Jeff Seibert：产品转型、AI 基础设施与天使投资

Digits 创始人兼首席执行官、前 Twitter 产品负责人 Jeff Seibert 与 Harry Stebbings 对谈。两人披露，Stebbings 后来成为 Digits 的重要投资人；这对一场讨论该公司的访谈而言是一项重要关系。Seibert 回忆，自己从小喜欢搭建东西，先是乐高，后来转向编程。

在 Twitter，Seibert 认识到汇总数据可能掩盖截然不同的用户需求。体育迷、公众人物和希望匿名的用户可能需要不同体验；他反对为想象中的平均用户设计产品。他倾向于解决自己熟悉的问题，同时确认其他人是否真的也有同样的需求。

他重视快速的产品交付节奏，并批评每次决策都等待数周收集数据。在他看来，创始人还需要有意识地执行：时间、招聘和优先级决策应遵循可以在事后检验的判断。这是他的管理理念，并不能证明速度总会带来更好的结果。

Seibert 说，个人贡献者可能在没有管理经验的情况下成为经理，而领导者收到的坦诚反馈也可能太少。在初创公司，他曾让新经理试任两个月，并允许不合适的人回到个人贡献岗位。他认为，薪酬和认可应同时支持优秀的个人贡献者和管理者。

Digits 采用每周冲刺和周五复盘。团队描述拖慢工作的“锚”和提供帮助的“顺风”，再把重要内容带到全公司讨论。Seibert 说，这有助于反馈和持续改进。他也庆祝小胜利，让团队即使尚未实现更大目标，也能感受到进展。

Digits 的起点来自 Seibert 的困惑：在 Crashlytics，他能看到实时产品分析，却只能拿到延迟且难以理解的财务报表。他说，目标是让创始人能及时、直观地理解会计数据。这是他自己的公司，而 Stebbings 是投资人，因此两人对公司的积极评价存在利益关系。

Seibert 说，Digits 花了约三年处理数据质量和记账自动化问题。2021 年，公司转向报告与协作工具；他说约有 1000 家会计事务所和 5000 家下游企业使用。随着语言模型进步，团队又回到最初的自动化目标。这些采用规模和产品能力是他的讲述，此处没有独立核实。

关于何时转型，Seibert 说创始人必须判断是否仍有可信的成功路径，并有足够现金追求新方向。他建议至少保留一年的现金续航，而 Stebbings 质疑这是否足以同时完成产品开发和融资。Seibert 承认这很困难，并认为转型需要真正投入，而不是进行几项不够坚定的尝试。

他说，自己将 Digits 的核心领导团队召集起来，摆出问题和选择，并迅速就新方向达成一致。他认为，创始人必须赢得团队信任，让投资人和董事会及时知情，而不是让他们事后感到意外。Stebbings 和 Seibert 都质疑，团队若根本不同意转型，是否能真正全力投入。

Seibert 称赞 Benchmark 投资人 Peter Fenton 善于在客户不满意现状的市场中发现机会。按他的说法，会计市场类似一个服务不足的市场，即使体验只改善一些也可能有价值。这是投资人与创始人的解读，并非经过测量的会计产品比较。

Stebbings 问，依赖外部 AI 供应商是否带来风险。Seibert 将 AI 视为快速演进的工具，并说每周规划有助于公司适应变化，但客户问题应始终是重点。他将这一时期与早期互联网和移动平台转变作比较。

在这场 2023 年 11 月的讨论中，Seibert 预测语言模型将更加同质化，开放替代方案在许多用途上会接近专有模型。他预计将出现开放基础模型，再针对具体任务进行微调。这些是特定时间的预测，并非已经确定的结果。

他说，Digits 训练自己的模型，并在准确性上做了大量工作，因为财务应用不能容忍编造数字。他区分了大规模基础模型训练和使用较小规模、高质量任务数据进行微调。他对 Digits 准确性的表述是公司自述，访谈没有提供独立评估。

Seibert 区分了仅调用模型的浅层应用与解决更深层客户问题、具有防御能力的产品。他预测 OpenAI 可能更像基础设施公司，托管模型并向其他企业提供能力；他也提醒，若初创公司只是填补模型供应商路线图上的空缺，可能被赶超。这一预测反映了他作为 AI 应用创始人的利益。

他指出算力成本带来的挑战，并推测 Apple 可能将设备端模型与自有芯片和重视隐私的设计结合。他当时认为 Apple 落后，但如果足够强的模型能在本地运行，公司就有机会。这是假设性的未来，并非关于特定部署性能或隐私的断言。

被问及敏感企业数据时，Seibert 将对 AI 供应商的担忧与早期对云服务的担忧作比较。他预计会出现更明确的限制并逐渐建立信任，同时提醒不要仅仅因为技术流行就采用它。他的预测不能证明任何供应商实际如何使用数据。

他认为 AI 实施咨询可能是一个大市场，但他更感兴趣的是能够自动化实质性工作流程的产品。他预测，AI 的采用可能比移动技术更快，因为用户无须购买新硬件，也可以通过熟悉的界面互动。Stebbings 提醒技术转变可能比预期更慢；实际速度仍不确定。

Seibert 认为，如果 AI 改变搜索，Google 尤其容易受到影响，因此应愿意主动改变自己的业务。他预计算力会变得更快、更便宜，但表示自己不是硬件专家。他还预测 AI 会融入现有定价模式，而不一定创造新的模式；这些都是他在 2023 年的观点。

Seibert 说，干净、高质量的训练数据很难获得，并称 Digits 拥有包含 1 亿笔财务交易的专有数据集。他说，公司条款允许使用数据改进产品，公司在内部训练而不对外分享这些数据。这些是他对 Digits 做法的说明，并非独立的法律或隐私评估。

他推测某项消费者照片服务可能有助于模型训练，但在被问到授权情况时说“可能如此”。这并不能证明该供应商实际使用了私人照片。他还讨论云公司可能进行的收购以及既有企业的 AI 功能，属于推测性的竞争判断。

Stebbings 质疑早期投资中 90% 归零的说法。Seibert 分享了自己的天使投资组合：自 2014 年以来，他投资了 97 家初创公司，其中 30 家已经完全失败，19 家账面仍为 1 倍。他说，大约 10 笔投资最重要，大部分收益仍停留在账面；只有极少数投资返还了现金。这些是特定投资组合的自报数字。

被问到是否相信这些估值时，Seibert 说，一些公司可能仍沿用 2021 年估值，尽管二级市场价格更低。他说其中一些价格大幅下跌，但没有指明公司，也没有提供有代表性的数据集。账面估值、二级市场报价和实际收到的款项是不同指标。

Seibert 说，自己最成功的流动性结果来自私募二级出售。一些投资公司上市后，在锁定期内股价大幅下跌，他尚未能出售。他建议保持单笔投资金额纪律并分散组合，因为自己两笔更大额、高信念的天使投资都归零了；这是他的个人策略，不是投资建议。

他讲述自己向一位创始人的早期项目投资 1 万美元，该项目最终发展为 Alchemy；他说，自己在加密货币热潮高峰时在二级市场以 200 倍回报出售。他说，这笔已实现出售的收益覆盖了其他天使投资，并强调创始人的坚持与时机。这个自报的已实现结果不同于剩余的账面收益。

Stebbings 回忆自己拒绝了出售另一家公司的股份，后来感到后悔。Seibert 说，自己曾出售一部分持仓并获得 3 倍现金回报，剩余股份的账面价值后来进一步大幅上涨，但他不确定能否实现那部分价值。关于向创始人要求返还现金，他认为答案取决于创始人的信念、表现和具体情况。

Seibert 预计，在艰难的 2023 年市场之后，估值和融资将面临压力，也认为早期公司可能有机会招聘优秀人才。Stebbings 指出，成熟雇主可能提供更多现金薪酬，从而留住人才。这些是当时的预测和不同考量，并非经过验证的后续结果。

回顾投资组合时，Seibert 说，最成功的创始人往往深入关注客户、与问题有个人联系，而不一定是技术能力最强的人。Stebbings 提出，童年频繁搬家可能是另一种模式。两人都将这些视为个人观察，而非已经证明的因果规律。

在快问快答中，Seibert 表达了对气候变化和近期风险的担忧，两人还讨论了不同国家责任与影响分配不均的问题。他提出的具体时间线以及对话中的排放量比较是观点和估计，访谈没有独立证实。

他预测 AI 将提高生产率，而不会取代很多工作，并以历史技术变迁为例。这是有争议的预测，不能证明特定劳动者或行业不会受到影响。他还建议初创公司主要关注客户而非竞争对手，并及时作出可逆决策，让团队继续学习。

Seibert 说，一年前他还认为有用的 AI 需要多年才能出现。展望 2033 年，他希望 Digits 成为广泛使用的实时会计平台。他对气候的评论和产品愿景都是访谈时的预测，后者直接涉及他自己的公司。