美菲德投资公司董事总经理纳温·查达哈(Navin Chaddha)正在大力押注AI改变咨询、法律和会计等人力密集型行业的能力。这家拥有55年历史的硅谷风投公司的资深投资者,其成功案例包括Lyft、Poshmark和HashiCorp等。最近在TechCrunch Menlo Park的StrictlyVC活动上,他解释了为什么相信"AI队友"能够在传统劳动密集型领域创造类似软件的利润率,以及为什么初创公司现在应该瞄准被忽视的市场,而非与埃森哲等巨头正面竞争。不过他也承认,在关系和信任至关重要的行业进行颠覆,有时比硅谷预期的更困难。
您认为法律、咨询和会计服务这个总值5万亿美元的市场将被AI优先的公司彻底重塑,这些公司将拥有类似软件的利润率。请举个具体例子说明?
50多年经营历史的优势在于我们见证了所有技术趋势,从大型机到小型机、PC、互联网、移动、云、社交,现在是AI时代。90年代末电子商务概念兴起时,实体企业意识到不能仅仅依靠传统门店,还需要线上业务。然后外包成为趋势,离岸外包成为大趋势。没有在印度或新兴市场设立分支机构,就无法建立软件服务公司。供应链和制造业也是如此——中国等国家崛起。
AI时代有什么不同?显然,AI是100倍的力量,AI与人类合作,有望让人类变得更好。许多重复性任务将由AI完成,将有两种增长模式:有机增长和无机增长。
能举个具体例子说明这如何运作吗?
LLM或AI能做什么?比如我需要实施Salesforce。谁愿意做这项工作?人类客户经理会说,"我是你的客户经理,你需要实施Salesforce。"这是一套标准流程。用AI作为工具来完成,AI无法完成的部分由人类介入。
这样,你可以让AI承担更多工作,人类承担更少工作,客户只需为实际使用AI的部分付费。
市场进入策略不应该是挑战埃森哲、印孚瑟斯或TCS这样的大公司。应该瞄准被忽视的群体。美国有3000万家小公司,全球有1亿家无法负担知识工作者的公司。为它们提供软件形式的服务。它们说"我需要接待员、调度员、网站建设者..."AI应该用来创建初创公司融资表格,人类参与谈判。不要与埃森哲竞争,而是瞄准分散的市场,按事件收费而非按小时或按月收费。
所以是基于结果的定价而非基于时间的计费?
是的,这是基于结果的...云计费是这样,电力也是这样。如果80%的工作由AI完成,可以有80%到90%的毛利率。人类仍可有30%到40%的利润率。你可以有60%到70%的综合利润率,产生20%到30%的净收入。相信我,大多数服务公司都赚钱。科技公司不赚钱,它们靠风险投资和公开市场资金生存。
几周前您刚为一家叫Gruve的AI技术咨询初创公司领投了A轮融资。你在其早期客户试点中看到了什么?
这就是无机和有机结合的例子。Gruve的创始人非常成功,之前做过两家服务公司,都是自筹资金,每家都达到了5亿美元收入和5000万到1亿美元利润。这次他们说,"我们了解安全领域。"所以他们收购了一家500万美元的安全咨询公司,提供托管安全服务。他们说,"从现在开始的所有增长都将通过AI实现。"6个月内他们从500万美元收入增长到1500万美元。他们的毛利率达到80%,基于结果收费,客户很喜欢。思科也很喜欢,说"我没有被黑客攻击,为什么要为这么多安全人员付费?"传统外包商每月收费1万美元,Gruve说"零费用。如果你被黑客攻击,如果有事件发生,如果我处理了,你再付费。"
像麦肯锡这样的公司不能直接购买这些AI能力吗?他们有不想失去的大业务。
这就是创新者困境。当永久许可的企业软件公司看到SaaS公司兴起时,它们不愿采用SaaS模式,因为SaaS按月收费而非预付5年费用。企业公司还收取20%的维护费,很难放弃这种模式改为按月收费。商业模式创新是关键,它们没有做到。
麦肯锡和埃森哲面临如此大的变革,它们将忙于服务现有客户,这就是我建议创始人瞄准被忽视群体的原因。找到独特的市场进入策略,服务埃森哲无法下沉服务的客户。
但它们也会被重新想象。这些目前不与它们竞争的小公司,我断言:10年后将与它们竞争。那些大公司——麦肯锡、波士顿咨询、埃森哲、塔塔咨询、印孚瑟斯——都面临创新者困境:什么时候转向基于结果的AI模式?因为作为上市公司,收入将从可预测收入变为基于使用量的收入。
去年秋天,您从新筹集的资金中划出1亿美元专门投资"AI队友"。真正的AI队友与AI工具有什么区别?
行业里有很多buzzword,先是副驾驶,然后是AI工具、AI代理、AI队友。美菲德的观点是,AI队友是与人类在共同目标上协作并取得更好结果的数字伙伴。它可能建立在代理技术或副驾驶基础上,表现为"我是HR队友"或"我是销售工程队友"。目标不是替代,而是团队合作。
当人们开始谈论队友和助手时,听起来很新颖,但随着更多人失业,这会显得冷酷吗?硅谷有营销问题吗?
完全正确,我们需要不美化它,直面这个问题。是的,会有工作岗位流失,但人类很聪明。人类是骑师,AI是马。我们将重新想象自己,重新发明自己。目前焦点是降低成本,但我们会找到扩大市场、增加收入的方法。每次技术浪潮都会如此。当微软Word出现在PC桌面时,人们认为行政助理会失业。Excel出现时,做计算的会计师也被认为会失业。Uber和Lyft也是如此,人们认为出租车司机会消失,结果市场扩大了。
我的观点是,就像印度、中国、非洲等新兴市场从未有过固定电话——无法铺设铜线,所以直接用无线蜂窝技术——许多市场也会如此。AI将在甚至没有人类可以服务客户的地方工作。长期来看,我非常乐观。短期会有痛苦,但没有痛苦就没有收获。
说到编程,最近宣布了一个"氛围编程"交易,一家成立仅6个月的以色列公司达到每月25万用户和20万美元月收入,被另一家以色列公司Wix以8000万美元现金收购。这个数字合理吗?
实际上,现在没有数字是合理的。我们在AI时代,你不知道会发生什么。我惊讶于240万年收入只卖了8000万美元。我以为会是8亿美元。在今天的世界,你不知道会怎样,这是个市场。
在这样的市场中如何投资?
这就是经验丰富投资者的秘诀所在。这不是科学,是艺术。就像一万小时定律:练习越多越好。存在50到60年的公司见过各种泡沫。
第一条规则是:有自己的北极星。有纪律,没有FOMO,因为FOMO是给绵羊的。如果你有这两三样东西——自己的策略和无恐惧——你会做得很好。记住一点:对于在座的VC们,我们在资金管理业务中。我们不是收集标志,而是把小钱变大钱。
在这个周期中,很多钱会被赚到。但我认为80%的人会亏钱。他们不知道自己在做什么。
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
马里兰大学研究团队通过测试25个大型AI模型发现,即使最先进的AI评判系统在需要同时考虑多个标准时也会出现严重偏差,准确率仅32%-53%。研究构建了Multi-Crit评测基准,揭示了AI在多标准权衡中的根本性局限,为改进AI评判系统的公平性和可靠性提供了重要参考,对AI在内容审核、产品评价等应用场景具有重要指导意义。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
南京理工大学团队开发ViLoMem框架,首次实现AI的双流记忆机制,分别处理视觉和逻辑错误。该系统模仿人类认知,让AI能从错误中持续学习,在数学推理等多模态任务中显著提升准确率,为AI从被动工具向主动学习伙伴的转变提供了重要技术突破。