如何构建 AI 原生服务公司

cover

摘要

下一个十年最大的公司不会是软件公司，而是用 AI 重建的服务公司——保险承保商、律师事务所、税务审计公司等。这些 AI 原生服务公司（AI Native Service Company）面向的是万亿美元级别的市场。与提供副驾驶工具不同，这类公司直接为客户提供最终成果。本视频为创始人提供了一套完整的 AI 服务公司构建手册，涵盖市场选择、团队组建、产品构建、客户服务、利润表（P&L）分析以及是否应收购现有业务等关键议题。AI 服务公司的最佳市场具有四个独特特征：低信任度（工作已被外包）、任务层面低判断力、整体高智能门槛、监管反而可能是优势。团队需要三种核心能力：领域专精、模型专精和运营严谨。产品思维的关键转变是：人类是客户的接口而非产品，产品帮助人类非线性扩展工作能力。核心财务逻辑是通过 AI 运营杠杆（AI Operating Leverage）在比软件大 2-3 倍的市场上实现接近软件的毛利率。

正文

AI 原生服务公司的时代

下一个十年最大的公司不会是软件公司，而是服务公司——保险承保商、律师事务所等——从零开始用 AI 重建。这些市场的规模达万亿美元：税务、审计、保险、法律、部分医疗保健等。这个机会几年前还不存在，但模型进步解锁了这种新型商业模式——公司为客户提供最终成果，而非构建一个供客户内部使用的副驾驶。

选择正确市场

AI 服务公司的最佳市场有四个独特特征：

低信任度（Low Trust）：工作已经被外包，客户关心最终产品而非过程。你在替换供应商，而非要求客户做根本不同的事情——不需要改变行为，只需出现在预算已存在的地方
任务层面低判断力（Low Judgment at Task Level）：如果每一步都需要人类判断，就无法扩展。大部分步骤应可自动化，判断力集中在少数人类参与的环节
高智能门槛（High Intelligence Threshold）：整体工作必须足够难，以至于需要模型加人类才能交付客户接受的成果
监管可能是好事：受监管行业有更高的期望和法律责任，这提高了进入壁垒。例如 Panacea——一家为生物科技和医疗器械公司提供 FDA 监管服务的 YC 公司，他们聘请经验丰富的 FDA 顾问，配合 AI 平台实现更快、更高质量的 FDA 审批

已验证的好市场包括：税务、审计、保险、抵押贷款、部分医疗保健和物流。但还有很多市场尚未被触及。

诚实检查：用"Sam Altman 测试"问自己——随着模型变强，你的服务是变得更强还是模型本身商品化了你？要小心涉及设备和现场劳动力的领域——软件利润数学不适用于拥有和运营物理资产的情况。

组建正确的团队

AI 服务公司创始人需要三种核心属性：

领域专精（Domain Fluency）：直接经验最佳，但后天习得也可以。你在向持怀疑态度的买家销售，往往在受监管领域，必须散发可信度
模型专精（Model Fluency）：需要了解前沿模型今天能做什么，并设计产品随模型进步而进化。没有出色技术的替代品
运营严谨（Operational Rigor）：方差、吞吐量、周期时间、SOP——这些对大多数创始人来说并不令人兴奋，但你本质上在运营一个业务，必须掌握和尊重这套技能

典型案例：General Legal Team——YC 支持的 AI 原生律师事务所，创始人在 Cooley Fenwick 拥有实际律所经验，同时在 Casetext 拥有多年的技术领导经验。更重要的是，他们深入思考吞吐量和人员配置，将轮班工作（Shift Work）整合到客户服务中以缩短周期时间。

构建产品

AI 服务公司的产品构建与大多数软件相反：

人类是客户的接口，而非产品：产品帮助人类非线性扩展工作
运用运营思维：找到瓶颈，为瓶颈构建。吞吐量和周期时间现在是产品指标，像追踪日活用户一样追踪它们
方差是生存威胁：客户因为输出不一致而流失的速度远超因为稍慢或稍贵而流失的速度。不一致摧毁信任
人类在环应非线性扩展：如果收入仅随人类数量线性增长，你将面临重大问题
自动化流程就是产品：初期可以做一些不可扩展的事，但最终必须规模化

销售与客户成功

最大挑战是早期需求陷阱（Early Demand Trap）——很容易在起步时签下大量试点客户，但这会迅速压垮你的服务能力，导致无法构建可扩展的产品，困在使用人力上。建议将首批试点客户限制在少数几家。

销售成果，而非座位或 Token
试点即产品——前几个客户不要过早标准化，用试点学习
定价：按单位定价（每份报税、每笔理赔、每笔贷款）最清晰；结果导向定价（Outcome-Based Pricing）激励一致但难以预测。避免成本加成定价（永久限制上行空间）和直线低价策略（让工作看起来廉价低质）

利润表（P&L）解析

AI 服务公司的利润表是生死攸关的：

收入：初期会有波动，好的产品流程会平滑这种起伏
销货成本（COGS）：从第一天起就要痴迷于此。三大组成部分——模型成本、托管成本、人类在环成本——都需要有数字、趋势线和负责人。对零利润或负利润试点保持高度警惕
AI 运营杠杆（AI Operating Leverage）：核心赌注是产品越成熟，COGS 越低，毛利率越高。传统服务公司利润率约 30%，纯软件/代理公司利润率更高但 TAM 更小。AI 服务公司的机会是在比软件大 2-3 倍的市场上实现 50% 以上的毛利率
运营支出（Opex）：研发、销售及管理费用——标准项目

不要试图通过收购入场

有运营背景的创始人往往想收购现有服务业务然后在上面加 AI。这通常是陷阱——你无法收购产品市场匹配，传统服务业务的指标、招聘和绩效预期都是旧式的，加上 AI 不会立即改变这些现实。唯一的正当理由是你需要快速获得监管许可（如保险牌照）。建设几乎总是优于收购。