文章开头先插播一条：今天凌晨 OpenAI 正式推出了长期记忆功能，Sam Altman 说这是让他兴奋到睡不着觉的功能。这个功能的推出也验证了我前天文章《两个“特别坑”的 AI 产品创业方向，你知道吗》里写的，通用的个人 AI 助理依赖于底层大模型的能力，而自从 Sam Altman 公开宣称把 10 亿日活作为主要目标后，我们有足够理由相信 ChatGPT 本身就是在往产品化方向演进的，今天推出的长期记忆很明显也是为个性化的 AI 助理铺路，并且能够进一步形成 ChatGPT 的壁垒。

模型即产品，在通用领域，我对这点非常认同，如果模型能力发展迅速，实现了 AGI，模型自然就是产品了，但如果模型能力发展不及预期，按照 Sam Altman 目前透露出的信息，很显然也会把 ChatGPT 变成一款更多人用的产品，通用的 AI 助理无疑是最好的形态和定位。

Artisan 融资新闻背后的冷思考

下面进入今天正题，在前段时间刚写过 11x 被离职员工爆出虚假客户展示、收入数据美化和产品不及预期，导致大量退订的消息《明星 AI agent 公司 11x 涉嫌造假的思考》后，昨天又有一家做 AI 数字员工的公司官宣了 A 轮 2500 万美金的融资，比 11x 当时 2400 万美金的 A 轮还多了 100 万美金。

这家公司之前也是以夸张营销出名的，首先创始人是 00 后，虽然是 00 后，但从 17 年就开始创业，并且也没有上大学，非常典型的“叛逆”创业者形象。之前上过热门的一条新闻就是在旧金山打出巨额广告牌，号召大家停止招聘人类，博了一波眼球，然后在前几天愚人节又说自己辞职了，让 AI CEO 上岗，也是吸引了一波眼球。

但非常有意思的点是，可能是因为有了 11x 夸大营销而暴雷的前车之鉴，这家公司的融资新闻稿完全看不出是融资的好消息，整篇文章都在讲自己存在的一些问题，包括客户流失和没办法卖给所有人等。以下是来自 Techcrunch 融资新闻稿的摘要：

🔍 这家公司到底在做什么？  

Artisan 是 AI 销售代表 (AI SDR) 领域的明星创业公司，他们开发的 AI 销售助手 Ava 可以：

1、自动发送个性化冷邮件  

2、替代初级销售岗位的重复性工作  

3、帮助企业大幅降低获客成本

他们还计划在 2025 年底前推出两款新产品：

1、Aaron：处理入站信息的 AI 助手  

2、Aria：会议管理 AI 助手

😂 最讽刺的部分来了...  

尽管打出"停止雇佣人类"的广告，创始人 Jaspar Carmichael-Jack 承认：  

"这主要是为了吸引注意力，讽刺的是，当你有 AI 内容时，人类劳动变得更有价值"

事实上，这家公司现在：

1、已经雇佣了 35 名人类员工  

2、正在招聘 22 个新职位  

3、刚刚挖来了一位新 CTO（曾在 Deel、Rippling、TikTok 和谷歌工作）

💎 创业历程中的宝贵教训

第一个教训：AI 产品不成熟的痛苦  

Jaspar 坦言，当他看到 Artisan 早期产品写的邮件时"痛得直哆嗦"：

1、最初的产品"幻觉"严重  

2、客户流失率高  

3、回复率低  

经过一年努力，他们通过与 Anthropic 密切合作、优化提示词，将幻觉概率降至万分之一以下。

第二个教训：不是所有客户都适合用 AI  

这可能是最重要的教训 — AI 销售代表并不适合所有公司！

Artisan 现在会拒绝一些行业的客户（比如海外开发代理商），因为：

1、有些客户使用 AI 代表会"完全失败"  

2、有些产生太少回复  

3、有些产生太多低质量回复，反而增加人工筛选成本  

他们发现最佳的回复率约为 1%，不多不少刚好。  

"我们曾经卖给很多错误的客户，痛苦地学到这不像典型 SaaS 产品可以卖给所有人 — 你必须严格筛选客户"

第三个教训：灵活的成功导向定价模式  

为了应对行业不稳定的声誉，Artisan 正在测试一种新的定价模式：

1、与 Paid.ai 合作提供"基于成功的定价"  

2、客户不签长期合同，只按实际回复付费  

3、如果客户没获得价值，就不收费

从以上信息我们也可以看出，其定位基本也是跟 11x 相似的，首先聚焦的还是 SDR 这一领域，挖掘清洗销售线索。这点我之前文章《Box CEO 爆料：我们过于关注 AI 炫酷应用，却忽视了这个价值数千亿的机会！》也分析过，从 TMF 的角度来看是正确的，没有夸张到来做 AI 销售。

但 Artisan 的问题也跟 11x 差不多，可能融资太多，讲得故事比较大，所以一上来就需要通过比较夸张的宣传来吸引客户，号称能用一个产品做所有行业，很明显这是不可能的。

从 Artisan 的官网来看，流量也是一直在下滑，而且速度还比较惊人，1 月份是 25 万月访问，其实也不算多，但到了 3 月份只剩下了 13 万了，接近砍半了。

不过我个人还是蛮看好数字员工这块的，毕竟用 Agent 代替辅助劳动力在海外绝对是一个行得通的点。

我最近想全职 all in 一个项目创业，在找合适的 CEO，也聊了不少人，很多人也是在往这个方向做。但这里很重要的点就是找准一开始切入的垂直人群和场景，不要一上来就做全能，而是把这当作长期的事情，一个个职能和行业慢慢做，从而构建自己的壁垒。Chegg 大败局的思考，关于 AI 解题产品、SEO 和出海运营

毕竟做这块跟通用 C 端产品不一样，不需要担心大模型哪天来干掉你。而且这么多行业，这么大的市场，足够容纳下非常多的公司。

垂直 AI 助理的典范：Granola

说完 Artisan，再来讲讲一个很垂直很接地气的产品：Granola，在之前文章中也举例提到过《两个“特别坑”的 AI 产品创业方向，你知道吗》，垂直的会议助理，在 A 轮也拿到了 2000 万美金的融资，用户留存率高达 70%。以下是 Granola CEO 对产品的介绍和产品背后的思考总结：

🌟 Granola 如何改变工作方式

Granola 是一个 AI 笔记本，它会：

1、实时转录会议内容  

2、让你只记下关键洞察和判断  

3、会后自动完善笔记细节  

4、保存完整会议上下文  

5、让你能随时通过对话查询历史会议信息  

最震撼的行为变化：  

使用 Granola 的用户笔记行为完全变了！他们：

1、每场会议只记几条笔记（不是几页！）  

2、只记录内心想法和判断（"这人态度有点强势"、"他似乎在回避我的问题"）  

3、把所有客观信息交给 AI 处理  

4、回顾时不再阅读，而是直接提问  

🤔 他自己如何使用 Granola

Chris 分享了他写博客的新方法：

1、用 Granola 记录与顾问的对话  

2、独自散步时录下自己的想法  

3、将所有内容放入一个文件夹  

4、与 AI 对话，提取主题和建议格式  

5、最终由他完成写作，但有了更全面的素材和洞察  

他说："我保证，如果没有这个过程，我会丢失很多观点。"

🔮 关于 AI 的核心洞察

1️⃣ AI 应该增强人类，而非替代人类  

"我们坚信 AI 是让人类变得更好的工具。你可以用 AI 替代一个人完成任务，也可以用 AI 增强人的能力和智能。我们选择后者。"

2️⃣ AI 应该让用户保持控制权  

"每个决定都回归到一个理念：给用户控制权。所以我们是一个编辑器，大多数 AI 笔记应用只给你一个不可编辑的 PDF。"

3️⃣ 界面将是竞争关键  

"现在与 AI 交互就像早期电脑时代的命令行，我相信很快会出现更流畅、更协作的界面，就像从命令行到图形界面的飞跃。"

除此之外，他还分享了打造 AI 产品的 4 个核心秘诀，我觉得洞察非常深刻，跟我自己实践得出的认知也很相近：

这个洞察太犀利了！Chris 分享说，构建 AI 产品时，最大的误区是：  

"最容易犯的错误是专注于用户正在抱怨的问题，但下一版模型升级就会自动解决的问题。"

比如他举例：  

早期 Granola 只能处理 30 分钟以内的会议，用户强烈要求支持更长会议。作为产品人，本能反应是"这必须是我们的头号优先级！"  

但这是个陷阱！  

这个问题需要复杂的技术（将会议分块、再汇总各块的总结等），实现起来费时费力。而几个月后，模型上下文窗口扩大，这个问题自然而然就解决了！

所以关键是：专注于无论模型如何进化都会存在的核心问题，而不是那些会被技术进步自动解决的问题。

在 AI 领域，通用工具（如 ChatGPT、Claude）已经非常强大，如果你想打造成功的 AI 产品，必须：  

"在特定领域比通用 AI 强 10 倍"

Chris 分享了 Granola 团队的做法：

1、选择一个非常垂直的使用场景（会议笔记）  

2、解决这个场景中的所有摩擦点，即使与 AI 无关  

3、例如：他们研发了自己的回音消除技术，确保有无耳机都能完美工作  

有趣的是，他发现许多让产品体验出色的工作其实与 AI 无关 - 这就是走得深的意义！

这个洞察太精彩了！Granola 如何生成高质量会议笔记？秘密在于上下文！

Chris 说他们的思维模式发生了转变：  

不要把 AI 模型当作接受指令的机器，而要把它看作"第一天上班的实习生" - 聪明但缺乏经验，需要大量上下文才能做好工作。

Granola 为模型提供的上下文包括：

1、谁在开会  

2、参会者来自哪些公司  

3、他们担任什么职位  

4、这种类型的会议通常关注什么  

5、参会者关心什么（什么能让他们获得晋升等）

这比简单的"总结会议并列出 3 个行动项"高级太多了！这种上下文让 AI 生成的笔记感觉像是你自己写的。

这是一个关于 AI 创业的黄金洞察！

传统互联网的特点是边际成本接近零 - 服务百万用户的成本与服务一千用户差不多。  

但 AI 完全不同：每多一个用户，成本就线性增加（每次生成会议笔记都要付费）。

对大公司（如谷歌）来说，这是噩梦 - 他们无法为数亿用户提供最先进的 AI 体验，因为成本太高。  

但对创业公司来说，这是机会！因为：

1、初创期用户少，可以负担得起使用尖端模型  

2、随着创业公司成长，AI 推理成本会随时间指数级下降  

3、用户增长是指数级的，而成本下降也是指数级的

🌈 打造有"灵魂"的 AI 产品

除了四大法则，Chris 还分享了一个打动我的理念 - AI 产品应该有"灵魂"。

什么是"灵魂"？就是当你使用产品时，能感受到背后有真实的人在倾注心血，有一致的世界观和价值观。  

他提到早期的 Mac 产品和 Snapchat 就有这种感觉 - 使用时你能感受到设计者的热情和理念。而大多数产品，尤其是大公司的产品，往往缺乏这种凝聚力。

📝 获取用户反馈的创新方法

这一点超级实用！Chris 分享了他们如何沉浸在用户反馈中：

1、每天至少进行一次用户通话  

2、办公室墙上实时显示用户反馈  

3、不只是列出用户请求清单，而是让整个团队沉浸在用户心声中  

4、在设计时仍然基于第一原则思考  

前一个创业项目 (Socratic) 时，他们甚至每周二邀请同一批高中生来办公室，周四邀请不同的高中生，这样既能建立长期关系，又能获得新鲜视角。

这点我深有体会，我在之前的文章《国内出海团队一定要补的一个短板是什么？》就提到过，国内很多出海团队都面临的一个挑战就是做用户访谈，应该要抓住一切机会来做用户访谈，包括在找 Influencer 做营销的时候，因为这往往是你产品早期最佳的标杆用户，并且有希望发展成为推广大使。

🚀 AI 产品开发的实战建议

1、大量测试，少做预测：AI 发展太快，很难预测未来。但可以假设今天最尖端模型的能力，12 个月后会变得便宜且普及。  

2、优先权衡：不是所有功能请求都该实现。70% 留存率说明他们做对了关键决策。  

3、测试评估挑战：AI 输出是非确定性的，很难用传统指标评估。Granola 主要依赖直接用户接触而非量化指标。  

4、超能力思维：不是完全自动化取代人类，而是让人类拥有超能力。

💭 思考

Granola 是一个很典型的垂直 AI 产品，聚焦在会议这个领域，下一步的迭代方向按照 Chris 分享的，会进一步往会议后的场景做迭代，根据会议的总结来安排后续的行动，比如邮件和项目追踪等，这就是在往可执行的 Agent 演进了，整个思路非常清晰。

听完 Chris 的分享，我突然明白为什么那么多 AI 产品昙花一现，而少数产品能持续增长：

1、不要被眼前的技术限制分心，专注解决持久的问题  

2、别试图做一个"万能"AI，专注一个场景做到极致  

3、用户反馈很重要，但不要只听他们说什么，要理解他们真正需要什么  

4、大模型的进步给了创业公司与大厂竞争的机会，最重要的是找到那些长期存在的核心问题，并在垂直领域做到极致。