我来给你讲讲，为什么你应该买下一家企业，然后用 AI Agents 把 EBITDA（息税折旧摊销前利润）翻 3 倍。看完这份极其简单的指南，你就会知道怎么找到合适的企业、怎么买下来、怎么用 Agents 去运营它——细到文件夹和提示词都给你安排明白。文章有点长（大概要读 10-15 分钟），但只要你感兴趣，绝对值。
根据 McKinsey 的数据，到 2035 年，美国将有价值约 5 万亿美元的企业易主。其中大部分属于即将退休的婴儿潮一代，而很多老板根本找不到接盘的人。
在华盛顿州的 Bellingham，有一家叫 Larson Gross 的会计师事务所。它成立于 1949 年，有 5 个办公室、大约 200 名员工，最近 Thrive Holdings 收购了它的部分股权。
这个报税季，该事务所的 AI 处理了 7,000 份税表。会计师平均节省了 31% 的时间。有一位会计师接手了一项过去每年要耗掉 180 小时的工作，硬是把它压到了 15 小时。简直离谱！！！
这就是整套玩法的核心思路：买下一家已经拥有客户、牌照和信任基础的企业，然后用 AI Agents 彻底改变工作方式。
AI Roll-up 到底是什么
我认为 AI roll-up（AI 整合并购）就是新一代的私募股权。
Roll-up 其实是个老概念了！你买下同一个行业里的一堆小企业，把它们合并起来，合并后的大公司价值会超过原来那些零散小公司的总和。过去 40 年里，PE（私募股权）一直在服务型企业上玩这套，主要靠的是财务工程：整合后台、谈下更便宜的供应商合同、加杠杆、五年后卖给更大的基金。
AI roll-up 改变了中间那一步。你以服务型企业该有的价格买下它，然后用 Agents 重构交付方式，让 Agents 承担其中很大一部分工作。客户没走，收入没少，但每完成一单位工作的成本降下来了。
传统服务型企业的 EBITDA 利润率大概在 5% 到 10% 之间。而我们的假设是，同一家企业可以做到 30% 到 40%。同样的客户，同样的账单，利润却是原来的 3 到 4 倍。为什么这件事现在才发生？
因为三件事同时撞在了一起。
1/ 模型在真实工作上终于够用了。数据录入、税表初稿、合同审查、客服工单、维修申请。两年前，模型生成的东西还得重做；现在，只需要检查一遍就行。
2/ 老板们正在退休。美国大量小型服务企业掌握在六七十岁、想脱手的人手里，而且很多人根本没有接班计划。孩子不想接手，员工又买不起。
3/ 账算得过来。服务型企业之所以估值倍数低，是因为市场默认它们的利润率涨不上去。如果你能证明它们能涨，那你就是以折扣价买到了一个远超当前估值的资产。
谁已经在这么干了
订阅 Gregisenberg.com，让更多类似案例直接送到你的收件箱
1/ Long Lake Property management（物业管理）：收购了 18 家企业，不到两年做到 1 亿美元 EBITDA，利润率翻倍
2/ Crescendo Contact centers（呼叫中心）：90% 的一线工单由 AI 解决，利润率是传统运营商的 4 倍
3/ Titan MSP IT services（IT 托管服务）：30% 以上的工作流实现自动化，目标是净利率翻三倍
4/ Dwelly UK real estate（英国房地产）：问题解决周期从 50 天缩短到 20 天，利润率翻倍
5/ Thrive Holdings 在两年内收购了近 50 家本地会计事务所，刚刚又承诺拿出 10 亿美元继续买。相当疯狂！
6/ General Catalyst 为这套策略预留了 15 亿美元，并已向至少十家公司投入超过 7.5 亿美元。他们公布的成绩非常亮眼，不过有一点要诚实说明：这些数据都是自报的，而且这些公司还没经历过经济衰退的考验。
GC 的交易结构不管规模大小都值得抄。交割时大约支付 60% 到 70% 的现金，剩下约 30% 的价格转成创始人的股权。这样一来，那个一手建立客户关系的人就有理由留下来，把交接做好。非常有意思的模式。
为什么这事不只属于 Thrive、General Catalyst 和大佬们（你也能干！）
当大家看到几十亿美元的基金在买会计师事务所时，我猜很多人会觉得这事离普通人太远了。但我认为恰恰相反！大基金会把这个市场的大部分留给个人玩家，原因有这么几个。
1/ 基金需要大单子。 一个十亿美元规模的载体，不可能把时间花在一年营收 200 万美元的记账公司上。这笔钱太小，撬不动他们的回报率。McKinsey 预计到 2035 年会有超过 100 万家婴儿潮一代持有的企业出售，其中绝大多数就是这个体量。Thrive 的人永远不会给他们打电话。而这正是竞争最少的地方。
2/ 工具就是你手头那些。 Larson Gross 的税务 Agent 跑在 OpenAI 的 Codex 上。支撑全美最大型 roll-up 的模型，任何人按月订阅就能用。基金会先搭平台再买东西；而独立创始人可以用 Claude Code 或 Codex，晚上抽空给一家公司搭好工作流，等真实业务进来后再慢慢优化。
3/ 你自己就是整合能力。 任何 roll-up 最大的风险，都是买的速度快过整合的速度。基金必须雇经理来管每一家买来的公司，而这些经理得从零开始熟悉业务。但当一个人买下一家公司时，这个人就坐在办公室里，叫得出每个客户的名字，盯着每一个 Agent 生成的草稿。拖慢基金的那个瓶颈，恰恰是独立创始人天生就在做的事。
4/ 相当一部分老板更愿意卖给“人”。 花 40 年时间建起一家 12 人公司的人，会在乎谁来接手。比起在 Zoom 会议上见过的基金，他们更愿意把公司交给那个坐在他家餐桌旁、认真问过他客户情况的人。这种关系是钱买不到的优势。
5/ 这个体量的融资渠道是现成的。 SBA 贷款和卖方票据（seller note）就是为这类交易设计的。你不用去募一支基金，就能买下一家营收几百万美元的企业。
基金正在证明这套模式行得通。他们同时也告诉了所有人回报藏在哪里——而大部分回报，都藏在那些小到他们懒得碰的企业里。
所以你会越来越多地看到，那些十亿美元级的基金霸占头条新闻。
但真相是，一个独立创始人只要做成一笔好收购、配上一套 Agents，就能拿下剩下的 999,000 家企业。
每个人都有大把空间。
为什么要买，而不是自己从头做
如果你能做出一个 AI 会计产品，为什么还要去买一家会计师事务所？
因为服务型企业最难的部分，跟软件毫无关系。客户名单花了 30 年才攒出来；信任是建立在人身上的；牌照是靠考试和时间熬出来的；在这个细分领域里什么叫“正确”，这种认知全在那些干了几十年的人脑子里。
初创公司要花好几年去争取的东西，收购在第一天就直接交到你手上了。你不需要去说服一家牙科诊所信任一个新供应商——他们从 2006 年起就信任这家公司了。
还有历史积累。过去的每一次合作、每一个边界案例、每一个被发现并修正的错误。这些都是训练 Agent 的素材，而初创公司什么都没有。
初创公司必须先赢得客户，然后再干活。而收购已经把客户握在手里了，你要做的只是改变干活的方式。
Holdco 的文件夹结构
所以，如果你是单干或者带个小团队，我很乐意分享一些用 AI 搭建你这个小帝国的技巧。
在买任何东西之前，先把用来运转一切的系统搭好。文件夹结构就是你的运营模型。每一家被收购的公司，都插进同一个模子里。
订阅 Gregisenberg.com，让更多类似案例直接送到你的收件箱
基本上，3 个小文件干了大部分的活：target-criteria.md 决定你买什么，rules/ 决定 Agent 是否可信，而 corrections-log.md 则是规则每周变好的依据。如果你什么都不想搭，至少把这三个搭起来。
你要构建的 Agents
你需要两套 Agents。第一套帮你买到对的企业；第二套在你买下之后负责运营。交易前
订阅 Gregisenberg.com，让更多类似案例直接送到你的收件箱
这份清单里最重要的设计决策：审核者可以拦截但不能发布，准备者不能单独发布任何东西。 把这两者分开，能防止大部分糟糕的输出流向客户。
第 1 步：寻找标的
大多数愿意出售的小公司，根本没在任何地方挂牌。老板还没下定决心。你的任务是在中介发现他们之前，先找到他们。
好渠道包括：州执照委员会查询系统（CPA、保险代理人、物业经理都有公开记录的执照）、州务卿的企业备案、行业协会名录、BizBuySell 之类的交易平台，以及本地商业期刊。
你是一家控股公司的寻源分析师，该公司正在 [region] 收购 [industry] 领域的企业。请根据附带的持证企业名单，找出可能符合以下标准的公司：5 到 50 名员工、2005 年之前成立、老板亲自经营、没有明显的接班人。针对每家企业，记录成立年份、老板姓名及其持照时长、办公点数量、提供的服务，以及任何可能有意退休的迹象，比如工时减少、近期有合伙人离开或网站陈旧。按匹配度排序。所有推断都必须明确标注为推断。
然后亲自给老板写信。这类对话的起点永远是：对方花了几十年心血建起一样东西，他想知道接手的人会好好对待它。
不过我得说实话。我觉得交易平台并不是理想选择。一旦项目上了平台，很多“超额收益”就没了，这也是为什么我通常更倾向于主动出击。记住这一点。
第 2 步：评分卡
订阅 Gregisenberg.com，让更多类似案例直接送到你的收件箱
用同一套标准给每个目标打分，别让兴奋感替你做决定。
得分低于 60% 的公司，通常只是一份工作，而不是一笔收购。得分高于 80% 的公司，值得你发一份意向书（LOI）。
第 3 步：用真实样本做尽调
财务尽调只能告诉你这家公司赚过多少钱。它没法告诉你实际工作长什么样，而工作恰恰是你马上要改造的东西。
向对方索要 20 到 50 个真实的、脱敏后的完工案例，覆盖该公司的核心业务。然后画出自动化地图。
请审查这些来自一家 [industry] 企业的已完工样本。针对工作流中的每一项独立任务，列出：触发条件、输入内容、执行步骤、输出结果、人工完成大约需要多久、每月发生的频率、输出是否能对照明确标准进行检查，以及如果做错会发生什么。然后将每项任务归类为：立即自动化、自动化+人工复核、仅辅助、保留人工。解释每一项分类的理由。遇到不确定的地方直接标出来，不要瞎猜。
输出大概长这样：
订阅 Gregisenberg.com，让更多类似案例直接送到你的收件箱
把业务量乘以工时，你在签字之前就知道利润藏在哪了。这张自动化地图是整个交易中最有价值的文件。
第 4 步：算账
这里用一个取整的数字举个例子。
订阅 Gregisenberg.com，让更多类似案例直接送到你的收件箱
你花大约 80 万美元买下它。客户是谁、付多少钱，你什么都不改。如果你把利润率从 10% 拉到 30% 并稳住，那么即便在没人认为它配得上更高倍数之前，按同样的估值倍数算，这家公司的价值也差不多是你买入价的三倍。
这还没算工具成本、没算耗掉的几个月时间、也没算任何意外。这只是机会的轮廓。整场游戏的关键在于：你能不能守住这个利润率。
这类小型收购通常用 SBA 贷款加卖方票据来融资，也就是部分价款分期支付。卖方票据起到的作用和 GC 的转续股权一样：让那个懂客户的人在交接过程中保持利益绑定。
第 5 步：规则手册
真正的资产是在这一步建起来的。
每家公司都在靠一套没人写下来的规则运转。哪个客户总是晚交材料；哪类扣除项高级合伙人一定会复核；哪种措辞会让某个客户觉得被冒犯。当资深员工离开时，这些规则也跟着走了。你在头 60 天的任务，就是把它们从人脑里挖出来，存进文件里。
你正在访谈一家 [industry] 企业的资深 [role]，目的是记录他们的工作方式。询问初级员工最常犯的错误、哪些客户需要特殊对待及原因、任何文件发出前他们必做的检查，以及在什么情况下他们会停下来去问别人。访谈结束后，把每个回答整理成带编号的规则，并附上示例。标记出与其他规则冲突的地方。在他们确认批准之前，任何规则都不生效。
然后每周把纠错日志转化为规则：
将每个 Agent 的草稿与人工批准的版本进行对比。把每一处修改归类为事实错误、客户偏好、信息缺失或风格调整。对于出现超过一次的修正，提出一条新规则。将每条获批的规则添加为测试用例，使用原始输入和被接受的输出。
跑完几百个单子之后，这本规则手册就是你的输出值得信赖的原因。谁都能用同样的模型。但没有其他人拥有你那份“在这个细分领域里所有出错方式”的清单。
订阅 Gregisenberg.com，让更多类似案例直接送到你的收件箱
第 6 步：前 100 天
第 1 到 30 天：别动任何客户看得见的东西。
和每位员工一对一谈话。亲自向客户宣布这笔交易，最好让前任老板在场或在通话中。拿到所有系统的权限。让 Agents 在影子模式下运行：它们并行干活，人工按老办法干活，你来对比。启动规则手册的访谈。
第 31 到 60 天：改造后台。
真正启用 intake 和资料收集流程。从你的自动化地图里挑出量最大、风险最低的任务交给准备者 Agent，每一份草稿都要复核。每周追踪每单消耗的人工分钟数。重新定义岗位：以前做执行的人，现在改做复核。
第 61 到 100 天：谨慎扩张。
把地图上的接下来 2 个任务推入生产环境。让客户沟通 Agent 只处理常规的状态更新。每月和资深员工开一次会，审查纠错日志并批准新规则。在盯利润率的同时，也要盯客户留存率和关键员工留存率。
到第 100 天时，你应该清楚 3 件事：Agents 能稳定承担多少工作、人工复核到底要花你多少钱，以及有没有重要人物不开心！
干货满满。
仪表盘
每周一，每家公司，看 5 个数字。
订阅 Gregisenberg.com，让更多类似案例直接送到你的收件箱
如果利润率上去了，但客户留存率掉下来了，那你基本等于是在变卖资产来付装修费。
该买什么
容易通过上述大部分筛选条件的行业：会计与记账、物业管理、保险代理、IT 托管服务、医疗账单、薪酬代发、HOA（业主协会）管理、产权与第三方托管、货运经纪和人力资源外包。
它们的共同点是：工作可重复、输出可检查、客户周期性复购、所有权分散，以及大量老板临近退休。
细分赛道有成千上万个，这些只是抛砖引玉。更多创业点子可以看 Ideabrowser.com
哪里会翻车
1/ 买的速度快过整合的速度。 这是 roll-up 最常见的死法，跟用不用 AI 没关系。如果收购跑在了整合前面，你手里就是一堆烂摊子。
2/ 关键人物离职。 那个认识所有客户的会计师在交割六周后辞职，客户关系跟着她一起出门。转续股权、卖方票据和实打实的留任奖金就是为了防这个。这种事我见过太多了，非常惨烈。
3/ 客户跟着老板走。 有些客户认的是人。提前预估一部分流失，把过渡期拉长，做得有人情味一点。
4/ 把“信任”给自动化掉了。 利润率的提升来自后台，但价值来自关系。一旦让客户觉得这段关系变廉价了，你就丢掉了当初花钱买来的东西。
5/ Agent 权限过大。 一个能不经检查就发客户邮件的 Agent，迟早会把错的内容发给错的人。在纠错率降到足以让你放心之前，保留检查节点。
6/ 迷信标题数字。 这个领域公开发布的成绩，大多是正在融资的年轻公司自报的。它们也许站得住脚，但还没经历过下行周期的检验。用你自己的数字去评估交易。
太长不看版
以上就是整套打法。我的目的只是想帮大家打开思路，希望做到了。想要更多灵感，欢迎随时听我的播客 @startupideaspod（Spotify/Apple/YouTube）。如果我有什么能帮上忙的，随时私信我；如果你在找合作伙伴来打造你的 AI 原生公司，可以联系我们的设计公司 LCA。我们是 AI 领域领先的产品设计公司。
未来十年，大约有 5 万亿美元的企业将会易主。其中大部分是小公司。大部分老板非常在乎谁来接手。而大部分公司的后台运作方式，还跟二十年前一模一样。这里要 shoutout 一下 Boring Marketer w，他很早就抓住了这个趋势，在用 AI 自动化营销。
如果你买下一家，照顾好客户，留住优秀的人，让 Agents 接管后台，你真的有机会把这家公司的利润翻三倍。
我认为未来十年会有很多人这么干。而那些今年就从一家无聊的小生意起步的人，会站在一个非常好的位置上。
如果我能帮上忙，随时私信我。没法回复所有人，但我会回一部分！如果你喜欢这份指南、有任何问题或反馈，或者想知道我下次该写什么，都告诉我。
我挺你。
Greg Isenberg
