如何成为“AI-Native”企业

关于“AI 原生”的真相，我来拆解一下。

现在每个人都到处说自己是“AI 原生”的，这通常意味着团队里有人开着 ChatGPT 标签页，市场总监做了一个叫“品牌语音助手”的自定义 GPT。

挺可爱。

甚至有点用。

但这不是 AI 原生。

这是人们一直忽略的区别。一家 AI 原生公司不是一家使用 AI 的公司。它是一家被重新构建，让 AI 能够真正在其中运作的公司。业务被结构化、文档化、授权化、仪表化，让 Agent 能够理解。公司让自己变得对机器可读。

这听起来很无聊，直到你意识到这可能是未来十年最大的商业优势。

因为大多数公司对机器来说是不可读的。大多数公司对自己的员工来说都几乎不可读。

CRM 说一套。Slack 线程说另一套。真实的客户历史存在于某人的收件箱里。定价逻辑在一个叫“Final_v7_NEW”的电子表格里。退款政策在一个没人信任政策在一个没人信任的 Notion 文档里。销售流程是“找 Sarah，她知道我们怎么做企业级客户”。入职流程是五个工具、三个员工、三个审批步骤、一个创始人，他仍然会被拉进各种边缘案例，因为从来没有人把判断转化为系统。

然后这些公司问：“为什么 AI 不能为我们做更多？”

因为 AI 不能靠感觉运行。

它无法运营一个真相分散在人员、工具、习惯、例外和机构记忆中的企业。Agent 需要上下文。它们需要干净的输入。它们需要规则。它们需要访问权限。它们需要边界。它们需要知道什么是好的。它们需要知道什么时候该行动，什么时候该问。

大多数公司花了二十年买软件，但没有花二十年设计一个操作系统。它们有一堆工具，而不是一台机器。

这就是为什么真正的 AI 原生公司数量可能少得惊人。我猜地球上大概有 1,000 家年经常性收入超过 500 万美元的公司是真正意义上的 AI 原生。不是“我们用副驾驶”。不是“我们自动化了一些邮件”。我指的是核心工作流是为 Agent 执行、人类监督而设计的公司监督而设计的公司。

也许是 500 家。也许是 2,000。确切的数字不如结论重要。

几乎还没有人这样做。

尽管噪音很大，尽管融资公告不断，尽管每个 SaaS 首页都重写了“Agent 化”这个词，但这个领域基本上是空的。

第一个有用的区分是：AI 辅助公司在边缘使用 AI。AI 原生公司重新设计核心。

一家 AI 辅助公司问：“我们可以在哪里添加 AI 来节省时间？”

一家 AI 原生公司问：“如果 Agent 做前 80% 的工作，这个工作，这个工作流应该如何存在？”

第二个问题改变了一切。

以客户支持为例。在普通公司，一张支持工单到达，人类阅读它，搜索上下文，检查账户，记住政策，写回复，可能问工程团队，可能升级，可能忘记正确标记原因。这是一个以人类驱动、软件点缀的过程。

在 AI 原生公司，工单进入一个 Agent 可以理解的系统。Agent 读取客户历史，检查计划限制，查看之前的工单，查阅政策，起草回复，推荐行动，要么解决问题，要么将问题发送给人类并附上需要判断的确切原因。人类不是搜索引擎、路由器和文案。人类是模糊性的审查者。

那是一家非常不同的公司。

现在将同样的逻辑应用到销售上。旧的方式是 SDR 在 Google 上搜索潜在客户，猜测个性化，写一封平庸的个性化，写一封平庸的邮件，更新 Salesforce 因为经理催促，然后将一半上下文传递给 AE。AI 原生方式是 Agent 监控购买信号，丰富账户，映射利益相关者，起草外联，学习哪些钩子转化，自动更新 CRM，给人类销售一个准备好的对话，而不是一张白纸。

法律也一样。招聘也一样。财务也一样。理赔处理也一样。客户管理也一样。研究也一样。

模式无处不在：Agent 做结构化工作，人类处理品味、信任、判断、关系和例外。

这不是一个小小的生产力提升。这是一种新的管理模型。

过去一百年，扩展公司的默认方式是雇佣更多人，创建部门，添加经理，买软件，发明流程来协调混乱。每一层解决一个问题，又创造三个问题。公司变得更大，但也更慢。更多会议。更多交接。更多“谁负责这个？”更多内部重力。

AI 原生公司将不同地扩展。

它们不会看起来像传统公司看起来像传统公司加一个聊天机器人。它们会看起来像小型聊天机器人。它们看起来像小团队运营大型专业 Agent 舰队。一个 12 人的公司将完成过去需要 80 人的工作。一个 40 人的公司将与 400 人的老牌公司竞争。人均收入将成为公司真正为新时代而建的最清晰信号之一。

这是很多人变得防御的地方。他们听到“Agent 做工作”就假设人类会消失。

这不是重点。

更好的思考方式是，现代公司一直在把人类智能浪费在机器形状的任务上。我们用人类在工具之间移动信息。我们用人类记住流程。我们用人类搜索文件夹。我们用人类重写同样的邮件。我们用人类追逐审批。我们用人类总结通话、填写字段、复制数据、分类请求，以及问别人东西在哪里。

很多工作并不是真正的“工作”。它是戴着假胡子的组织摩擦。

AI 原生公司剥离了这些。

它们保留了重要的人类部分，自动化了那些仅仅因为软件太笨无法理解上下文而存在的部分。这意味着人类角色变得更有杠杆作用，而不是更不重要。一个优秀的运营者成为十个工作流的监督者。一个优秀的销售人员成为 Agent 帮助创造的对话的成交者。一个优秀的支持负责人成为升级逻辑和客户体验质量的设计者。一个优秀的创始人成为公司如何思考的设计师。

创始人这一点很重要。

AI 原生创始人不仅仅是在构建产品。他们是在设计一个可以被 Agent 理解的公司。

这意味着创始人必须把隐性的东西显性化。我们的退款政策是什么？我们什么时候打破它？什么使一个线索合格？我们对愤怒的客户用什么语气？什么永远不应该被自动化？哪些行动需要批准？什么是好的答案？什么是危险的答案？哪个数据源是真相来源？当两个系统不一致时我们怎么做？Agent 如何从纠正中学习？

这是不性感的工作，将真正的 AI 原生公司与 LinkedIn 表演区分开。

每个人都想要魔法。没有人想清理厨房。

但厨房就是公司。

获胜的公司会赢的公司会以非同寻常的严肃态度做无聊、基础的事情。他们会清理数据。文档化工作流。创建 Agent 可读的 SOP。建立权限和审计跟踪。结构化客户记录，使上下文不被困在人类记忆中。创建评估循环，让 Agent 随着时间的推移变得更好。把每个重复的决策变成一个决策系统。

然后，一旦运营层干净了，它们会以荒谬的速度快得离谱。

这就是为什么“AI 原生”不是一个技术标签。它是一个组织标签。

一家公司可以使用世界上最好的模型，但仍然在结构上无法从中受益。如果 Agent 必须猜测真相在哪里，如果它无法访问正确的系统，没有人定义决策规则，每个工作流都依赖于埋在某人脑子里的例外，那么 AI 将仍然是一个玩具。它会起草东西。它会总结东西。它会让人感觉更快。但它不会改变业务。

当 Agent 成为运营结构的一部分时，变革才会发生。

想象一家真正 AI 原生的家庭服务公司。每个入请求自动分类。每个报价都根据结构化定价规则生成。每个技术人员在到达前收到工作摘要。每个客户收到主动更新。每个评论请求都是个性化的。每个错过的预约都会自动创建恢复工作流。每个运营模式反馈到路由、定价和人员配置。

现在想象一家保险经纪公司。Agent 收集文档，预检查提交，比较政策，标记缺失细节，起草客户解释，准备续约选项，监控账户变化。人类建立信任并处理复杂性，但底层的机器整天在做重复的智能工作。

现在想象一家招聘公司。Agent 寻找候选人，丰富资料，与角色要求比较，起草外联，总结面试，检查推荐，更新管道，并在候选人异常强的候选人时提醒人类。招聘人员不再是数据清洁工，变成关系成交者。

这些不是科幻公司。这些是普通公司是普通企业，但内部结构被重建了。

这就是人们低估的机会。明显的 AI 公司已经拥挤了。横向副驾驶、写作工具、写作工具、会议机器人、代码助手、图像生成器、客户支持包装器。不错的生意，但明显。不那么明显的机会是接管无聊、盈利、碎片化的行业，围绕 Agent 重建运营模型。

AI 原生代理公司。AI 原生经纪公司。AI 原生法律相关服务。AI 原生会计事务所。AI 原生合规公司。AI 原生医疗管理公司。AI 原生房地产运营。AI 原生教育服务。AI 原生物流协调员。AI 原生 BPO，但看起来不像 BPO。

世界上充满了客户为结果付费，但供应商的成本结构主要是重复性知识工作的行业。这正是 AI 原生公司可以切入的地方。

最好的机会一开始看起来不总是像软件公司。有些看起来像服务业务，里面藏着软件利润率。这会迷惑投资者和竞争对手，这很有用。当其他人都在寻找下一个 SaaS 仪表盘时，真正的赢家可能正在悄悄构建 AI 原生服务公司，以显著降低的劳动强度产生更好的结果。

这是一个非常 Greg 式的说法，但我认为下一波互联网企业可能看起来不那么像“初创公司”，而更像奇怪的小赚钱机器。

小团队。狭窄的市场。专有工作流。高自动化。高信任。清晰的客户痛点。无聊的类别。漂亮的利润率。

从外面看一点也不性感。

在外部看来不性感。

在银行账户里极其性感。

而且因为这些公司从第一天起就以不同的方式构建，老牌公司将难以复制它们。一家老公司不能通过宣布一个 AI 计划就能变成 AI 原生。这就像试图通过买一个新方向盘把一艘游轮变成快艇。

困难的部分不是获取模型。每个人都有。

困难的部分是老牌公司充满了旧流程债务。数据混乱。政策冲突。团队保护地盘。工作流围绕人数构建。软件堆栈用胶带和季度规划仪式拼凑起来。操作系统假设人类是信息的默认处理器。

一家新公司有优势：没有家具需要移动。

它可以干净地开始。它可以构建每个流程时问：“Agent 能先做这个吗？”它可以从第一天起文档化。它可以让每个数据对象可用。它可以在错误变成灾难之前设计人类审查点。它可以在公司僵化之前建立反馈循环。

这就是为什么“只有 1,000 家公司”这个想法很重要。它创造了紧迫感，但也创造了许可。

这个领域是空的，因为大多数人仍然把 AI 采用误认为是 AI 架构。

他们认为游戏是提示工程。不是。

他们认为游戏是选择正确的模型。不是。

他们认为游戏是在网站上添加一个聊天机器人。绝对不是。

游戏是重新设计公司，让智能能够流过它。

这里有一个实用的剧本。

首先，选择一个狭窄的、有明显经济价值。不要从“让公司 AI 原生”开始。那太抽象了。从支持解决、外呼勘探、入职、理赔录入、文档审查、续约管理或报告开始。选择一个工作流，其中数量高、规则存在，人类目前在做太多的协调。

第二，像机器一样映射工作流。什么触发它？需要什么数据？什么决策发生？哪些决策是可逆的？哪些需要批准？成功是什么样子？错误发生在哪里？人类知道什么系统不知道？

第三，结构化知识。如果 Agent 需要政策，写政策。如果它需要定价规则，明确它们。如果客户历史，清理客户对象。如果需要例子，创建例子。如果需要语气，定义语气。这是大多数团队放弃的地方，因为它感觉像文档。不是文档。是基础设施。

第四，把 Agent 放进工作流，并设置边界。让它们起草、分类、推荐、丰富、总结和准备。只在风险被理解的地方给予它们行动。在判断重要判断的地方要求批准。记录一切。审查输出。审查输出。跟踪质量。改进系统。

第五，衡量业务影响。不是“节省的小时数”在某个虚假的电子表格里。衡量解决时间、转化率、毛利率、人均收入、错误率、客户满意度、销售速度、入职时间、续约率。AI 原生公司应该体现在数字里。

这是我最感兴趣的部分。几年后，“AI 原生”将不是一种感觉。它将体现在指标中。

人均收入会不同。

毛利率会不同。

执行速度会不同。

客户体验会不同。

最好的公司会感觉奇怪地响应迅速，好像整个业务都是醒着的。客户会更快得到答案。销售团队会以更好的时机跟进。运营问题会更早浮出水面。创始人会更清晰地看到业务。经理会花更少时间询问更新，更多时间改进系统。

公司会有更少的阻力。

这才是真正的优势。

不是 AI 作为把戏。AI 作为组织代谢。

所以是的，地球上大概只有 1,000 家真正的 AI 原生公司今天在做有意义的收入。

这应该让你想立刻去构建一家。

因为当一个市场嘈杂时，人们认为它成熟了。但噪音不是成熟。噪音通常是真正建设者弄清楚什么重要之前发生的事情。

现在，每个人都在 AI 上大声嚷嚷。

很少有公司在结构上准备好。

这就是差距。

这就是机会。

下一批伟大的公司将是那些数据、工作流、政策和团队从内到外围绕 Agent 重建的公司。它们看起来会比实际小。它们会移动得比合理。它们会用更少的员工做更有价值的工作。它们会把混乱的服务变成可扩展的系统。它们会让老牌公司看起来像在运行 Windows 95 但有一个更漂亮的登录屏幕。

大多数人仍然在问：“我如何在工作中使用 AI？”

更好的问题是：“我如何构建一个 AI 可以在其中工作的公司？”

那个问题是入口。

而现在，几乎没有人走进去。

不管你读到什么，这个领域是空的。也许考虑和朋友分享一下。

我支持你。

• Greg Isenberg

注意：我经常不知道，因为我们忙得不可开交，但我的公司 LCA 在帮助公司实现 AI 原生方面是世界级的。因为他们做得非常好。我们与财富 500 强和你最喜欢的品牌合作，构建 AI 原生产品和 AI 原生组织。

如果你的公司想成为 AI 原生，考虑在这里联系他们](https://1543b7c1.click.convertkit-mail4.com/27u6n9m9x6uoh8zozwpc3hg993d8ncghnog2w/6qheh8hlegekl2ho/aHR0cHM6Ly9sYXRlY2hlY2tvdXQuYWdlbmN5)。

如果你在寻找创业想法，可以考虑在 Ideabrowser.com 获取一些经过验证的 AI 创业想法。