Emergence Capital GP Jake Saper 在 ACQ2 播客上的观点：
-
思考 AI 产品的框架是衡量产品的准确性和真实世界结果。
像 Character.AI 这样的产品准确性就不重要。当你和一个死去的名人聊天时，没有正确的答案。
但几乎所有的 B2B 场景，结果都很重要，因为需要有人付钱给你来实现一些目标。但有的场景准确性重要，有的不重要。以文案为例，结果很重要，因为你想知道，这个人是否购买了产品。但准确性并不重要，因为文案是描述性的，它是形容词，它不仅仅是事实，名词等等，答错或多次回答都不影响。
-
创业市场现状是出现大量 AI 产品，这很像一群生成式 AI 的锤子在寻找钉子，成千上万的人开发了同一个产品，而忽视了创业的核心教训：那就是你应该建立人们迫切需要的东西。
-
**如何建立 AI 产品护城河？**我会使用 Clay Christensen 的 job-to-be-done 框架：我认为要考虑的核心问题是，我们正在做的工作（job-to-be-done）的哪一部分可以大部分或完全用现成的 LLM 完成？如果我在写文案，有多少工作可以在 LLM 中完成，而实际完成这项任务需要多少额外的脚手架？提供大量脚手架的产品最终拥有护城河，而 LLM 本身就提供了 90% 的价值的产品将不可能持久。
-
以 AI 法律为例，在法律合同中有三件事需要做：起早合同、谈判、签署。我们投资的 Ironclad 最近支持了 AI 功能，你可以选中一个条款，然后让 GPT4 做任何修改，CTO 做了很多工作来让这个 AI 功能产品化，但我认为这不具有护城河。
第一，它只解决了一小部分的 job-to-be-done，并且这部分其实可以直接在 LLM 的上下文中完成，而不需要另一个大规模的 SaaS 解决方案。
第二，它没有整合私有的结果数据。如果说我使用 AI 优化后的这个条款，成交速度快了 15%，这就会更有用，因为 LLM 永远不会有这些数据，这是产品专有的，并且已经通过工作流收集了这些数据。
-
现在很多公司的问题是，要么正在解决可以在 LLM 内完成的工作，要么选择了一个很小的场景，以至于没有足够的脚手架来构建护城河，也不具有收集专有结果数据的工作流。
-
从 on-prem 到 cloud，现有企业很难适应，因为不仅要重写代码，还要改变整个公司的运营思路，比如数据中心、数据传输、与客户的关系。on-prem 时代的大多数现有企业都没了，比如 Salesforce 取代 Siebel 成为基于云的 CRM 并获得成功。
在移动互联网时代，现任者很难适应但并非不可能，比如 Salesforce 做的很好，但仍然有许多基于特定用例的 CRM，比如我们投资了专注于金融服务的 Vymo。
但生成式 AI 是一个完全不同的游戏，它就像 API 调用一样简单，Salesforce 已经集成了这项技术，我们还在很早的阶段。
-
聊天页面是与 LLM 交互的常见方式，如果未来基于聊天的 CRM 是最佳方式，那对 Salesforce 来说真的很难。他们拥有数百万日活跃用户的安装基础，他们使用点击式界面，他们不能破坏这项业务。这种用户体验模式的转变可能会引发一个创新者困境的问题。
-
**我认为在未来的一两年里，B2B 软件中最值得关注的事情之一就是用户界面和用户体验的发展。**在一些场景中，聊天界面将 在B2B 中变得更加流行。如何有效地构建一个 Copilot 或 Coach？什么是 UX 的最佳实践？如何确保你既学习到人类最好的部分，又能确保准确性，并且你构建的东西不会偏离轨道？在这方面做得最好的公司可能会成为下一代的赢家。
-
基于用户数的付费模式不太可能成为未来，如果你的 AI 产品让用户做的更快更好，那么只需要更少的团队用户来使用，这会导致合同金额变小。另外按用户数定价阻碍了产品在公司内的传播和使用，如果有很多人使用你的产品，那么就非常适合收集业务结果数据。我认为中期护城河是围绕一个完整 job-to-be-done 要做的强大的工作流，长期护城河将是专有的业务结果数据。
-
如何进行定价？取决于你给客户带来的价值。**一般来说，SaaS 公司可以收取他们创造的价值的 10% 到 30%。**在一个更垄断的环境中，你可以收取更多的费用，因为没有选择。在一个更加竞争激烈的情况下，你显然会收取更少的费用。
-
在人工智能的世界里，思考如何收费的额外方式是，你如何使用定价来真正改进你的产品？你如何让人们将他们的数据提交到你的系统，让你的产品对其他人更好，并允许他们在整个产品中匿名使用你的数据？如果你不是只为一家公司的专有结果数据构建模型，而是拥有所有客户的专有结果数据，那么护城河会更强大。
-
一种定价思维是，用户可以拥有产品构建的模型的单租户版本，它是 X。然后用户可以有指向 X 的多租户版本，它不仅更便宜，而且你还可以获得其他人的见解。这种定价思维将越来越流行。
-
如果你使用的是第三方模型，比如你使用的是 OpenAI 的模型，那么有一些方法可以优化。我不会公开他们的名字，但我知道一些人正在使用 OpenAI 的模型来训练他们自己的专有模型。他们正在构建一个特定于用例的应用程序，他们只需要在 GPT-4 上进行一系列调用，然后他们将花费 5 万美元来训练他们的模型。
-
在 LP 会议上，我们介绍了我们会非常努力地保持纪律性，即投资节奏。无论是从利率的角度还是从技术创新的角度，你都无法把握市场的时机，**不要在事情看起来很热的时候部署大量的资本，不要在事情看起来很糟糕的时候撤回。**我们现在正在投资第六支基金，这将是一个大约四年的资金周期。实际上，我们所有的基金都有大约 3 年半至 4 年的基金周期，包括 2021 年的基金。我们也会为第七支基金这样做。
-
没有其他人这样投资，这是我们在 LP 中讨论过的问题。更高的利率显然意味着更低的退出倍数，但我们是在为未来投资，而不是现在。这在很大程度上可以归结为纪律，并将其视为一种机构实践。如果你以这种纪律性的节奏投资，你就能花时间和那些想要更多成功的人在一起，一切都会成功的。