原播客：How AI is Transforming Labor Markets
https://A16Z.com/podcast/how-ai-is-transforming-labor-markets/
编译：Spring Liu
精彩观点：
· 关于AI令人兴奋的地方在于，它不仅替换了文件柜（传统信息管理和存储方式），还允许在文件柜上执行操作。这非常革命性，因为你可以直接向像Workday这样的软件应用询问，比如：“我想添加一个家属”，然后Workday会完成所有相关的工作，并为此收取溢价。
· 可以说过去60年是对物理事物的数字化过程，将它们放入云端。为什么云端部分很重要？如果这是1970年代的所有的数据都在云端，所有的计算能力也在云端，现在只需将它们混合在一起。因此，由于现在有这么多不同类型的企业的记录系统，以及如此多不同种类的消费者使用案例，这些记录系统要么是横向的，要么是垂直的，已经创造了数百亿美元的公司市值。
· 现在，我们看到一些公司通过软件楔入并替代了这一“杂乱收件箱问题”，并逐渐开始侵蚀所有下游工作流程。随着时间的推移，这一策略的核心是，虽然最初的楔入点与人类工作相比具有高度差异化，但真正的机会在于逐步取代其他所有流程，并成为新的AI原生记录系统。
· 从根本上来说，技术是通缩的。这是一个不可阻挡的过程，技术成本将持续下降。此外，还会出现新的应用场景，我在其他地方写过这一点，即供需曲线右侧的需求。其他需求会因为成本大幅下降而扩大市场。你会在各个行业中看到这种张力：AI是通过降低成本来提供帮助？是构建一个全栈版本更好，还是直接销售软件？
图片来源：A16ZSteph Smith：关于人工智能有很多讨论和投资。但这个机会常常以软件术语来框定，包括预算、市值以及上一个时代的现有公司。然而，这个时代是否从根本上有所不同？
几个世纪以来，最大的科学学派是炼金术，旨在将铅转化为金。而今天，人工智能实现了更强大的转化，即将软件转化为劳动力。资本不再只是购买工程师或硬件，而是购买能够替代或增强劳动力的代码，从而解锁全新的市场。
这就是我们在本期节目中讨论的内容，我们同时邀请了三位A16Z的合伙人：Alex Rampell、Angela Strange和David Haber。我们将追溯以前云计算时代的发展历程，并从中了解未来可能的趋势。尤为重要的是：这里真正的新事物是什么？3000亿美元的企业软件市场仅仅是数万亿美元白领劳动力市场的冰山一角。
Angela Strange：这些曾经不那么吸引人的细分市场现在可能变得非常有趣。
Steph Smith：我们还将探讨当前的采用曲线阶段、初创企业的切入点和防御能力，以及定价模式的颠覆。
Alex Rampell：如果他们不能正确处理这个问题，可能会失去全部或大部分收入。如果他们做得非常好，则可能使收入增长十倍。
从文件柜到云端：软件如何重塑劳动力与效率
Steph Smith：Alex，您最近写了一篇文章《Input Coffee, Output Code（输入咖啡，输出代码）》，但是这种将资本转化为劳动力的想法，不是一直都存在吗？有什么新的发现吗？
Alex Rampell：确实，长期以来这种情况一直存在。如果你看过一些关于古罗马的老电影，你会看到大量奴隶劳工或士兵整齐划一地划船。有了蒸汽船，你就不需要50个人再划船了。显然，历史上技术一直在某些情况下能够增强劳动力的作用。但它总是体力而非脑力劳动：之前需要一群人缝制衣服，现在有了织布机。
所有我们现在所说的白领工作在此之前从未发生过。我所谈论的是软件的三个或四个不同领域，仅仅存储信息。所以很长一段时间里，如果我想记录谁在我的飞机上，在过去会有一个文件柜来记录信息，比如这里是泛美航空192航班，以及上面的乘客名单。我需要手动写下乘客的名字。如果有人不再想乘坐那架飞机，他们可能会打电话或发电报通知。最早的文件柜数字化实例之一是Sabre系统。
这个系统是由美国航空公司与IBM合作开发的，大约在1959年或1960年。这是首次将记录谁在哪个航班上的文件柜转化为数据库的例子。因此，取代了装满橡皮擦和涂改液的文件柜，我们用计算机代替了它。
这继而催生了旅行社和旅游代理，因为他们有了一个轻量级客户端，一个小电脑终端。我记得在1980年代我和妈妈订机票时的情景。要去旅行社，那里有连接到德克萨斯州主机的绿色屏幕电脑，那是Sabre所在的地点。这就是软件的第一个领域。
1960年起，计算机开始普及，所谓的“文件柜”可以是人事部门的文件柜、医疗记录的文件柜，也可以是财务文件柜，然后把这些内容放入软件中。著名的Quicken公司在1980年代为财务报表做了这件事。还有PeopleSoft公司也以这种方式处理过数据。显然，Sabre为航空票务做了同样的事，甚至可以说电子邮件也是对传统邮件的替代。
想象一下一个人力资源部门，里面有50个人工作。他们可能有一个专门负责文件柜的人，HR会说：“嘿，把David的档案拿给我，我想和他谈点事情。”文件柜负责人，也就是跑腿的人，会去取档案。如果在创意艺术家机构做跑腿，你就是在四处取文件。所以这个人和文件柜都消失了，从空间利用上来说更有效率了，但今天还是有50个人在人力资源部门工作。
第一轮软件的发展实际上是将文件柜中的内容转换成数据库，并加上用户界面。第二轮始于大约1998年至1999年，Salesforce就是一个例子。客户关系管理的概念已经存在很长时间了。Rolodex是一个实际存在的物理物品，用于存放名片并按字母顺序排列，以便查找联系人。Salesforce把这个功能放到了云端。QuickBooks和Great Plains Software长期以来所做的，NetSuite在云端实现了；Zendesk则把邮件支持放在了云端。所以虽然仍然是软件，但不再是办公室里的大型主机，而是移到了云端。回到人力资源的例子，PeopleSoft首先做了这一点，将HR文件柜变成了软件。接着Workday出现了，做了完全相同的事情，只是现在是在云端，使用起来更加简单。
你不再需要一个专门的IT团队来担心服务器是否会因大楼火灾而损毁，因此安全性更高。所以可以说是软件1.0，然后进化为云上的软件2.0。这个过程从1998年左右一直持续到2010年左右。
随着金融服务的加入，市场进一步扩大。我的思考方式是，有多少餐馆愿意每年支付数万美元购买软件？1960年，像泛美航空这样的公司需要这种服务，但一家只有一个分店的餐厅会在服务器上花费10万美元并支付软件费用吗？
1960年不会，2000年也不会。但是当捆绑销售和支付处理成为其他金融服务的一部分后，市场变得足够大，足以支撑餐馆软件的存在。Toast就是这样一家价值150亿美元的公司，专门为餐馆提供服务，还有Service Titan。1965年，针对暖通空调承包商的软件市场是零，云软件市场也是零。但是一旦添加了这些其他功能，市场就变得足够大了。
我的重点是，1960年工作的50名HR人员在2024年仍然是50名HR人员。2024年的邮件支持团队就是1985年的电话支持团队，也是1965年的打字员支持团队。
关于AI令人兴奋的地方在于，它不仅替换了文件柜，还允许在文件柜上执行操作。这非常革命性，因为你可以直接向像Workday这样的软件应用询问，比如：“我想添加一个家属”，然后Workday会完成所有相关的工作，并为此收取溢价。
为什么说是“输入咖啡，输出代码”？整个概念是，现在软件工程师可以在这些基于云的“文件柜”之上构建产品，这些产品能够完成1960年、1970年、1990年、2000年、2010年、2023年、2024年乃至未来的软件最终用户所做的事情。但在2024年及以后，我们现在有了实际上执行过去65年人类工作的软件Agent。
新时代软件：从替代文件柜到替代劳动力
Steph Smith：是的，这一点非常重要，我想强调一下。你刚刚概述了各个时代的发展。从非软件时代，到软件时代，再到云时代，然后是金融服务赋能的云时代，现在进入了一个新的时代。能否谈谈，在我们回顾这些不同的时代时，这个新时代的规模从根本上来说有何不同？
Alex Rampell：是的，这完全不一样，因为它实际上是在比较工资和软件。举一个完全不同领域的例子，这个领域也没有软件市场：美国大约有470万名注册护士。一名护士的平均年薪略高于12万美元，这是一个高薪职业。这意味着美国每年的护士工资市场超过了6000亿美元。而全球的软件市场不到6000亿美元，不仅仅是美国。
顺便说一句，这个护士的数字只是针对美国的。当然，英国、法国、安哥拉等世界上每个国家都有护士，甚至南极洲可能也有护士，我敢肯定。那里的护士可能薪酬更高。所以劳动力市场非常庞大，但专门为护士设计的软件市场是多少呢？很可能接近于零，因为没有人花时间开发这样的软件，也没有预算。
Steph Smith：经济上没有意义。
Alex Rampell：但如果美国每家医院目前都面临护士短缺的问题，或者你在Minneapolis，那里有一个庞大的索马里侨民社区，你需要会说索马里语的护士，你该如何找到他们？
成为一名护士需要三到四年的时间。现在你可以有一个软件产品，它不能完成护士的所有工作。显然，它不能抽血或进行心肺复苏。但它可以在你结肠镜检查前一天打电话给你，告诉你不要吃东西，并可以用45种语言与你对话。这就是一个劳动力的例子。
回到金融服务领域，NetSuite被大约70%的上市公司使用。这是一个非常大的比例...
Steph Smith：我相信我在某个播客广告中听过这句话。
Alex Rampell：可能是更高的比例。即使我错了10个百分点，也不会削弱这个观点的重要性。关键是，你总是有人迟交费用。你看应收账款时，会发现很多客户欠你数百万美元。这是你查看财务报表时会看到的情况。
再次说明，人类在这个信息上执行操作。有负责催款的团队，他们会打电话提醒你付款，否则将停止服务。这个操作现在可以在NetSuite内完成。他们还没有这样做，但我相信他们会的。与过去只为文件柜收费不同，现在他们可以说：“我们知道你想雇佣五名催款员，我们知道你每年支付这些催款员8万美元，包括福利等，我们知道培训他们需要一年时间。现在我们的软件产品可以完成这项工作，不是每年8万美元，而是每年2000美元。”
这非常了不起。客户会如何看待这一点？一旦他们开始支付比去年多十倍的NetSuite费用，他们会觉得：“哇，我的软件预算膨胀了。我得削减软件开支。”或者他们会说：“哇，我节省了这么多钱，因为我不用再等待五个职位，每年为这五名催款员支付40万美元，现在我可以每年支付1万美元给NetSuite，虽然我为软件支付更多，但为劳动力支付更少。”这部分是非常新颖的。
我们在这个类别公司中看到的高速增长，正是因为它们正在进入劳动力市场，而不仅仅是软件市场。护士的例子就是一个很好的证明。
云计算到AI时代：定价模式的转变
Steph Smith：绝对如此。回想应用商店早期的日子，人们对于支付99美分购买一个应用程序犹豫不决，仅仅因为他们习惯于免费。所以在我们总结这些云计算的时代时，你提到了PeopleSoft、Quicken、Zendesk等公司，它们都在捕捉数据。我们现在因为之前的这些时代，处于什么样的独特位置？
Alex Rampell：如果我们直接在1960年就转向AI，这根本行不通。因为仍然需要人类输入来收集客户信息。我们现在建立了一切，虽然这不是一个API，但如果你想回答一个客户问题，问题已经在互联网上了，已经存在于数据库中。
所有这些东西都为最终平台的形成做了铺垫。这就是为什么我们喜欢投资所谓的记录系统。记录系统就是包含运行一家企业所需的所有细节的东西，即使是你能想象到的最奇怪的企业。如果我经营一家洗衣店，实际上有专门的洗衣店管理软件。
所有这些为各种不同类型的企业和消费者使用场景出现的记录系统，以及现在主流的通信方式——短信和电子邮件，对于许多成年人和儿童而言，都是基于云端的。现在你可以执行这些操作。因此，可以说过去60年是对物理事物的数字化过程，将它们放入云端。
为什么云端部分很重要？如果这是1970年代的大型机时代，你怎么能把谷歌服务器上的AI引入进来？它怎么能访问印第安纳州某个地下室服务器中的所有信息？这非常难做到。所以所有的数据都在云端，所有的计算能力也在云端，现在只需将它们混合在一起。
因此，由于现在有这么多不同类型的企业的记录系统，以及如此多不同种类的消费者使用案例，这些记录系统要么是横向的，要么是垂直的，已经创造了数百亿美元的公司市值。垂直的一个例子是专门为餐厅运营的Toast；而横向的一个例子则是像Zendesk这样的公司在云端为各种不同类型的公司提供客户服务软件。
Angela Strange：基于这一点，如果我们以Toast为例，从云计算时代开始，到金融服务时代，最初假设这些垂直SaaS公司会从金融服务中赚取更多收入。现在Toast的80%收入来自支付、保险等各种金融服务，而不是软件。如果你在运营Toast，或者像MindBody这样的公司，它提供健身工作室的软件。它负责员工排班，是一个客户关系管理（CRM）系统。他们也从金融服务中赚了很多钱。但他们仍然需要很多除了瑜伽教练以外的人。你有财务后台人员，有人接听电话回答一些非常基本的问题。所有这一切都可以开始由AI来完成。
最乐观的情况是，这样一来，你就不再需要雇佣那些非面向客户的、AI可以做得更好的任务的人员。这会不会使软件收入增加两倍？有可能增加十倍，具体取决于客户如何看待以及他们愿意让多少软件预算流入劳动力预算。
David Haber：其中的一个挑战或潜在的颠覆因素是定价模型可能需要显著改变。你在你的文章中提到过这一点，Zendesk目前是按每个账号收费。但如果你实际上是在减少部分劳动力成本，可以根据工作输出来收费。这如何为更高的年度合同价值（ACV）创造潜力，同时又为这些大型现有玩家带来潜在的颠覆，还要考量到它们现有的定价结构？
Steph Smith：我们可以谈谈Zendesk的例子吗？软件组件和人力组件之间有什么区别？
Alex Rampell：这显示了两者之间的巨大差异。大多数公司如Salesforce按账号收费。在我写这篇文章时，Zendesk的定价可能是每月每账号115美元，虽然现在可能有些变化。想象一下，你有一个基于电子邮件的支持中心，里面有1,000名员工使用Zendesk。Zendesk随着你雇佣更多人而获利，因为1,000个账号比100个账号更好。因此，11.5万美元/月，即约140万美元/年用于Zendesk的软件支出。Zendesk的年经常性收入约为20亿美元，来自于所有这些每月付费的账号。当然，他们希望他们的客户增加账号。
现在，假设每个账号对应的人工成本是多少？包括他们的医疗费用、通勤津贴、瑜伽福利等公司提供的其他福利，可能每人每年5万美元。那么1,000个账号就是5,000万美元。你在人员上的支出是5,000万美元。顺便说一句，招聘和培训这些人是非常困难的。一个误解是认为AI很糟糕，它将终结所有就业并导致混乱。我总是指出，当美国成立时，97%的美国人是农民，而大多数人后来被拖拉机等设备取代了工作，但这实际上是好的，因为他们转向了其他更有生产力的工作。顺便说一句，当时的平均预期寿命只有30多岁。
Steph Smith：没错。
Alex Rampell：我选择我们现在的生活。事情变得更好了。我喜欢青霉素和其他我们得到的好处。化肥和其他东西都让我们的生活变得更美好。所以你每年花费5,000万美元用于人员成本，然后花费140万美元用于软件。哪一个更大？这是担忧所在，Zendesk其实非常幸运，因为它曾是一家上市公司，后来被私有化。两家大型私募股权公司购买了它。他们现在正在处理这个问题，因为他们意识到，如果AI变得非常好，那么拥有1,000个账号的客户可能会削减到10个账号。
因为有两种形式的AI工具。虽然不止两种，但我们通常讨论的是autopilot和copilot。
copilot是一种生产力增强工具。我在想如何回答Angela的问题。我昨天刚入职，甚至不知道洗手间在哪里。我该怎么办？然后它提示给Angela建议的答案。这使得Angela在其工作中更加高效，这是非常好的。
autopilot则是，Angela昨天辞职了，我们需要有人来回答邮件，因为今天是黑色星期五。我们该怎么办？现在我们将工具直接交给客户，让他们自己回答问题。这就是最大的危险。copilot对收入也有风险，因为我为什么需要1,000名支持代表？因为他们每天只能回答10个问题。我每天收到10,000个查询，所以这是一个简单的数学问题。每个代表每天可以回答100个问题，我只需要100名代表。所以Zendesk失去了90%的收入。
而且，如果autopilot成为现实并且运行得非常好，那么我不需要任何人，因此Zendesk可能不会卖出任何账号。对这些公司来说既是防守也是进攻，因为他们需要弄清楚该怎么做。如果他们采取进攻策略，他们可能会因为这个例子使收入增加十倍，比如5,000万美元用于人员成本或140万美元用于软件，我宁愿从Zendesk获得5,000万美元而不是140万美元。但他们可能无法拿走全部5,000万美元，因为最终提供这些服务的成本非常低，壁垒并不高。对于那些拥有记录系统的公司，壁垒更高，因为所有你与客户的过往通信都在Zendesk中。
重新构建的Salesforce包含我与所有客户的每一次通信、我的销售管道等一切信息。它很难被替换，因为每个人都在使用它。这不是一个二元的事情，明天我们不会全部变成autopilot。我们会看到很多copilot工具，它们将在记录系统上运行。但即使它们在记录系统上运行，我现在需要的账号也会减少。这就是为什么Salesforce，一家市值超过200亿美元的上市公司，如果他们不正确处理这个问题，可能会失去所有或大部分收入。如果他们处理得很好，他们的收入可能会增加十倍。问题是他们会走向何方？
David Haber：作为早期风险投资人，我们对此感到非常兴奋。
Alex Rampell：是的。一切都取决于我们。
Steph Smith：这就是问题所在，对吧？
Angela Strange：我们更关注寻找下一代创业者，而不是帮助现有企业。
David Haber：这是一个有趣的时刻，对于有进取心的年轻创始人来说，重新发明模式并收取截然不同的费用，因为许多现有企业不会进化。他们不会改变其定价模式，并且冒着这种风险。
“杂乱收件箱”的解决与新AI原生系统
David Haber：我最近写了一篇文章，题目是“杂乱收件箱问题（messy inbox problem）”，这是我用来描述在多个行业中看到的一种楔入策略的方式。其核心思想是，有一类创始人正在开发软件产品，以解决历史上需要大量人工判断的工作。这类工作通常由某种人类管理员完成，他们的任务是从大量的非结构化信息中提取信息，无论是电子邮件、传真、电话录音转录等，然后将这些信息输入到下游系统或记录中。这可能是电子病历（EMR）、企业资源计划（ERP）或客户关系管理（CRM）系统。历史上，这些工作都在软件之前，因为它们依赖于人工，而软件无法处理。
现在，我们看到一些公司通过软件楔入并替代了这一“杂乱收件箱问题”，并逐渐开始侵蚀所有下游工作流程。随着时间的推移，这一策略的核心是，虽然最初的楔入点与人类工作相比具有高度差异化，但真正的机会在于逐步取代其他所有流程，并成为新的AI原生记录系统。
有一家名为Tenor的公司在医疗保健领域就是这样做的。他们具体解决的问题是患者转诊。当你去看全科医生时，他们可能会将你转介给专科医生，比如皮肤科医生或影像中心。通常情况下，你的医疗记录是通过传真发送的，有人需要手动将这些信息重新录入到电子病历系统中。Tenor通过训练一个针对400万份医疗文档的模型，能够自动提取所有患者信息，并有效解决患者入院问题。他们能够减少约90%的行政成本，在患者见到临床医生之前。因此，他们通过解决“杂乱收件箱问题”楔入市场，并逐渐扩展到调度、资格审核和福利管理等领域。未来，我们可能会看到他们成为核心的AI原生记录系统。
Steph Smith：你提到的这一点也涉及到防御性问题。你可以通过定价楔入市场，但如何真正保护你的客户？人们通常会想到的是，你需要有自己的模型或某种专有数据。这是未来的防御性吗？你是如何思考这个问题的？
David Haber：这里有一个关于差异化和防御性的区别。AI是一个非常强大的差异化催化剂，用软件解决“杂乱收件箱问题”比人类处理要好上千倍。它完全不在同一个水平上，是一种高度差异化的楔入方式，可以掌控下游工作流程。但这种楔入产品本身是否具有防御性？答案是否定的。今天，对于合作的提供者来说，这可能看起来像魔法，但随着时间的推移，这种能力可能会被商品化。他们现在可能有一定的优势，因为他们已经训练了一个模型，但这可能是暂时的。
真正的防御性来自于掌控所有下游工作流程，深度集成到其他系统中，实际上拥有整个端到端的工作流程。换句话说，壁垒仍然很重要，而今天的许多软件壁垒与过去并没有太大不同。成为记录系统、拥有网络效应、成为一个平台、将病毒式传播嵌入产品、深度嵌入现有系统使其难以替换——这些都是我们一直以来在软件中寻找的指标，今天依然适用。
Alex Rampell：我完全同意。另一种思考方式是，为什么软件最早是从航空公司开始的？很多人旅行，机票非常昂贵，对于航空公司来说，软件的成本相对于纸质文件和人工操作来说微不足道。因此，花几十万美元购买一台大型IBM主机是有道理的。这就是为什么我提到了金融服务的例子。餐厅软件在当时是没有市场的，因为那不是一个亟待解决的问题，市场规模也不够大。
直到后来，通过加入支付处理、保险等其他服务，市场才变得足够大。因此，你可以尝试找到一个楔入点，如David提到的那样，然后考虑如何扩展这个楔入点，使其具有防御性，并成为记录系统。另一种做法是找到像1980年代的餐厅那样完全没有软件需求的行业，尽管它们的劳动力预算非常庞大。
例如，银行和金融机构的合规官使用的是什么软件？Excel、Word，或者用Microsoft Edge浏览器查找不良内容。合规官（compliance officer）的工作是什么？由于去银行化问题，合规官现在经常出现在新闻中。根据劳工统计局的数据，合规官是美国增长最快的第四大职业。每个银行和金融机构都在招聘合规官，培训时间很长。如果开户数量下降，我不需要那么多合规官；如果开户数量增加，我需要更多。有时，开设一个企业银行账户可能需要一个月的时间，因为合规官的工作积压严重。如果通过软件来解决这个问题呢？目前并没有现成的软件，也没有像NetSuite那样的现有产品可以添加AI模块来处理类似的问题。
因此，你可以找到那些没有现有软件或现有软件仅仅是Excel的领域。有时候，这些领域非常奇特。例如，我看到劳工统计局的一份报告，美甲师是增长最快的职业之一，而合规官排在第四位。与银行交谈时，他们会说：“我们用的是Excel。” 这些行业的劳动力预算巨大，但使用软件的人却很少。你不必担心现有竞争对手，而且仍然可以通过楔入市场并最终成为记录系统。
为什么没有风投支持或非风投支持的公司在这一领域进行创新？原因可能是市场规模不够大，就像1980年代的餐厅软件市场一样。但这些行业有足够的预算来满足非常紧迫的需求。
Angela Strange：我们工作中最有趣的部分之一是，每当出现新的技术变革时，我们必须挑战我们之前认为不可行的投资假设。现在，许多曾经被认为不可行的项目可能会成功。回到金融服务领域，有很多糟糕的记录系统，聪明人试图替换它们，但一直未能成功。我的新结论是，不是说它们永远不会被替换，而是之前的替代方案只比现有系统好两倍，而不是十倍。
以合规为例，TD银行因交易监控问题被罚款40亿美元。他们使用的旧交易监控系统，如Maximize，应该减少误报，但他们面临着数万个警报的积压，无法雇佣足够的合规人员。因此，一个有趣的楔入点是提供所有这些代理，并顺便提供一个更好的交易监控系统，从而真正解决问题。这种劳动力加软件的捆绑不仅有助于销售过程，还增强了防御性，因为你不仅提供了更好的软件，还解决了无法雇佣足够人员的问题。
从劳动力市场到公司价值：变革将带来什么？
Steph Smith：这是一个非常重要的观点，因为你们指出了许多领域中劳动力短缺的问题。当我们讨论软件对劳动力的颠覆时，自然会问：那么这些工作岗位会发生什么变化？但也许我们可以同时讨论一下，这将创造哪些新的工作岗位。以前的变革中，产品经理、用户体验设计师、社交媒体经理等职位都是上一个时代的产物。我们如何思考这次变革的影响？
Alex Rampell：预测这些事情总是很困难，因为在1789年左右，很难想象农民在拖拉机出现后会做些什么。想想护士这个职业，当时的医疗手段不过是放血、水蛭和祈祷。显然，这一切已经发生了巨大变化。
关于AI无法做到的一件事是，如果你有一个AI销售代表，比如Salesforce，为什么我还需要为销售人员购买账号，如果AI已经在进行销售呢？但AI无法与某人在高尔夫球场上建立关系。因此，那些只有人类才能完成的面对面任务，这种技能的价值可能会大幅提升。在极端情况下，我曾与一个人讨论过，他认为在遥远的未来，世界上将只有两种工作：要么告诉计算机做什么，要么被计算机告知做什么。
有一整套的事情，人们可以在AI助手的帮助下变得更加高效。无论他们从事什么工作，这个小助手会在旁边说“做这个，做那个”。但人与人之间的连接是最重要的一点。回顾每一项新的通讯工具出现的时代，想象一下第一部电话的诞生。亚历山大·格拉汉姆·贝尔发明了电话，当时没有人有电话。你如何扩展这个网络？你得到了一部电话，而唯一给你打电话的人是你的母亲，问你为什么不经常给她打电话。然后，第一个电话推销员出现了，开始利用你拥有电话这一事实，而不是骑马或坐马车到你家，而是通过这部老式电话尝试向你推销东西。这对第一个电话推销员来说是一个非常有利的位置。
Sears Roebuck的历史也非常有趣，尽管他们有Sears大厦和巨大的商店，但实际上他们是第一家大型邮购目录公司。传真机出现后，人们开始发送未请求的传真。我之所以提到这些，是因为你可以想象一个世界，在这个世界里，AI正在为你推销一切，推送一切。现在它还是一个新奇事物，效果很好。但一旦它变得普遍，每个人都这样做，就像Yogi Berra说的，“这里太挤了，没人再来了。” 你可以想象，实际的人际连接需求会大幅上升。当一切都变得过于拥挤时，做些不同的事情，比如以传统方式做事，可能会更有价值。
Angela Strange：我们考虑的一个角度是，我们每个人的工作中都有一定比例的任务是可以由AI自动化的重复性任务。我们坚信，至少每个白领工作都会有一个copilot。有些工作可能会完全由AI Agent完成，比如L1级别的合规审查员。因此，如果我们想象所有人都不再做任何琐碎的任务，专注于人际连接和最具创造力的部分，并把所有时间都花在这上面，那么这将带来什么样的可能性？这是一个非常令人兴奋的思考方式。
Steph Smith：当我们思考在这个浪潮中可以创建的公司时，我非常好奇，因为你们三人评估公司的方式似乎有所不同。是否有新的一层指标需要关注？以前的浪潮中，社交媒体出现后，我们开始关注每日活跃用户（DAU）。这是一个关键指标。现在有新的指标吗？还是同样的指标仍然重要？还为时过早吗？
Alex Rampell：实际上是相同的指标。并不是说因为它是AI，所以未来的利润就不重要了。依然是未来利润的现值。这取决于你有多少客户？你能保留这些客户吗？每个客户能带来多少毛利？以及你有多少固定成本？这些都没有改变。
社交网络之所以有趣，是因为我们知道客户会被保留，但问题是人们是否会为此付费？它是否会盈利？这是一个开放的问题。因此，有一个所谓的“微笑曲线”，即第一天100%的用户使用产品，因为那天他们安装了它。但第二天、第三天用户数量开始下降，通常大多数产品的用户量会呈指数级衰减。到了第200天，最初下载的100个人中，最后可能没有人再使用。
有趣的是像Uber或Facebook这样的平台，第一天100%的用户使用，然后用户量下降，但之后又回升并趋于平稳，可能保持在50%、70%或90%的初始用户群体。这是非常罕见的现象。但问题是，Facebook最终能否盈利？答案是，它不会通过免费模式盈利，但他们发现广告非常有价值。
我们目前看到的绝大多数公司都是通过订阅模式来变现的，因此它们如何赚钱是非常明确的。DAU这个指标今天依然有用。但盈利部分几乎是自动的。互联网时代的独特之处在于，先做大再变现。我们现在没有看到那么多这种情况，但评估业务的基本原则并没有真正改变。唯一更危险的是，由于AI可以编写软件，创建和扩展这些公司的门槛大大降低。过去，Friendster本应成为社交网络的赢家，但由于服务器无法稳定运行，它失败了。MySpace本应是赢家，但他们无法雇佣优秀的工程师。这些原因在今天已经不复存在，因为技术栈完全不同。但归根结底，仍然是未来利润的现值，这一点没有改变。
Angela Strange：有一点变化不仅是业务指标，而是潜在市场规模。我们讨论过垂直SaaS市场的扩展。美国有一个名为北美行业分类系统（NAICS代码）的系统，共有600个分类，涵盖了各个行业的公司数量和劳动力预算。以前，你可能会说某个市场有1000个潜在买家，他们每月可能支付1000美元，这意味着1.2亿美元的市场。对于一家风投支持的公司来说，这并不那么吸引人。但现在，如果你认为可以通过AI替代一些劳动力预算，这些市场的规模会大幅扩大。因此，软件可以进入的领域，这些曾经不太有趣的细分市场，现在可能变得非常有吸引力。
David Haber：我们看到的另一个维度是，你是将软件卖给现有行业，还是构建一个全新的全栈AI原生公司。Alex在他的文章《门口的野蛮人（Barbarians at the Gate）》中也提到了这一点，类似于私募股权在AI背景下的演变。以专业服务或法律行业为例，许多律所按小时收费。如果AI可以在三秒钟内完成原本需要三个小时的工作，收入会去哪里？
一些人提出了全栈AI原生律所的概念，其成本结构可能与Kirkland & Ellis等大型律所完全不同。或者在专业服务领域的其他部分，某些方面可以从这种效率中受益更多。例如，有一家公司解决了原告律师的许多工作流程问题，他们在劳动法和个人伤害案件中运营。在这种模式下，他们按风险代理收费，意味着只有在案件有结果或达成和解时才会获得报酬。在个人伤害案件中，每100个潜在客户中，他们只会接手一个案件。这其中涉及到大量的“杂乱收件箱问题”，如筛选医疗记录或就业文件，并量化每个案件的价值，因为每个案件都是对他们劳动力的投资。
这家公司实际上通过编程方式帮助解决了这种案件受理挑战，即“杂乱收件箱问题”，自动评估案件的价值，并作为律师的copilot，协助起草医疗时间表、撰写索赔信、提交诉状，基本上贯穿整个诉讼前和诉讼过程。这使得律师可以接手3倍或4倍数量的案件。然而，软件为律所带来的价值在于降低劳动力成本。一种方法是减少律师数量，同时保持相同的收入。在这种情况下，实际情况是这些律所的业务将显著增长。而且，他们将软件成本以技术费用的形式转嫁给了最终客户，这在历史上也常常如此。因此，软件为每家律所带来的价值与其对业务的影响高度一致。
这意味着，律所能够接手更多的客户，更多的人可以支付软件费用。因此，对于每家律所而言，存在显著的收入扩展机会。你会在各个行业中看到这种张力：AI是通过降低成本来提供帮助？是构建一个全栈版本更好，还是直接销售软件？
Steph Smith：是的，当你们提到成本被转嫁给最终用户或买家时，随着这一趋势在整个系统中渗透，这是否会带来通缩效应？我知道这需要时间，但最终，如果看到更多的竞争和更多人创建基于AI的劳动力产品，并且人们在价格上展开竞争，那么接手新案件的成本可能会从5000美元降到500美元。这是你们考虑的问题吗？或者就像你之前说的，在之前的浪潮中，问题是“我们能否盈利？我们能否变现？”随着时间推移，这种情况是否会变得通缩，导致公司无法收取那么多费用？
David Haber：我不确定这个法律行业的例子是否独特，因为客户也在等待案件的和解。所以软件的成本实际上是从业务中为客户赢得的赔偿中扣除的。因此，客户并不会像其他行业那样明显感受到技术的成本。
Alex Rampell：如果技术做得正确，它总是通缩的，因为它带来了生产力的提升。当然，我们最关心的是防御性问题，即如何确保这些公司在市场上具有竞争力。因为构建这类工具非常容易，特别是当技术本身就是最大的使用者时。比如，谁在使用AI工具最多？可能是那些实际构建这些工具的技术人员。这就是为什么像Cursor这样的工具变得如此流行。像Stack Overflow这样的公司现在遭受了很多损失，因为我已经不需要再去那里寻找答案了，我可以直接从Claude获取答案，或者从Cursor获取代码示例。这一切都变得更加简单。
因此，从根本上来说，技术是通缩的。但如果最终有50家公司做完全相同的事情，那将是困难的部分。但我看不到任何情况下，价格会比人类更贵，或者价格不会持续下降。并且这种下降是显著的。这正是技术历史的缩影。例如，1960年的100兆字节硬盘重达数吨，可能价值数百万美元，而现在我可以在网络星期一购买微小的SSD，容量为1TB，价格仅为10美元。这真是令人难以置信。
这是一个不可阻挡的过程，技术成本将持续下降。此外，还会出现新的应用场景，我在其他地方写过这一点，即供需曲线右侧的需求。以前，如果我想聘请顶级商标律师处理商标申请，每小时费用可能是2000美元，市场很小，因为成本太高。但现在如果只需5美元，也许每个人都会去做。翻译就是一个有趣的例子，对于小型公司来说，将介绍视频翻译成45,000种不同的语言并没有太大意义。为什么要翻译成古希腊语呢？但你知道什么？为什么不呢？它是免费的。因此，这些其他需求会因为成本大幅下降而扩大市场。
Steph Smith：最后一个问题，你们已经看到了很多公司和人们的热情，现有的大公司也对这一浪潮感到兴奋。是否有某个领域你们希望看到更多关注？
Alex Rampell：我的观点是，冷门领域是好的。我们喜欢看到有人在一个鲜为人知的领域深耕多年，从事一些奇怪的工作，或者是那些几乎没人听说过的行业，如农业、矿业等。然后他们有一个别人没有的见解，并且真正了解AI的潜力。另一个重要点是，技术并不适合所有事情的autopilot。有些用例太复杂，集成不同系统也太复杂。过早地尝试可能会导致很多失败，因为每个技术革命都会不可避免地遇到这种情况。不是因为想法不好，而是技术还不够好到能带来百倍的改进。关键是找到那些目前技术已经足够好的冷门用例。
Angela Strange：另外，在许多行业中，金融服务和保险有许多老旧的系统，已经有30多年的历史。现在可以通过引入AI，将它们提升10倍，重新设计工作流程。我们有Sardine的交易监控系统，Vesta的抵押贷款发起系统，还有服务和保险领域的几个项目。因此，真正了解这些领域的创业者，并能够将AI思维带入其中，这是一个巨大的机会。
David Haber：我们将继续看到许多创业者在各种细分垂直行业中解决“杂乱收件箱问题”，仍在寻找横向软件的机会，即AI原生版本，面向销售团队、营销、产品管理、分析和CFO等领域。在这些类别中，通常会有大型的现有软件竞争对手。因此，你需要了解市场结构，以及现有竞争对手改变定价模式并增加更多AI原生功能的可能性。但在横向软件领域，也会有定义一代公司的机会。
