40 万客户、1 亿个 AI 任务：Zapier CEO 谈让电脑多干点活

Nathan Labenz 欢迎 Wade Foster 做客节目。Foster 是 Zapier 的联合创始人兼 CEO，Zapier 是自 2011 年起就在无代码领域开路的自动化平台。这个产品在大众心目中的印象仍然是“连接两个应用”：Stripe 的一笔付款发到 Slack，Gmail 的附件存进 Dropbox。Foster 说，公司想争取更大的角色。Y Combinator 总裁 Gary Tan 最近在推特上说，Zapier 可能成为未来由 AI 驱动的知识工作者，Labenz 想知道 Foster 现在是不是也这样看待这门生意。

Foster 的第一个回答偏向竞争层面，而不是宏大的叙事。Zapier 周围的市场已经填满了，他认为这对用户是好事，但公司依然靠“上手容易，之后却意外地深”取胜。新用户只要连接两个简单应用，就能感受到齿轮转动起来。待得久一点，近两年推出的 Tables 和 Interfaces 就能让人搭建完整的应用，而不必再去找别的工具。上手容易，用得越久越深，他说，这就是人们留在这个生态里的原因。

更大的那条主线，多年来一直写在 Zapier 的“关于”页面上：“我们只是一群认为电脑应该多干点活的人。”Foster 和身边的人不断冒出做应用的点子，结果发现比看上去麻烦得多，因为从点子到真正能用的东西，距离仍然很远。在他的框架里，Zapier 的工作就是把这段距离缩短，直到产品用起来像工作中的帮手。数字已经像是知识工作者的故事：约 40 万客户把超过 1 亿个任务委托给了 AI，与 AI 相关的工作流是平台上增长最快的类别。

Foster 最喜欢的“深度”故事发生在家庭之中。一位客户的妻子开了一家园艺公司，热爱植物，却不愿意发账单。丈夫想让她收到钱，就用 Zapier 做了他所说的“语音转账单”。手机上的 Jotform 只是一个录音按钮。他开口说话：他见了 Sally，郁金香 150 美元，雏菊 100 美元。Whisper 把录音转成文字，ChatGPT 把每一项整理进谷歌表格，然后 QuickBooks 生成并发出账单。Foster 说，十年前，光是这个点子就足够融到一百万美元。这位丈夫用 30 分钟到一个小时就做成了。

风险更高的版本来自 Runway 的 CEO Siqi Chen。Labenz 把 Runway 描述为一款理财规划产品，形容它是“Notion 加理财”，并特别说明它不是同名的 AI 视频公司。Runway 的新网站爆红时，每分钟都有几十人注册。工程团队留在产品上，销售只有两个人。Chen 配置了一个 Zap：把新线索送进 Zapier，让 ChatGPT 过滤掉看起来像免费邮箱域名的线索，然后用 Clearbit 补全其余线索的信息，再让 ChatGPT 起草一封跟进邮件，提示词大意是：写得机智一点，别显得尴尬。草稿会进到 Gmail，第二天早上销售扫一眼，然后点发送。

谈到影响时，Chen 告诉 Foster，本来要再招 10 到 20 个人才能完成这项工作；他却用 Zapier、ChatGPT 和其他几款工具，在 30 分钟内搭了出来。Foster 说，这类故事很常见。瓶颈很少是工具栈，而是想出点子。演示带来的新鲜感过去之后，推特上充斥着“你们到底拿 AI 干什么”的提问。Foster 认为，把 Danny、Siqi 以及其他杂乱却可重复的案例公开出来，才能让人们拿到一个可以照抄的版本，即使他们的问题并不完全相同。

Labenz 转述了一条正在流传的原则：只在确有必要时才用 AI；传统代码能做的事，就应该留在代码里，因为代码会更好、更快、更便宜。Foster 认同这一点。以目前的技术水平看，最后一公里的问题确实存在，所以你必须比人们期待的更加明确地做规定。大语言模型的价值，体现在那些不用它就做不到、或者做起来极其痛苦的工作上：从非结构化文本中抽取信息、给一堆条目分类、生成全新的文案。把模型注入确定性工作流的中间，你就能做出 GPT-4 出现之前不存在的东西。

Zapier 对此是吃了苦头才明白的。它推出过一款叫 Central 的产品，核心理念是“处处推理”，想让 AI 把整套任务都接过去。Foster 承认，Central 取得了一些成功，但这 40 万用户、1 亿个任务的大头，仍然经由传统的工作流引擎运行。在这个引擎里，你可以把确定性步骤与单个 AI 步骤混合搭配，只把需要的那一段委托出去。他说，正是这种搭配提升了端到端的可靠性。

用户会用微调（fine-tuning）来榨出最后一点质量吗？几乎从来没有。大多数人靠基础的提示词，加上几个示例，就能达到目的，不会花几个小时去打磨完美的提示词。在 Foster 所见的使用场景里，平台上没有人在训练自己的模型。他确实见过的失败，通常是指令含糊不清，这种含糊同样会把一个人类助理搞糊涂。他期待的“魔法”，是模型能接过一条杂乱的请求，把它改写成更好的提示词，或者像一个好助理那样回头问你：你要的是 A 还是 B。

Labenz 正试图让一个模型学会用他的口吻写作。他导出了 Gmail、推特以及其他被锁住的数据，把它们概括成数万字的事实背景，他提到一份 5 万字的上下文资料包，让模型不必去编造他的生活，然后再用他真实的输出做风格训练。他引用了 Tyler Cowen 的一句话：真正稀缺的，是上下文。GPT-4o 微调在一项基准测试（benchmark）中的软件工程结果，让他觉得这条路还有不少潜力可挖。

Foster 和他的助理试了一个更省钱的版本。他们把大量邮件、内部帖子和 Slack 消息喂给模型，让它描述写作风格，然后反复迭代，直到得到一段简短、独立成文的提示词。他们还做了一次内部测试：员工提交问题，Foster 亲自回答，一个 AI 版的 Wade 也回答，最后由全公司来猜哪份是真的。大家选中真正的 Wade 的次数仍然略多一些，但并不轻松。Labenz 开玩笑说，“CEO 图灵测试”可能是下一个被攻破的东西。Foster 则琢磨，有多少员工会想要 CEO 的建议却不要 CEO 的判断，也许这可以当作一项福利。

这套配方今天就能照着做：把样本丢给 ChatGPT 或 Claude，要它写一段能按那种风格写作的提示词，循环几次，再把结果设为系统提示词。Labenz 发现，只要把样本直接粘贴进去，Claude 在模仿语气方面最好。它的失败模式同样可以照搬。问一个只属于 Zapier、既不在训练数据里也不在样本里的具体问题，比如团队务虚会到底是怎么回事？模型会自信满满地编出一个看似正确、实则离谱的答案。风格可以迁移，内部事实却迁移不了。

平台上的另一项硬技能是拆解：把你凭肌肉记忆做的事，拆成触发器、动作和字段映射。Labenz 回忆说，Siqi 的那条流水线有 16 个步骤。Zapier 现在允许你用自然语言描述想要的东西，由 AI 起草 Zap。Foster 说，人们很喜欢它，它还很不成熟，但它管用的次数足够多，以至于团队每天都会收到“我的天，这居然真的成了”之类的反馈。没有 AI 时，即使是简单的产品，也要你点来点去拧很多旋钮。有了 AI，你就多了一位思考伙伴，一只会回话的橡皮鸭。

他看到两个改进方向，并认为两者都必不可少。一个是更好的教练：人始终掌控，模型提出方向，激发灵感。另一个是承包商：你说你想要这个，我已经做好了，要不要放进去？如果只做“搭建”，你只能服务于带着想法上门的人。如果只做“想法”，配置仍然复杂到让人绊倒。Labenz 把他引向 Gamma，这是一位前嘉宾，提供一种有引导的“先大纲后幻灯片”的循环，还带着讲究的采纳或否决机制。Foster 更中意 Claude Artifacts：一边是 AI，另一边是搭建者的那套思路。

他怀疑，这种模式就是下一层应用，包括那些随用随搭、用完即弃的体验。你有多少次为了找一个小工具，在 App Store 里翻来翻去，而其实只要花 5 到 10 分钟把它做出来会更好？这正是 Zapier 想争取的时间预算。当草稿 Zap 超出简单场景时，同样的最后一公里问题就会冒出来：它很像自动驾驶，演示效果不错，然后人一眼就能看出来的边缘情况，让模型左右乱撞。Foster 说，现有的模型仍有提升空间，但其中一些要等一次阶跃式的跃升。

Foster 的联合创始人 Mike Knoop 是之前的嘉宾，他主张，朝向 AGI 的进展已经停滞。Labenz 并不完全同意这一看法，于是问 Zapier 的平台能说明什么。Foster 选择了折中。Knoop 关注的是 AGI 中的 G：从零开始学会新东西、并在顶尖领域胜出的能力。按这个定义，今天的大语言模型是在一批材料上训练，然后做模式匹配。Foster 认为这种批评有几分道理。他也认为，更大、更便宜的多模态模型，已经让自动化的商业效用与 18 个月前相比判若云泥。几年前，Zapier 自家的邮件解析器是团队的噩梦。现在，一条基础提示词就能打败两三年前的任何解析引擎。Labenz 补充说，HTML 邮件非常难缠，处理它可能得先达到 AGI 完备的水平才行。

Foster 想要的是一个可以交给项目的中等规模实习生式智能体（Agent），还是现有 Zap 里更可靠的本地步骤？一个无所不能的助手会不会变成竞争对手？他说，所有人都想用更模糊的语言描述任务，然后让助手直接去做。但在底层，他仍然预计要有一个工作流引擎在各服务之间路由数据，因为各种任务在延迟、成本和准确性上差异极大。他没有看到太多证据表明，下一步会出现一个暗中路由一切的魔法模型。与此同时，Zapier 的赌注是把更聪明、更灵活的模型注入人们已经在用的工具包，并配上更容易上手的搭建界面。

Labenz 推动这类体验的头号建议，是用思维链（chain-of-thought）来微调：记录从工单到结果之间的内心独白，让模型模仿推理过程，而不只是输出。Foster 的版本几乎与谷歌搜索相反。面对搜索框，你会偷懒，只敲最短的关键词；面对模型，你应该给出尽可能完整的任务描述。多给示例有帮助。把任务收窄，再把这些窄步骤串起来，帮助更大。试图在一个提示词里做好几件事，模型就会出错。人类并不会一直以最小的任务单元来思考。这个概念有点书呆子气，却是在工作流引擎里让性能提升最多的那一个。

他提到小学的那个练习：一个孩子指挥另一个孩子做一个花生酱果酱三明治，而听的人只能照字面去做。结果总是一团糟，因为描述一件凭肌肉记忆完成的工作，远比做它难得多。每天与 AI 打交道，就是在做这种练习。他说，清晰的沟通，重要性只会越来越高。在经济的这一章里，沟通能力最强的人，可能会成为出色的管理者。他们早已习惯委派工作，也习惯描述意图。他们已经把引擎调顺了。而我们其余的人，还在摸索“委派”到底意味着什么。

内部的这次阶跃，靠的是一周的创始人（founder）模式。在 GPT-4 发布前后，大约是这次对话前的 15 到 16 个月，Zapier 停掉了全公司的工作，不只是工程部门，开了一场 AI 黑客松。之后的几周里，日常使用比例从约 10% 升到 50% 以上，Foster 认为最终稳定在 60% 到 70% 之间。这很难用交付速度来衡量。从定性上看，AI 已经成了常用工具。工程师在用 Copilot 之类的助手；Cursor 很受关注；Claude Artifacts 很好玩。数据分析师被问到，如果拿走 ChatGPT 会怎样，他们说：除非从他们冰冷的尸体上掰下来。人事部门把员工手册放进了聊天机器人，回答的是过去需要一整队人回答的 Slack 问题，还能把一份乱糟糟的成就清单整理成绩效评估草稿。Foster 说，粗稿已经相当不错，总比在无关紧要的润色上浪费时间强。

不是每个职能都能赢。客服是许多公司宣称收益巨大的地方；Klarna 刚宣布 AI 替代了相当于 700 个岗位的工作，引起了轰动。Foster 怀疑，Zapier 发现这类收益更难拿到，原因是他们的支持本来就偏技术、自动化程度很高，唾手可得的果子已经被摘光了。效果因人而异。唯一确定的是，要多做实验。在文化上，他们在 ChatGPT 刚推出时是自下而上开始的，“这很酷，你们应该试试”，GPT-4 出现时则转向了自上而下的授权。在黑客松之前，他们和法务、工程、数据隐私团队坐在一起，围绕客户数据写下了使用规则。没有这样的环境，他不会建议放任自流地乱闯。

为了保持节奏，Zapier 每周四开一次全员会议，大约每月一次，会用视频或现场直播展示半打 AI 用例。有一个 Slack 频道专门展示搭建成果，几位工程师加上不懂技术但很精通 AI 的搭建者，每周举办一次答疑时间，任何人都可以来。Foster 会对其他领导者提的建议是：别羞于说这件事很重要。他认为，这就是为什么由创始人带领的公司在这个时期表现得更好：他们可以走进去，说一句“我们干吧”。睡一觉，今天可能还不是问题，但给它一年、给它五年，在这个领域，五年是很长的时间。

Labenz 问，如果在 AI 上不惜成本，一个贵 10 倍的 Zapier 会是什么样子。Foster 的回答是，从一套工具转向打包的解决方案：Tables、Interfaces、聊天机器人，以及即将推出的代码界面，每一个都把 AI 当作第一等的基础构件重新打造，不再只是外挂一个聊天框。ChatGPT 让世界以为聊天就是新的界面；他离这个想法越远，就越喜欢经过重建的表格和工作流。企业客户不该从零开始配置所有东西。DIY 仍然是一个避风港，但营销、人事和财务团队想要的是开箱即用。在 AI 把劳动力取代掉的同时，按溢价定价的专业服务，是最明显的市场，直到贝索斯所说的那样：你的利润就是我的机会。资本主义会把溢价竞争掉，消费者得利。Foster 在临走时说，来看看 Zapier 吧，它已经不是人们记忆中那个简单的集成工具了。