特别有创造力的回答。我自己如果答这道题,答案大概会是创业,或者我怎么从一个一无所有的土耳其小镇走出来——但我并不期待别人也给出这种答案。每个人的故事都不同,重要的是:你是如何亲手写下自己的故事的。我认为那是个极好的回答,我们也很高兴他能加入。
五年愿景:自主经营企业与杰出的人
Elad: 太棒了。那聊聊五年后吧——你希望公司走到哪一步?更长远地说,你们这帮人想成就的是什么?你的北极星(North Star)是什么?
Melisa: 从愿景上讲,我们在建的是“自主经营企业”(Autonomous Enterprise):让这些公司里除了实际的服务和劳动力本身——那个“人”的环节——之外的每一件事,都由 Netic 自主完成。这样企业就能全神贯注于交付服务、创造客户惊喜。这是公司的第一要务。我们在智能层之上开发的每一个产品,彼此复用、彼此连通,全都服务于这个目的。
第二件事是:创业很难,我创业既为愿景,也为与杰出的人共事。随着公司长大,我特别在意一件事:如何让我们始终只与杰出的人同行?这个问题没有标准答案。我所敬重的那些认真思考过长期的公司——比如 Palantir、SpaceX、Notion,那些真正在乎匠心、在乎年复一年为用户交付的公司——都在这件事上挣扎过。所以对我来说,持续地思考并逼近这个答案,是公司里非常重要的一件事。
卖给“慢行业”:一个巨大的误解
Elad: 你们服务的很多行业,外界的印象是接受新技术极慢、离前沿很远。而你们卖给他们的偏偏是 AI 方案和智能体。这难吗?还是比想象中顺?这种刻板印象对吗?你怎么看你的客户群接受新事物的速度?
Melisa: 把这些行业当成“老古董”,是个巨大的误解。我遇到过的最懂技术、最懂生意的老板和创始人,恰恰就出在这些行业。
先说一点:我们合作的都是大型企业,他们极度关注价值,也天然站在技术前沿。给你个直观感受:我们最近签的一单,合同额 50 万美元,从头到尾只花了 14 天。这不是因为我有什么魔法药水,也不是因为“AI”两个字——而是他们在购买决策上极其严谨:该做的功课都做,只确认一件事,价值是否真实存在。
所以我的看法是:这些行业既极其“原始”,又极其“前沿”。比如一家大型屋顶工程公司,他们得有“敲门推销员”——挨家挨户敲门,看各家的屋顶,跟你聊为什么该换个新屋顶、为什么该装太阳能。而与此同时,Netic 今天给他们提供的是一整套产品:呼入呼出、数据分析,乃至劳动力的调度交付。我们甚至接入了卫星数据——分析不同街区的屋顶受飓风影响的程度、该用什么材料——这些情报会自动喂给智能体的上下文:不仅让销售对话更专业,还能自动识别出最该上门敲谁家的门。
Elad: 这些玩法对他们来说是全新的吗?还是说他们本来就在用这类技术,你们只是把它接进了 Netic 平台?
Melisa: 他们一直有兴趣更好地服务客户,只是过去得自己想办法:数据去哪买?谁来看?人工筛吗?现在想象一个平台:我不仅接住了广告带来的所有呼入线索,还能为我要服务的街区建立情报,并主动出击去创造全新收入。过去他们也确实在用各种工具、各种人工做类似的事,然后再派敲门推销员出去——而现在,一个平台全搞定。
而这只是一个行业。再想想我们前面聊过的整合并购和 PE:假设你是一家 PE,手里有二三十家分布在不同行业的这类企业。如果它们都跑在 Netic 上,你能做什么?举例说:你要向我推销一个健身会员,而你知道我有一条心爱的狗——那我十有八九更愿意选那家带宠物护理的,对吧?作为企业主,掌握了这层关于我的上下文,你该怎么跟我开口、怎么卖?这一切靠的就是上下文、就是理解,以及让你的生意轻松地把这种理解用起来。
PE 如何拥抱 AI:从捡明珠到造价值
Elad: 你怎么看 PE 机构对这波 AI 的反应?据我观察,意见分化很大:有人非常积极,亲自下场尝试,甚至部署公司,跟 BrainCo(译者注:原文发音如此,具体所指不详,疑为转写误差)这类外部机构合作;也有人动作很慢。你感知到的 PE 与 AI 的关系是怎样的?
Melisa: 我认为 PE 的玩法已经变了。以前的剧本是:找到一颗被低估的明珠,倍数诱人,买下来,换团队,创造价值,再卖出去。但今天,那种“未被发现的明珠”基本不存在了。所以剧本整体变成了:如何与手里的企业一起创造真实的价值?
你说得对,有些机构确实冲得很猛——甚至猛过头,把什么都当软件试。但任何 AI 产品都不该用“第一周的效果”来评判,第一周只是这段关系的开始。你真正要确认的是:这些成果能否贯穿全年,而且越来越好,而不是越来越差。
Elad: 对。也就是说,考核 AI 的方式必须转变——要把真 ROI 和“空气项目”(Vaporware)分开。具体怎么做?
Melisa: 很多机构有时候还是太“软件思维”,带着决定论的预期:我为什么不能试一周就下结论?但也有不少机构已经理解了新范式——PE 公司开始设立“AI 运营合伙人”这类新岗位,或者养几个懂 AI 的工程师,在内部做普及教育。
而我们自己的体会是:在这些对话里,千万别让人觉得“这没什么难的”。重点永远放在对方能拿到什么价值、今天就能落地看见什么。我们不做演示片(Demo)——我们直接打开一个正在运行的真实部署给对方看:既然它已经在为客户赚钱,为什么不让你亲眼看看这个客户正在赚多少?
你之前问过我的北极星,这里可以说一个数:到目前为止,我们已经为客户创造了超过 6 亿美元的收入——全部来自 AI 完成的交互。客户说:“给我看。它是怎么做到的?真实世界的客户是怎么跟这项技术交互的?”当你把这些摆出来,PE 也被教育了,回去再指导他们旗下的公司。
但这并不意味着你可以跳过和企业直接建立关系这一环。因为 PE 对旗下公司终究只是“指导”的角色——很少有哪种关系能让你把一样东西硬塞给被投公司。你能做的,是当一个好的参谋、好的顾问,告诉他们该验收什么。
Elad: 确实。而且很多 PE 这些年的风格也在变:从 80 年代那种冲进来大裁员、拆解集团的玩法,转向你说的——怎么优化和做大一家公司的价值。
Melisa: 不过我得说,他们的开场话题几乎永远聚焦在“砍成本”上。
我猜这是因为他们没怎么见过我们这样的产品和平台。我的定位从来不是“我来帮你砍成本”——成本当然会降,那是顺带的结果。我真正感兴趣的是:这是你将如何创造全新收入。这是个新叙事,你必须主动开启这场对话,必须拿出活生生的例子给他们看;否则话题永远滑向“怎么改善利润表、怎么再砍一刀”。他们得把视野撑开,想想 AI 还能做什么——如果 AI 到头来只被用来砍成本,那也太悲哀了。
“如果 AI 到头来只被用来砍成本,那也太悲哀了。” "It would be pretty sad if we used AI only for cost cutting."
▍点拨:这句话点破了当下企业 AI 应用最大的集体误区——把一项能扩大需求边界的技术,压缩成利润表上的一行费用削减。砍成本是有上限的(成本最多砍到零),而创造新收入没有上限;更重要的是,砍出来的利润是一次性的,新收入带来的客户关系是复利的。PE 机构从"裁员拆解"转向"价值创造"的叙事转型能否兑现,恰恰取决于他们能不能听懂这句话。
6 亿美元"创造出来"的收入是最好的定价权:Netic 不做 demo、直接亮真实部署的底气,来自一个可审计的价值主张——我们帮你赚了多少,而不是省了多少。这正是巴菲特最看重的商业模式特征:为客户创造的价值远超其支付的价格,定价权便随之而来。对比那些按"坐席数"收费的 SaaS,Netic 按价值结果对话的销售方式更接近"与客户的利益结盟"——14 天签完 50 万美元合同的速度证明,当价值可验证时,再"慢"的行业决策也可以很快。
教育与正面叙事:AI 的未来
Elad: 说得对。那在 Netic 之外,AI 的未来里还有什么最让你兴奋?
Melisa: 让我兴奋的事很多。前面讲过一点我的个人经历:在我一无所有、没有任何资源的年代,对我帮助最大的“技术”,是我能找得到一两个从我高中毕业的学长——他们在美国的大学里——通过 Facebook Messenger 帮我看文书、给我的作业反馈。对于一个土耳其小镇的孩子来说,能这样跟大洋彼岸的人说上话,简直像魔法。
所以我的第一个答案是教育。AI 会改变无数人的命运——那些本来连“这个世界存在”都不知道的人。我个人对此无比兴奋:从此不再有人被限制,你想学的一切、想做的一切,就在口袋里。AI 让世界变成了一个更属于“主观能动性”的世界,我等不及看它展开。
Elad: 这确实很让人兴奋。我这些年最大的一个体会也是:你直接去做就行了——不需要谁的许可,不需要先学完什么,你完全可以直接开干。但这也让我有点害怕:当你看到很多人就是不去“做”的时候,画面就有点反乌托邦了——无论活在哪个技术时代,人总是可以行动的,而行动与否最终落在每个人自己的选择上。我们把“做出这个选择”的门槛降得越来越低,但我敢保证,世界上大多数人仍然不会迈出那一步。这是个值得想想的、略悲观的问题。
Melisa: 是的,不过让我欣慰的是,至少我们正在把“资源”这个变量拿掉——你能否获得某种东西,越来越不成问题。
第二件让我兴奋的事,关乎舆论。眼下在美国乃至主流世界里,关于 AI 的叙事非常负面。而我正在做的这类用例让我看到另一面:很多时候,人们是在人生中最糟糕的一天来找我们的,他们真的需要帮助——我们怎么确保帮得上?教育也一样,或者健康——能读懂自己的体检报告、真正搞懂自己的身体。我最近就在用健康功能研究怎么改善睡眠,结果它给我的答案是:“你得先别当创始人了。”
我相信,我们很快会开始用更正面的方式谈论 AI:人们与 AI 的第一次接触,不该只是“某某岗位要消失了”,而是 AI 真实带来的正面影响。这是我最期待看到的世界级话题转向。
结语
Elad: 太好了。Melisa,非常感谢你今天做客 No Priors。
Melisa: 非常愉快,谢谢你的邀请。
Elad: 欢迎在 Twitter 上关注我们 @NoPriorsPod;如果想看到我们的对话画面,欢迎订阅我们的 YouTube 频道;也可以在 Apple Podcasts、Spotify 或任何你常用的播客平台关注本节目,这样每周都能第一时间收听新剧集。你还可以订阅我们的邮件通讯,或在 no-priors.com 获取每期播客的完整文字转录。再见。
本期 Melisa Tokmak 与 Elad Gil 的对话,收敛出五个可以直接复用的判断:
- AI 的硬仗在"最后一英里",而不是模型本身:基础模型人人可用,真正的壁垒在把模型嵌进有口音、有顾虑、有复杂规则的真实行业——派工程师下现场、建行业上下文、做人工兜底。评估任何垂直 AI 项目,先问它的最后一英里功夫有多深。
- 可复用产品优先于定制项目与并购整合:只能服务单一客户的产品是高级外包,买公司再优化的 Roll-up 是重资产套利;能跨客户复用的平台才有复利。创业或投资时,先想清楚每一分钱利润是否都要新的资本去换。
- 别把"几年内退出"当作创业的默认设定:永久底层心态会让人在最该积累的时候选择套现。真正值钱的东西——技艺、客户关系、组织信任——都只在十年尺度上兑现。
- 用"坚持到底"而不是"高光时刻"筛人:考察候选人,不看某一个精彩的能动性故事,而看他在有自主意识的全部岁月里是否持续发起并持续完成。那个"十五年如一日执行作息"的答案之所以动人,是因为它无法伪装。
- 用 AI 创造新收入,而不只是砍成本:成本最多砍到零,收入没有上限;砍出来的是一次性利润,新收入带来的是复利客户关系。给 AI 立项时,把“能省多少”的问题改成“能赚多少”——考核方式决定你用这项技术走到多远。