AI 原生服务：1000 亿美元的机会

AI 原生服务已经到了，而且我认为它是眼下最好的创业品类，大概有一千亿美元可拿。这篇是完整的指南：AI 原生服务是什么、怎么搭一个、机会地图长什么样。

背景

在我职业生涯的大部分时间里，做服务业意味着日子过得不错、公司不怎么样——至少在很多投资人眼里是这样。你卖的是小时数，收入随你停而停，整个生意绑在几个随时可能走的人身上。这一切正在变，而原因一个例子就能讲完。

一家公司每年花约 10,000 美元买 QuickBooks，再花约 120,000 美元雇一个用 QuickBooks 的会计。二十年来，软件公司抢的是那一万美元，因为那是可以规模化销售的部分；那十二万美元锁在一个人背后，而人没法不雇第二个就扩张。现在打开的就是这笔钱。AI 能做会计做的大部分事，意味着你可以卖做完了的成品——合好的账——而不是工具，而且按软件的毛利来卖。

这就是 AI 原生服务：活主要由 agent 干，一个小团队处理仍需要人的部分。怎么收费随你：月度包干、按件、按用量，什么贴合客户就怎么来。让它成为「AI 原生」的只有一条：交付跑在软件上，而不是人头数上。

AI 原生服务到底是什么

最简单的理解方式：普通服务公司卖的是人的时间；SaaS 卖工具、让客户自己干活；AI 原生服务替客户把活干完，其中大部分由 agent 完成。

客户要的不是记账软件，是账合上了；不是合同审查工具，是这份合同能不能签的答案。AI 原生服务交付的就是这个，客户的体验和雇一家事务所完全一样——只是更快、更便宜、不会累。按月收、按件收还是按用量收，是另一个独立决定。

关键在于引擎盖下面它跑得像软件：活由你搭一次的系统完成，而不是由你无限增长的人头完成。所以它可以按服务定价、按软件估值，这就是全部机会所在。

为什么是现在

两年前还做不到，因为几件事刚好同时落位。

模型对实际工作的完成度够了。审合同、编医疗理赔、起草索赔函、合一个月的账。两年前的产出是人得重做的草稿；现在是人只需核对的成稿。

运行成本塌了。过去按美元计的 token 开销现在按美分计，你多交付一个单位工作的成本接近于零。就是这个数字，把一门服务变成了有软件毛利的东西。

而钱本来就在那里。美国企业每年在服务上花约 4.6 万亿美元，大约是软件支出的六倍。会计、经纪人、律师助理、簿记员、合规专员——二十年来这个池子碰不得，因为每一块钱都拴在一个人身上。现在它是经济体里最大的开放市场，而且这些市场开放到有点离谱。

先动的人已经示范了。做法律工作的 Harvey，年收入在大约五个月里从约 1 亿美元涨到 1.9 亿美元。EvenUp 向工伤律所按约 500 美元一封卖索赔函——这种活过去要吃掉一个初级律师八到十二个小时——收入越过了 5,000 万美元。Kick 以每月 300 到 500 美元做小企业记账，价格只有人类簿记员的一半，毛利仍高于 70%。这些是服务业，只是恰好长着软件的经济模型。

为什么在所有可做的事里选服务

现在动手的人大多在 SaaS、App 和代理公司之间选。我说说 AI 原生服务为什么赢这三者。

SaaS 是在往下走的扶梯上往上跑。你卖工具，工具在和一个每季度都更好更便宜的基础模型竞争，实验室每发一版，你的产品就贬值一点。App 依赖应用商店，永远在跟平台跳探戈（还要给苹果 30%，毛利因此高不了）。传统代理公司卖的仍是小时数，收入被人头封顶，毛利永远卡在 20% 到 30%。

AI 原生服务把这些全翻过来：你卖成品，模型每变好一分，你的生意就变好一分。模型的进步在帮你，而不是在跟你竞争。

预算本来就存在。你替换的是客户已经在付的一行账目，不需要说服任何人「你有这个问题」，也不需要发明新品类。销售话术就是「你现在的服务商做什么，我们做得更快更便宜」。这是生意里最简单的一句推销。

它从第一天就有现金流。SaaS 创始人对着产品市场匹配猜一年才有收入；服务创始人第一单活就拿到钱。你靠被付钱来学会该建什么。它也更是门个人化的生意——就我自己的观察，那些用 AI 跑高毛利小生意的朋友们，看起来更快乐。

（原推）

楔子

最妙的一点是：服务是最好用的楔子。

在你还不知道该建什么之前，先用它进到客户、利基、行业里去。干活、收钱，每一单活都告诉你真正的痛点在哪、「正确」长什么样、哪些部分机器能全权接手。然后把学到的东西产品化；想走更远，再变成软件。你从服务爬向产品，每一级都有生意在给你付钱，而不是融了钱去猜。

AI 领域最大的公司早就想明白了。前进部署工程师（forward-deployed engineer）——驻在客户那边、动手建而不是动嘴建议的工程师——就是拿服务当楔子进企业的打法，赢家都是这样进门的。你可以在你熟悉的利基里，用小一号的规模跑同一套动作。

部件

每个 AI 原生服务都由同样的部件组成。理解了它们，几乎任何利基你都能设计出一个。

1. 计件单位（unit）。 这是整个设计里最重要的一个决定。你卖一个定义清楚的东西：按理赔、按申报、按合同、按月账、按报告，永远不按小时。包月也可以，只要包的是定义清楚的范围——单位仍然是你交付的东西，只是按月结算而不是按件。单位让你能定价、能重复交付、最终能变成软件。选一个有清晰终点的东西，客户看一眼就能说「这单完成了」。
2. 进件（intake）。 活怎么进来。大多数服务公司在这里失血而不自知：代理公司开三次会才能界定一单活，AI 原生服务收一张表单。客户上传文件、填五个字段、写清要什么，就这些。如果你没法把进件定义成一张表单，说明你的单位还不够清楚。
3. 引擎（engine）。 干活的 AI。模型加上你的指令、你的示例、你对这个行业的上下文。第一天它主要是一段好 prompt 加几十个例子；一段时间之后，它变成竞争对手复制不了的东西，因为它被你跑过的每一单活塑造过。
4. 规则手册（rulebook）。 真正的产品，而且几乎所有人都会低估它。它是写下来的清单：在你的利基里「正确」意味着什么，以及 AI 会犯的每一种错。「居家护理记录缺生命体征就是不合格。」「索赔函必须引用治疗日期。」「这种理赔，编码与诊断不符就会被拒。」这份清单你一次一个错误地攒：读产出、把抓到的问题写下来。几百单之后，规则手册就是你的产出可信、生意有防御性的原因。
5. 复核层（review layer）。 人还在哪里看。按单位决定哪些直接发出去、哪些先过人眼。低风险、高置信的直接出；凡是涉及钱、法律责任或客户声誉的，都要过人。复核层让你拥有错误而不被错误淹没，而规则手册会让它随时间越缩越小。
6. 交付（delivery）。 成品怎么回到客户手里。一个登录看的仪表盘、一封带文件的邮件、一个显示状态的门户。它取代客户经理。客户不用问任何人就能看到活走到哪了。
7. 定价（pricing）。 两个好选项，一个坏选项。按件——每单理赔、申报、信函各收多少——适合量可预期、客户想为实际用到的付费；固定月费——对定义好的范围收固定费用——适合客户要预算确定性、你要可预期的收入。Kick 每月 300 到 500 美元的记账就是包月，而且是门好生意。唯一要避开的选项是按小时定价：它把你的收入拴在人头数上，正是让代理公司成为坏生意的那个陷阱。无论选哪个，对着人类替代品定价，而不是对着你的成本。事务所收 2,500 美元的活，你收 800。
8. 获客（distribution）。 客户从哪来。对大多数利基，诚实的答案是：对着一张精确到付款人的短名单做冷外联，外加一个引流钩子——第一单免费。一家居家护理机构免费拿到十条护理记录的审查、又看见三个自己漏掉的问题，当天下午就会变成客户。已经在做内容的话内容也行；这些生意在用的软件的合作伙伴也行；人人都互相认识的利基里的转介绍也行。你不需要观众，你需要一条通向买家的通道，而免费第一单是其中最快的一条。

一个从头到尾搭通的例子

部件拼起来是这个样子，带真实数字。

拿居家护理记录审查来说。一家中型机构每月产出约 2,000 条上门护理记录，雇一位护士审查员每年花约 70,000 美元来核对——因为一条不完整的记录会导致理赔被拒、或在审计中被标记。

单位是一条被审过的记录。进件是上传：机构把当天的记录丢进来。引擎按你攒的规则手册跑每条记录——那二十种会让记录被拒的问题：缺生命体征、含糊的用药变更、护理内容撑不起计费等级。复核层把干净的记录直接发回，把有风险的标记出来让人快速过目。交付是一个仪表盘：每条记录、哪些通过、哪些要改，机构永远不用开口问。

你按每条 2 美元收。一家机构每月 4,000 美元，而你跑一条记录的模型成本是几美分。十家机构是每月 40,000 美元；五十家是一年 240 万美元，而且一个人就能运营——因为进件是上传、核对是规则手册、交付是仪表盘。你是从手工替五家机构审记录开始的，你边干边写下的那本规则手册，现在就是全部产品。它就是这个形状：一门真生意，在一个没人在抢的利基里，这个月就能开始。

怎么搭

第一步，在地图上挑一格。 你要找的是公司已经在付钱给外部机构做、而且有可核对的标准答案的活。这两条都关键，下面解释为什么。

第二步，找五个客户，把活干了，主要靠手工。 用 AI 当引擎，但每一份产出你自己读过再出门。这还不是产品。这是你在学「正确」长什么样、AI 在哪断、客户真正在乎什么。几周干下来你全学到了，对着路演稿猜是猜不来的。

第三步，把每个错误写下来。 每抓到一个错，就加进规则手册。几十单之后，你会有一张这个利基里反复出错的二十件事的清单。那张清单就是你的产品，别人没有。

第四步，产品化。 定死范围、定死价格，进件变成表单，交付变成仪表盘，规则手册自动执行。现在一个人能伺候五十个客户，生意有了软件的毛利和服务的销售周期。大多数这类生意就应该停在这一步，而且停在这里很好。

第五步，仅在你想的时候，把它变成软件。 规则手册和工作流都稳了之后，可以让客户自己跑。那是从产品化服务到产品的跳跃，估值最高的地方也在那里。但这是你挣来的——你靠先干活建出了软件，而不是靠猜。到这一步，想融资也随时可以。

地图

两个问题几乎决定一个想法的全部成败。

一：客户是否已经在为这件事付钱给外部机构？是，则预算存在、范围已被定义、换成你对他们零成本。如果他们自己做，你是在试图替换别人的员工，那场谈话难得多。

二：有没有可核对的标准答案？产出能对照规则验证的，AI 加你的规则手册就能全权接手；需要真判断的，人必须留在环里。

两问摆成格子，得到四个象限。

• 已外包且可核对：在这里建。这是甜蜜点——你是他们已经在开支票的那家事务所的更便宜更快版本，而且你能证明活是对的。
• 可核对但自己做：真机会，更难卖。把它定位成团队留下的工具，而不是替换某个人。
• 已外包但重度依赖判断：人留在环里，收溢价。AI 做准备，人做裁定，价格可以贴近老事务所。
• 自己做且重度依赖判断：跳过。那是一份工作，不是一门生意。

机会清单

下面都是真实的右上象限，各带你会卖的单位。没有一个光鲜，故意的。

• 医疗账单与编码，按理赔。诊所本来就外包；编码错即理赔被拒，正确可核对、漏掉很贵。
• 商业保险报价，按保单。经纪人的核心活是比价与填表，大部分是可核对产出的任务。
• 报关与货运归类，按货件。每笔进口都要对的编码与单证；规则驱动、文件密集、错了很贵。
• 持牌业务的合规申报，按申报。金融、食品、医疗都在付钱请专家跟规则走，而规则就是规格书。
• 租约摘要与产权检索，按文件。商业地产深陷其中，而且早已外包。
• RFP 与资助申请撰写，按提交。大部分是结构与先例，预算本来就是一行现有科目。
• 房产税申诉，按申诉、分成节省额。已外包、可核对，而且客户只在赢的时候付。（我自己最近刚做过，付了事务所节省额的 50%；同样的服务你可以只收 10% 的分成。）
• 居家护理记录审查，按记录。记录不完整账单就被拒，机构今天靠人工审。
• 工伤律所的索赔函，按信函。初级律师每封要花数小时，结构可重复、产出可核对。
• 应付账款异常处理，按异常。公司付钱让人追那些对不上的发票，而对账本身就是规则。

看这个模式：每一项都是企业已经在付钱让人做的活、有可核对的标准答案、且所在的行业跑在憎恨流程的老软件上。这个组合就是信号，找到它就找到了一门生意。我会持续在这类机会上更新 Ideabrowser。

什么让它有防御性

每个创始人、每个投资人问的第一句都是：客户为什么不直接用 ChatGPT 自己做？答案是：他们不要工具，他们要事情被做完，而且出了错要有人兜着。诊所不会让前台把理赔单贴进聊天机器人然后祈祷。他们要的是一家知道被拒理赔长什么样、抓过那个错三百次、漏了会修的事务所。你的规则手册和你的问责就是产品；模型只是引擎，而引擎人人都有。

这才是真正的护城河。卖成品意味着你拥有错误。软件公司出了 bug 可以打补丁；递错一份申报的机构面对的是真问题，客户有理由发火。所以护城河不是模型，是规则手册，是你在一条窄利基里抓到并写下来的几百个边界案例。对手一个下午就能下载到模型；他们下载不到你三百单活攒出来的错误。

这也是复核层为什么重要：它让你拥有错误而不被错误拥有，并且随规则手册增长而收缩。

唯一要做对的事

多数做「AI 代理公司」的人把 AI 对准生产环节，其余一切照旧。结果是一家便宜一点的代理公司。代理公司从来不是好生意的原因，是活周边的间接成本——界定范围、核对、管理、销售——每来一个客户就涨一层。

AI 原生服务是有意把这笔间接成本压塌的：进件是一张表单，范围是一张菜单，质量是一本规则手册，客户管理是一个仪表盘。做到了，生意就表现得像软件；不做，你只是把那个从来不管用的东西建快了一点。最妙的是：真要卖掉这门生意时，你的毛利可能有 60% 到 80%，按 6 到 12 倍 EBITDA 的口径，足以换一次改变人生的退出。

所以，事情的全部就是：挑一个单位；搭好进件、引擎、规则手册、复核层和交付；对着人类替代品定价，按件或包月；先手工替五个客户干活，写下每个错误，然后产品化。锁在人背后的那 120,000 美元，现在开了。去找你的那份。

AI 原生服务已经到了，现在就是入场的时候。