最近在看一些 AI 和 Crypto 的东西,这是过程里看过的几本书之一。
作者 Benjamin Shestakofsky,用了 19 个月时间到一家硅谷的独角兽(估值超过十亿美金的意思)企业卧底。因为他是一个读社会学的 PhD,所以从副标题你大概可以看出他要表达什么样的观点。
但我想这里的分享的是跟他的观点不太相关的一些东西。
和作者那样圈子外的读书人不同,创业圈的人(可能)都知道,现在 VC 的逻辑变掉了。
反正我认识的,出手变得很小心,最好已经是已经验证了商业价值的项目。如果不是,宁愿不投,做做 portfolio 的管理,甚至干脆去炒币:反正都是赌,不如自己赌,好歹是在牛市里面赌。
在这种没有人接下一棒的大环境里,还有哪些事情可以做?
这本书里的独角兽 AllDone(不用去搜,书里面的公司和员工名字都是作者起的假名),做的业务是非标服务的线上撮合:清洁工、水管工、数学家教…经历了国内 O2O 那一波的人应该对里面的难点很清楚。
AllDone 做出不错的增长率的同时,保持比较高的利润,核心其实是靠外包:他们在美国一共只有四五个工程师,但是用了一个两百人的菲律宾外包团队来做包括「AI 撮合」、「AI 反欺诈」、AB 测试等工作——几乎是所有工作。
比如,你在平台上想要找一个中餐厨子上门给你做一顿生日宴,平台看起来是通过算法推荐一个服务提供商给你。实际上,菲律宾的员工会在用户附近大量联系服务提供商并最终完成推荐。
比如,菲律宾员工负责对线上发布的需求进行人工审核,包括检查发布方是否有合法身份、支付能力,也包括对不合法的需求进行屏蔽等等。这些工作,AllDone 对投资人讲的都是靠算法完成的。
甚至,公司想要测试一个新功能,比如把 Yelp 评价导入作为服务提供商评价指标提供转化率。AllDone 的做法是先不开发软件功能,让菲律宾外包人工搬运 Yelp 的评价和评语给一些服务提供商,观察转化率变化之后再做决定。
我不知道还有多少做 AI 特别是做 agent 方向的公司其实是这样玩的。但整体上感觉,其实每个外包业务都可以用类似的模式重新做一次。
比如,你可能现在经营的是个 4A 公司,那么有没有办法通过工具把里面一些东西交给灵活用工的团队来做掉,从而系统性地减少固定员工并提高效率和利润?
真正有生产力的 AI agent,不知道还要多久才能出现。所以,这种半人半机器甚至主要是通过工具统一管理的人类 agent,会长期存在。
准备搞个类似的业务试试。