AI news

Agent 就是新一代 SaaS,这个判断可能会颠覆你对创业的认知

By 深思圈1 viewsSource: 深思圈
Agent 就是新一代 SaaS,这个判断可能会颠覆你对创业的认知

Greg Isenberg 最近在他自己的播客 The Startup Ideas Podcast 里讲的一个判断,他说了一句很直白的话,building agents is the new SaaS,做 agent 就是新时代的 SaaS。

The full text has not been translated yet. The Chinese original is shown below.

你有没有想过,你花钱雇的很多员工,其实做的都是同一件事,接电话,打字,查系统,然后重复一遍。前台,客服,调度员,跟单专员,这些岗位加起来,可能是全世界最大的一块隐藏成本。而现在,有一群创业者正在做一件很直接的事,把这些重复工作接过去,用 AI agent 来做,然后按劳动力而不是软件的方式收费。

这是 Greg Isenberg 最近在他自己的播客 The Startup Ideas Podcast 里讲的一个判断,他说了一句很直白的话,building agents is the new SaaS,做 agent 就是新时代的 SaaS。他这期节目讲得特别系统,从怎么挑选一个值钱的workflow(工作流),到怎么定价,到怎么找客户,整套打法他都讲了。我把他这套框架听完之后,想在这里先把他讲的东西梳理一遍,再加上我自己这段时间琢磨出来的一些认知。

卖的不是工具,是工作本身

Greg 讲的第一个核心观点,是产品即工作。传统 SaaS 卖的是软件,你给客户一个工具,客户自己用工具去干活。但 agent SaaS 卖的是工作本身,你直接告诉客户,这份活你的团队不用再手动干了,我们来做。听起来好像只是措辞上的差别,但其实是一次很大的心态转变,不管是对客户来说,还是对做产品的人来说都是。

文章配图

他举了餐厅的例子。一个餐厅每天最头疼的事,就是饭点电话响个不停,前台在忙着招呼客人,根本没空接电话。客人问的都是差不多的问题,预订被漏掉,私人宴会的电话也接不上,结果就是白白流失掉的生意。Slang AI 做的就是这件事,它是餐厅的 AI 超级前台,负责接听来电,回答客人问题,处理预订,把 VIP 客人单独识别出来,遇到私人宴会或者投诉这种优先级高的事就提醒员工,还能跟 OpenTable、Yelp 这些系统打通。

文章配图

另一个例子是家庭服务行业,水管工,暖通空调,屋顶维修,除虫公司,这些行业最常见的问题就是漏接电话,活儿定不下来,客户跟进不到位,调度员忙得团团转。同样的需求量,如果电话能被 24 小时接住,营收自然就上去了。Same Day 做的就是这个,专门为家庭服务公司提供接电话、回短信、订活、改期的 AI 调度员和销售员。

我自己听完这两个例子,觉得它们能打动人的地方,不是技术有多炫,而是特别容易懂。你不需要跟客户解释什么是大模型,什么是 agent 架构,你只要说一句话,我能把这份烦人的活干得比一个新员工好,比一个外包团队快,比多招一个人便宜。这句话谁都听得懂,这也是我认为这类产品最值钱的地方,它绕开了教育市场这个最贵的环节。

文章配图

想清楚一件事,这个workflow到底值不值得做成 agent

光有一个方向还不够,Greg 给了一个很具体的筛选方法,找到一个值钱的workflow,前提是这份工作背后已经有人在为它付工资。如果一份工作已经有人在给员工发钱,给外包公司发钱,给前台,给调度员,给协调员发钱,那这里面就存在一个机会,用更便宜的方式把这份工作接过来,把人腾出来做更有创造性的事。

文章配图

一个好的 agent workflow,他总结了五个特征。第一,这件事发生得足够频繁,每天发生是好的,每小时发生更好,比如每一条入站线索,每一通电话,每一张工单,每一次报价请求,每一个预约,每一笔订单。第二,它要有清楚的完成标志,活儿订上了,工单被分类了,退款批下来了,供应商被约上了,客户拿到了有用的答案,这种一眼就能判断做没做完的事。第三,它要已经接入了软件,能碰到 Gmail、Slack、Shopify、HubSpot、Zendesk、Stripe 这类系统,因为 agent 既需要这些工具去执行,也需要这些系统里的信息作为判断依据。第四,边缘案例存在,但是可以学习。如果一份工作太简单,靠 Zapier 那种自动化工具就能搞定,没必要上 agent。如果一份工作全靠人的主观判断,第一版 agent 大概率会翻车。真正的甜蜜点,是重复劳动里带着一点判断,判断多到需要 AI 帮忙,又没多到完全没法预测。第五,买家能真切感受到损失,漏接的电话,回复太慢,流失的线索,空着的日程,花大价钱雇人做的却是低价值的协调工作。

具体怎么落地呢,他给了一个很实操的做法,挑一个细分领域,写下二十件人们经常抱怨的事。如果是屋顶维修行业,可能是漏接电话,融资问题,保险文书,预约提醒。如果是医美诊所,可能是线索筛选,爽约挽回,会员升级。如果是 Shopify 品牌,可能是退换货,批发线索跟进。然后针对每一件事打分,发生频率多高,痛点有多贵,完成状态好不好判断,需要接入哪些工具,预算掌握在谁手里。这五个维度打完分,你大概就知道该从哪里下手了。

我自己看完这套方法,最大的感受是,它其实是在提醒创业者别一上来就想着造轮子,先去找那个已经有人在付钱、已经很痛、但还没被 AI 碰过的活。这跟我们做产品经常犯的错误正好相反,很多人是先有了技术,再去找场景,而这套方法是反过来的,先找那个已经存在的付费行为,再看 AI 能不能把它做得更便宜更好。

别急着写代码,先蹲在人身边看他怎么干活

这一步是 Greg 反复强调的,也是他说很多创业者会跳过的一步,动手做 agent 之前,先去观察真正在做这份工作的人。定好要做哪份工作之后,不要急着去写 prompt,不要急着去搭代码,先花时间看一个真人怎么把这件事做完,看十到二十个案例,让对方录屏,让对方一边做一边讲解自己在想什么。问对方什么样的案例算简单,什么样的算棘手,做决定之前会先检查什么,容易出错的地方通常在哪里。这个过程你要找的,是那个真实存在的工作流程,而不是你脑补出来的流程。

文章配图

他举了个特别形象的例子,餐厅前台接到一个问题,几点开门,听起来是个很简单的问题。但真实的工作流程比这深得多,前台知道厨房几点收工,知道哪几张桌子适合带婴儿车的客人,知道露台什么时候关闭,知道怎么招呼 VIP,知道什么情况该转给私人宴会的负责人。他说了一句我很喜欢的话,细节就是产品。这句话我反复琢磨了一下,我觉得这正是很多 AI 产品做不好的原因,大家都盯着那个看得见的问题,几点开门,却忽略了背后那一整套只有真正做这份工作的人才知道的隐性规则。谁能把这些细节挖出来,谁做的 agent 才真正顶用,不然做出来的东西看着像那么回事,实际用起来处处露怯。

挖完这些细节之后,Greg 建议把 agent 的说明书写清楚,他列了七个要素。什么事件会唤醒这个 agent,它需要什么背景信息,它能用哪些工具,哪些事它可以自己拿主意去做,哪些事需要人批准,什么情况下要把人拉进来,以及怎么判断这件事算是做成功了。把这七件事想清楚,你做出来的就不是那种看着热闹、实际没法用的 agent,而是真正靠谱、能稳定交付、甚至比人做得更一致的东西,这才是客户愿意付钱的东西。

从最小可用版本开始,别想着一步做出全自动员工

大部分人一听到 agent,脑子里冒出来的画面是一个完全自主的数字员工,什么都能干。这也是为什么 Twitter 上那么多 agent 演示看着很炫,实际根本没法用,做成生意就更难了。Greg 说,真正该做的是从更小的版本开始,他管这个叫最小可用 agent,MUA。

他给了四种靠谱的第一版形态。第一种是起草加审批型,agent 读取背景信息,写出回复、报价或者下一步方案的草稿,交给人来批准,这种适合风险比较高、需要一点创意、或者本来就有审批流程的场景。第二种是分诊型,负责把进来的工作分类,转到对应的地方,是维修请求,是账单问题,还是退款申请。第三种是协调型,在系统和人之间来回穿梭,查空档,发提醒,追问缺失的信息,让整件事持续往前推进。第四种是有边界的行动型,能在明确规则下直接做一件具体的事,比如订预约,发跟进消息,处理五十美元以下的退款。他举了个例子,你在 Uber Eats 点的沙拉没送到,系统自动就把钱退给你了,这背后就是一个有边界的行动型 agent 在起作用。

文章配图

他还提到自己最近看 Anthropic 关于 agent 的一份指南,里面有一个观点他觉得特别关键,很多所谓的 agent 问题,其实一开始更应该被当成workflow来处理。workflow 走的是一条可预测的路径,而 agent 是在动态做判断,创业者应该先从可预测的路径开始,只有当判断真的能创造价值的时候,才逐步把自主权交给 agent。所以如果是我来做,我会先从一个workflow、一个承诺开始,比如我们帮屋顶维修公司接住漏掉的电话,把靠谱的活订出去,或者我们帮物业公司分诊维修请求,派对的供应商约上,或者我们帮餐厅接预订电话,遇到该转人工的情况就提醒员工。这就够了,第一天能做到这个程度已经足够,这不光是给自己攒信心,也是在给客户攒信心,因为对大部分客户来说,这是他们第一次为 agent 付钱,他们不需要一上来就是全套,尤其你还不是微软,也不是 Salesforce。

这一部分给我的启发挺大的,我们做产品的时候总有一种冲动,想一次性把所有能力都塞进去,好像功能越全越有说服力。但 Greg 这套逻辑其实是反过来的,先证明一个最小闭环能稳定跑通,再一点点把判断权交出去,这个顺序错了,后面所有的信任都建立不起来。

真正让它变成 SaaS 的,是包在外面那层东西

Greg 有一句话我觉得特别到位,agent 负责干活,但让客户相信这件事的,是包在外面那层东西。他说很多人做出来的只是一个还算酷的自动化脚本,而真正能卖成 SaaS 的产品,区别就在这一层包装上。客户需要看到日志,需要有审批环节,需要能设置控制规则,需要清楚交接给人工的边界在哪里,需要一个能在上线前测试 agent 的地方,需要知道 agent 为什么做出了这个决定。这层包装才是真正的 SaaS,而 agent 本身其实活在电话系统里,活在收件箱里,活在 Slack 频道里,活在 CRM 里。

文章配图

所以后台界面可以做得很简单,但客户仍然需要一个控制室的感觉。他举了两个例子,做餐厅电话 agent,控制室里放的可能是通话摘要,预订结果,转接人工的记录。做物业维修 agent,控制室里放的可能是新建的工单,供应商的派单情况,租户的进度更新,业主的审批记录。

这也是为什么评估测试很重要。在你敢承诺自主之前,先做一个小规模的测试集,找五十个真实案例,标出正确答案,五十通电话,五十条线索,或者五十条维修请求,然后让 agent 系统跑一遍,看它分类对不对,问的补充信息对不对,用的策略对不对。这个测试集他形容得很形象,就像健身房,每次你改了 prompt,改了模型,改了工具,改了workflow,都可以让 agent 回到这个健身房里跑一遍,立刻知道好坏。

这套测试集其实还是个很好用的销售工具。他举了个例子,你跟一个物业经理说,我们在你过去五十条维修请求上跑了一遍测试,四十二条分类正确,六条被标记出来需要人工复核,两条出错了,这两条错误的原因是什么,我们又是怎么修复的。这种坦诚反而更容易建立信任,尤其是对那些经营着不那么性感、但确实需要这类 agent 的传统生意的人来说,透明比炫技管用得多。

先把它当劳动力卖出去,再把它做成产品

卖法上,Greg 建议最快的路径是先做试点,人工加 AI 一起把活干出来,再把重复出现的部分产品化。具体做法是先找同一个细分领域里的三个客户,同样的workflow,同样的痛点,然后卖的是结果,而不是工具本身。这个约束一定要收紧,不然结果会很难看。如果你卖的是我们会接住并筛选你漏掉的电话,或者我们会分诊你的维修请求,那收费方式可以是一笔搭建费加一个简单好懂的月费,等你摸清楚价值之后,再往按使用量或者按结果收费的方向走。

文章配图

他给了几个具体的定价参考,一千五百美元搭建费加一千美元月费只覆盖一个workflow,或者两千美元搭建费加每个合格预约收三十美元,这已经更偏向按结果收费,或者三千美元月费覆盖到五百张工单为止。他说具体价格其实没那么重要,重要的是这个过程里你学到的东西,客户到底看重什么,agent 在哪里容易出错,什么情况需要人工审批,如果把这个东西拿掉客户会最先想念哪一部分。搞清楚这些之后,你就可以围着那个重复出现的模式去把产品做出来了,比如每个屋顶维修公司都需要同样的紧急来电话术,服务区域核实,融资问题解答,报价跟进,这就是一个产品。每个医美诊所都需要线索评分,预约转化,爽约挽回,疗后跟进,这也是一个产品。这就是 agent SaaS,先靠干活挣到做软件的资格。

我自己对这套定价逻辑很有共鸣,尤其是按结果收费这个方向。客户其实不想为多一个账号多付钱,他们想为结果付钱,这个逻辑放在 agent 产品上格外顺,因为 agent 干的本来就是一份具体的活,而不是一个抽象的功能。只是这条路不能一步到位,得先经历前面那个学习的过程,把价值摸透了,价格才能定得准。

分销靠的是把旧世界的痛苦拍给人看

找到客户这件事上,Greg 提到眼下最有效的打法是workflow拆解式的内容,把旧的做法拍出来,一个电话打进来没人接,客户转头打给了下一家,或者客服接起来问五个问题,翻日历,查服务区域,订下工作,写备注,发提醒,结果还是忘了跟进,老板和经理看着这一幕心态直接崩掉。然后再把 agent 的做法拍出来,电话进来,agent 接起来,问对问题,核实服务区域,判断紧急程度,把预约订上,更新 CRM,发确认信息,遇到边缘情况转人工。这类内容之所以管用,是因为看的人真切感受得到那种痛。他说了一句我很认同的话,你要做的是卖止痛药,不是卖维生素。

文章配图

找到一个workflow之后,就要让整个互联网都把这个workflow跟你的名字连在一起。他建议的做法是做清单,做基准测试,做拆解视频,做五十个这个workflow的案例,靠这些内容站住脚,再把跑得好的内容素材拿去投放广告。他也提到很多人不喜欢做内容,这很正常,但这条路上内容就是绕不开的机会,先从一个平台开始做深,再逐步铺开。

三十天从零到一的节奏

最后 Greg 给了一份很具体的三十天计划。第一天,挑一个漏掉工作就会亏钱的细分领域,家庭服务,物业管理,保险代理这类都算。第二天,采访十个真正做这份工作的人,让他们共享屏幕,把workflow录下来,光是观察就够了,这些人可以付费邀请。第三天,从中挑出一个频率高、痛点明显、能接入现成软件、成功标准清楚的workflow。第四天,把 agent 的说明书写出来,触发条件,背景信息,工具,规则,交接方式,评估方法。第五天,先靠人工加 AI 手动跑一遍,用 Claude 或者 ChatGPT,把背景信息复制进去,生成草稿,让真人审批,这一步是在验证 AI 到底有没有用,而不是急着搭系统。第六天,把最小可用版本做出来,起草审批型或者分诊型通常就够用了。第七天,用五十个真实案例搭出评估测试集。

文章配图

第二周,在同一个细分领域里卖出两个试点客户。第三周,把包装层加上去,日志,审批环节,设置项,数据看板,交接规则,这一步可以用 AI 工具去搭建。第四周,把workflow拆解内容发出去,把试点案例变成社会认证,同时开始加大内容投入。他特别提到,这整个过程里不是先做完产品再去攒粉丝,而是从第一天起就一直在同步建立自己的受众,等到第四周结束,你大概会摸清楚哪些内容形式管用,钱该往哪里投,进入第二三个月就该去算获客成本和客户终身价值了,然后持续往下滚动。

我自己的一些想法

听完整期节目,我最大的感受是,这套框架把 agent 创业这件事拆解得极其具体,具体到你听完就知道第一步该干什么,这在一堆讲概念、讲愿景的内容里其实挺少见的。

我自己比较认同的一点是,他反复强调先去干活,再去做软件,这个顺序特别关键。很多做 AI 产品的团队,包括我自己接触过的不少项目,习惯性地会先把技术能力堆出来,再去找一个场景往上套,结果做出来的东西技术上很漂亮,但客户压根感觉不到那份实实在在的痛被解决了。而 Greg 讲的路径完全反过来,先蹲在真人身边看他怎么干活,把那些藏在细节里的判断逻辑一条条挖出来,等你真的理解了这份工作,agent 才有可能做得像样。这也是我特别认同细节就是产品这句话的原因,很多所谓的 agent 产品失败,不是因为模型不够聪明,而是团队压根没把那份工作的真实颗粒度摸透。

另外一点我想多说两句,是关于劳动力这个市场规模的判断。Greg 提到 SaaS 卖的是工具,市场天花板是企业的软件预算,而 agent 卖的是劳动力,对应的是全球人力成本这个大得多的盘子。这个视角我觉得解释了为什么这一波创业热潮跟当年 SaaS 崛起感觉不一样,SaaS 时代大家卖的还是效率提升,是锦上添花,而 agent 卖的是直接替代掉一份工资,这个购买决策对企业主来说反而更好算账,多花一个人的钱,还是少花大半个人的钱换到同样甚至更好的结果,这笔账很容易算清楚。

我也在想,这套打法为什么特别适合那些看起来不性感的传统行业,屋顷维修,物业管理,餐饮,家庭服务。恰恰是因为这些行业的workflow足够重复,足够可预测,又确实存在需要一点判断的边缘情况,这正好卡在纯自动化工具做不了、纯人工又太贵的那个中间地带。而这些行业的老板,往往对漏接电话、流失客户这种痛感受得最直接,你不需要给他们讲什么大模型的原理,你只要让他们看一眼旧做法和新做法的对比,他们自己就会算账。

最后我自己再补一句认知,Greg 在结尾说的那句话我印象很深,软件正在从帮你干活,变成替你干活。我觉得这句话背后其实还有一层没有被充分展开的意思,就是当软件真的能替你干活的时候,产品的核心竞争力就不再是界面做得好不好看,而是这套系统对一份具体工作理解得够不够深,能不能在关键的判断点上做出跟真人一样靠谱、甚至更稳定的选择。这也意味着未来做 agent 产品的团队,光懂技术是不够的,你得真的花时间去理解一个行业里那些没被写下来的规矩,这些东西恰恰是最难被复制,也是最值钱的部分。

文章来自于微信公众号 “深思圈”,作者 “深思圈”

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)