30 秒看懂
Ramp 联合 CEO Eric Glyman 说,当 AI 模型可以使用人获准访问的数据和工具时,它会有用得多。他介绍了内部编程和知识系统、共享 skill,以及旨在给员工学习新工作流程留出空间的一个季度招聘暂停。他认为,AI 支出应按结果衡量,而不是按固定 token 预算。类似原则也塑造了 Ramp 早期的金融产品:发现浪费很有用,但帮助客户阻止不需要的付款更进一步。
- 1发现浪费与阻止付款是两件事Paribus 可以通过客服请求退款。Ramp 的创始人希望在更接近资金流动的位置采取行动。
- 2采用速度不一致可能把瓶颈转移到其他团队Glyman 说,工程师提速的幅度与设计和产品岗位不同,暴露了现有交接中的摩擦。
- 3模型需要权限和集成才能使用公司上下文他把简单聊天框与 Inspect 作比较;他说后者可以使用工程师获准访问的代码、数据、虚拟机和浏览器。
- 4不看创造的价值,token 预算说明不了多少Glyman 把能够带来回报的 AI 支出,与同样金额用于低价值工作的情况进行比较。
- 5共享 skill 可以让有效流程传遍公司他介绍 Glass 如何按个人权限连接业务系统,并复用一个团队摸索出来的做法。
- 6面向客户的员工可以自己提出修复Glyman 称非工程师在一个季度里创建了 7000 个拉取请求,并描述客户故障报告到建议修改之间更短的路径。
要点建议
- 让智能体连接到它获准使用的信息和工具,而不是期待仅靠聊天窗口改变工作流程。
- Glyman 认为,应根据产生的结果衡量 AI 支出,而不是只看统一预算。
- 当一个职能采用 AI 的速度快于它所依赖的团队时,留意新出现的瓶颈。
- 招聘时寻找已经展现出的主动性,问题不清楚时明确寻求帮助。
按章节阅读整理后的全文
从机票退款到 Paribus
一次降价促使 Glyman 和 Atiyeh 建立查找并申请退款的服务。与客户交谈帮助他们解释产品并设计推荐机制。
Eric Glyman 和联合创始人 Karim Atiyeh 最初想解决的问题是:网购商品降价后,如何帮买家拿回差价。他们的第一家公司 Paribus 会连接邮箱、找到收据、检查价格,并代表客户申请符合条件的退款。两人申请了两次 Y Combinator 才被录取。
Glyman 说,公司迅速增长,后来被 Capital One 收购。在银行工作时,他学到了大型金融企业如何使用信息,也看到某些流程和激励会阻碍好想法,或让公司利益先于客户利益。这段经历促使他思考帮助客户减少支出的产品。
Paribus 的想法来自 Glyman 自己的生活。朋友们订完机票后,他发现价格下降了 100 美元。他读了航空公司的政策,在规定期限内打电话申请;他说,一行人因此拿回了近 1000 美元。他开始想,类似情况有多少次发生了,却没人注意到?
创始团队花了大约一年尝试从哪里获取购买信息。银行卡记录没有逐项收据,邮箱里却有。他们最早用脚本检查价格并发送退款请求,接着请朋友连接账户,帮助他们测试。
早期用户来之不易:创始人举着牌子宣传,也向朋友介绍。一篇发在 Reddit 赚钱社区的帖子带来了几百位用户。在 YC 期间,他们专注于用户增长,并尽量用简单的话解释服务:商店欠消费者的钱,Paribus 会帮忙拿回来。
但这个服务听起来好得让人难以相信。Glyman 说,团队观察用户如何同时解释好处和代价——Paribus 会收取节省金额的 25%。他们推出双向推荐优惠,让推荐人和新用户的费率都降低,方便客户向朋友解释。
Glyman 说,客户向朋友介绍 Paribus 时,自然会同时提到好处和 25% 的费用。听了这些解释后,创始人意识到推荐方案应该回应用户的顾虑,而不只是要求他们推广服务。
围绕客户节省设计信用卡
Glyman 介绍金融激励和对支出采取行动的能力如何塑造 Ramp。公司从信用卡扩展到更广泛的财务流程。
Ramp 从类似的承诺出发:省时省钱。在 Capital One,Glyman 看到盈利丰厚的金融业务,其激励并不总与客户的需求一致。他和 Atiyeh 希望建立一家公司,让客户和服务提供商都能从减少浪费中受益。
Glyman 说,传统信用卡业务希望客户增加消费,同时控制奖励成本。在客户调研中,人们谈论积分和返现的多少,远不如谈论希望账户里多留些钱。他认为,取消一项不用的 100 美元订阅,可能比获得 1% 的返现更有意义。
Glyman 用一个简单例子解释其中的区别:取消企业不再使用的 100 美元订阅,账户里留下的钱可能远多于一笔小额信用卡奖励。他说,这让节省开支成为比增加消费额更有吸引力的产品目标。
Glyman 认为,这首先是商业模式上的认识:把金融产品产生的收入投入帮助客户的软件,而不是只在有限利润中切出更多返利来竞争。Ramp 从信用卡和费用报销扩展到账单支付等财务流程。
Paribus 可以通过邮件发现潜在节省,却必须向客服申请退款。Ramp 的创始人希望更接近资金流动本身:发现一项不需要的订阅,与能够阻止付款,是两个不同层次的行动。
Garry Tan 问,先向初创公司销售是否有帮助。Glyman 说,Cursor 和 Cognition 等企业最初都是规模很小的 Ramp 客户,后来不断成长。如果必须选择,他更愿意为未来而非过去构建产品。
下一章:连接工作并帮助增长
Ramp 希望连接零散的财务系统,并称正从减少支出扩展到帮助客户更有效使用时间和金钱。
Glyman 将 Ramp 的第一章描述为连接零散的财务流程。企业在工资系统与会计记录之间,往往分别使用信用卡、费用、账单、采购和差旅系统。他说,这种割裂的视图既耗时,也让浪费更难被发现。
Glyman 说,财务团队可能只为了让员工购买软件,就得教他们使用好几套系统。支出信息不完整又加重了管理负担。Ramp 的第一章试图把这些流程放进一个更简单、相互连接的视图。
他说,Ramp 现在衡量客户节省的金额和时间,并报告称客户的年度费用节省中位数为 7.5%。他说,下一章将增加应收账款和 AI 工具等功能,帮助客户收取收入,让支出产生更高效果。这些是公司的衡量结果和计划。
Glyman 问,面对 AI 能力的提升,组织是否重新设计了自身,而不是只在现有工作中加一个聊天机器人。尽管多数组织仍在适应变化速度,他认为 Ramp 的下一阶段是为另一种运营方式构建工具。
让 AI 在全公司发挥作用
Glyman 描述采用不均、招聘暂停以及非工程师面临的实际障碍。集成让智能体能够使用获准访问的公司上下文。
Tan 提到 Ramp 的一个统计:前 1% 的用户占了 80% 的 token 支出。Glyman 表示认同,并认为挑战在于把有效做法传播到最活跃用户之外。两人把采用问题视为组织问题,而不只是让人用上模型。
即便任务本身很熟悉,换工具也可能困难。Glyman 把让习惯 Windows 上 Excel 的财务人员转用 Mac,与要求一个人改变已沿用 20 年的工作流程作比较。他说,学习 AI 需要时间,也需要适应空间。
Glyman 说,这种转变需要耐心。让人改变熟悉的日常做法,比换一台设备提出的要求大得多;组织必须给员工时间弄清新工具能做什么。
他说,在 Ramp,一小部分人的生产力大幅提高,而不同职能采用 AI 的速度各不相同。如果工程师的速度远快于设计师或产品经理,旧组织依赖的人员比例和交接方式就可能成为瓶颈。他把这描述为协调问题,而不是所有岗位均匀提效。
Glyman 说,尽管公司仍在增长,Ramp 暂停了一个季度的招聘。招聘本身需要面试和入职培训,但他也希望学习 AI 成为核心能力,而不是一个小小的业余项目。他想创造条件,让人们找到不愿放弃的用途。
对非工程师而言,安装命令行工具并把它连接到公司数据,可能是很大的障碍。Glyman 把基础聊天界面比作隔着墙传纸条:模型可能很有能力,但它无法对触及不到的信息和系统采取行动。
Glyman 说,Ramp 的编程智能体 Inspect 可以使用工程师获准访问的数据和代码,以及虚拟机与浏览器。他称,它参与了公司超过 85% 的拉取请求,并描述了一种可能的流程:读取客户故障报告、定位改动并作出回复。
他说,Inspect 有用,是因为它连接了代码和工程师已经使用的工具,而不只是一个孤立的文本来源。在他举的例子中,客户投诉可以与近期代码变更及建议修复联系起来。
除了模型,这种工具还需要集成与身份验证。Glyman 说,Ramp 将部分内部流程标准化,但也让员工选择其他工具,公司曾试用多个 AI 实验室的产品。他并没有把一家公司的配置说成适合所有人的答案。
根据结果衡量 AI 支出
他认为统一的支出上限忽视了价值差异。共享数据、权限和可复用 skill 是 Ramp 的 Glass 系统的核心。
谈到预算,Glyman 反对只按支出金额判断 AI 的使用。他愿意支持花 1000 美元创造 1 万美元价值的工作,却会质疑同样金额用在回报很低的任务上。他希望把模型支出与结果联系起来,比如新落地页是否提高转化率。
Tan 问起 Glass——Ramp 共享公司知识和工作流程的系统。Glyman 说,它连接了数据仓库、分析和客户支持等核心系统,个人访问范围则遵循其应有权限。他称,在约 1930 名员工中,前 24 小时有 1925 人使用过它。
Glass 连接数据仓库、分析和支持软件等系统,让公司获得更完整的视图。Glyman 说,并非所有员工都能看到所有内容:访问应反映每个人的权限,不同公司的设置也可能不同。
共享 skill 可以让一个团队发现的有效流程供其他人使用。系统也允许员工选择模型,在成本与延迟之间权衡。Glyman 举了一个后台编程的例子:如果价格降低 50%,耗时增加 10% 有时是可以接受的。
Glyman 希望系统保留的不只是事实,还包括让公司与众不同的推理方式和做法。有人离职后,skill 文件可以保留一部分有用流程。Tan 问,这样的共享视图是否也有助于管理者发现全公司不一致的程序。
作为例子,Glyman 介绍了一个费用政策智能体:它读取公司规则,建议批准、拒绝或要求澄清。他说,这一产品达到 99% 的准确率,并能从人工覆盖结果和不完整规则中学习。这是他对 Ramp 产品的描述;其效果取决于权限,以及组织如何定义和监控准确率。
重新思考大型公司如何运转
两位讲者讨论信息壁垒、协调问题,以及 AI 是否能帮助大型组织加快行动。他们也讨论了企业未来的不同可能。
Tan 和 Glyman 讨论了组织中的信息壁垒如何限制信息流动、拖慢决策。Glyman 将其与年轻公司作比较:后者尚没有太多需要保护的东西,重点在创造价值。随着公司成长,协调成本和不愿作出艰难决策可能成为严重障碍。
Glyman 认为,AI 或许能让一些大型组织重新加快行动。他说 Ramp 的年收入已超过 20 亿美元,增长速度比一年前快了 25% 以上。他以公司的经历为例,同时认为其他企业也可以重新审视自己的结构。
Glyman 认为,企业有时会执着于正在销售的产品形式,却没有理解其背后的目的。当旧工具不再符合客户需求时,他认为这种区分很有用。
他以 American Express 为例:这家公司在漫长历史中改变了产品,却保持了更广泛的信任目标。Glyman 想说的是,企业应理解自己为客户完成什么工作,而不是永远用第一款产品定义自己。
Tan 描绘了 AI 未来的两种可能:少数实验室获取大部分价值,或者智能体让成千上万家高度专业化的企业成为可能。他说,不同行业的结果可能不同。Glyman 更看好分散化的可能性,但同意人们必须努力才能实现。
Glyman 认为,AI 消费量不再必然增加到足以抵消每一次降价,他把这种现象称为 Jevons 悖论的失效。他强调这是近期观察,未必持久,并推测社会吸收新能力的速度可能是一个限制。他认为成本下降正在为新创公司打开可能性。
他认为模型成本下降有机会让原本不划算的业务变得可行。他也指出,近期观察到的 AI 消费变化可能是暂时的,新模型系列可能再次改变这种规律。
让最接近客户的员工改变产品
Glyman 说非工程师贡献增加,发布节奏加快。他也介绍了向客户提供部分 Ramp 内部工具的计划。
Tan 回到 Glass,询问内部工具如何影响 Ramp 产品。Glyman 说,非工程师在一个季度里创建了 7000 个拉取请求,其中许多来自客户体验团队;而在两年前,这个数字几乎为零。他将此与一份故障报告经过漫长的工单和优先级排序流程作比较。
传统支持流程可能从客户投诉经过工单、产品排序、设计再到工程,有时需要几个月,或者永远排不上日程。Glyman 说,如果合适的人获得访问权限,AI 辅助修改可以缩短这条路径。
Glyman 说,如果最接近客户问题的员工能在几分钟内提出修复,产品就能持续改进,员工也有更大的行动空间。Tan 把这比作工人直接改进生产流程。Glyman 说,当同事知道一项改动可以快速完成时,彼此的期望也会提高。
Glyman 说,Ramp 最近每个月都会推出一次重大产品更新,而过去在顺利的年份可能只有一到两次。他把这一速度与增长,以及公司报告的客户节省中位数从 5% 提高到 7.5% 联系起来;这些是他对公司结果的描述,而非受控比较。
Tan 问,维护记录的公司最终是否都要成为 AI harness。Glyman 认为对 Ramp 是这样:他把 Ramp 描述为一家帮助客户更有效使用金钱和时间的生产力公司。他说,Ramp 正开始让客户使用 Glass,并预计基于智能体的界面会成为使用其产品的更重要方式。
寻找创造的证据,并主动求助
Glyman 在招聘中寻找实际展现出来的主动性。他建议年轻创始人说清问题并寻求帮助,而不是假装拥有所有答案。
招聘时,Glyman 寻找一个人喜欢并能够创造东西的直接证据。创建 Minecraft 服务器生意的少年,或在相关竞赛中表现出色的学生,可能比简历更具体地展示一项能力。他补充说,传统招聘方式也能找到尚未获得这些机会的人。
他的招聘方法并不局限于某一项资历。Glyman 说,做出有人使用并愿意付费的产品,可以证明一个人的主动性;竞赛则可能展示另一种解决技术问题的能力。
被问到会给年轻时的自己什么建议时,Glyman 再次提到求助的困难。人们即使遇到阻碍,也常常表现得很有把握;创始人可以说清问题、解释自己的思路,再向别人寻求指导。他记得 YC 的办公时间围绕三个问题:增长如何、最大的问题是什么,以及准备怎样解决。
同频道的其他文章
1:00:06EN → 简体中文
1:00:06EN → 简体中文
1:21:42EN → 简体中文
44:15EN → 简体中文
47:14EN → 简体中文
48:45EN → 简体中文