AI 服務公司,
不是 SaaS 外掛

Y Combinator 這支影片把 AI native service companies 拆成創辦人的操作手冊:選市場、組團隊、把營運當產品、避開早期需求陷阱,最後用 P&L 證明 AI 槓桿。

來源:Y Combinator YouTube 頻道

SCROLL
PART 1 | 下一批大公司

客戶買的不是工具,
而是工作被完成

YC 開場的判斷很直接:未來十年一些最大公司,可能不是純軟體公司,而是從零重做的服務公司。保險、法律、稅務、審計、房貸、醫療的一部分,都可能被 AI 重新組裝。

這類公司不是賣 copilot,讓客戶拿回公司內部自己操作。它們直接交付結果。客戶不在意背後怎麼做,只在意申請有沒有送出、理賠有沒有處理、報稅有沒有完成、合規文件有沒有通過。

模式
客戶買到什麼
創辦人的難題
傳統服務
買專家時間、流程經驗與交付責任。
人力增加多少,營收通常就增加多少。
SaaS / Copilot
買工具,讓自己的員工更快完成工作。
要改變客戶行為,還要說服團隊真的採用。
AI 服務公司
買結果,由 AI 平台與少量專家一起交付。
要讓流程穩定、毛利變好,且輸出不能忽高忽低。

這也是為什麼 YC 說這類公司看起來不像多數新創。創辦人不是只做軟體介面,而是在重建一個能反覆交付結果的服務系統。

PART 2 | 市場怎麼選

好市場不是最大聲的市場,
而是 AI 變強後你也變強

影片把 AI 服務公司的好市場拆成四個條件。第一,工作原本就被外包,客戶只看結果,不要求你改變內部行為。第二,任務拆小之後,多數步驟可以自動化,真正需要人判斷的地方集中在少數節點。

第三,整體工作要夠難。若事情太簡單,模型變好會直接把你商品化;若太依賴每一步人工判斷,又很難擴張。第四,監管不一定是壞事。高要求與法律責任會提高進入門檻,讓懂領域、懂模型、懂營運的團隊有機會建立防線。

已外包
預算已經存在
你取代的是供應商,不是逼客戶建立新習慣。
少數判斷
人留在關鍵處
人類判斷要集中,不能每個小步驟都靠專家。
高門檻
結果真的很難
模型加專家才能交出客戶願意接受的結果。
監管
可能是防線
合規與責任提高門檻,也提高客戶對品質的要求。

YC 還給了一個誠實檢查:模型越強,你的服務是跟著變強,還是被模型本身商品化?另一個檢查是人類介入的理由。若人是因為工作需要判斷而存在,這是設計;若人只是補產品缺口,毛利會被吃掉。

涉及設備與現場勞力的業務要小心。只要你持有並操作實體資產,軟體公司的毛利想像就不會自動成立。

PART 3 | 團隊組成

創辦人要同時懂領域、
懂模型,也尊重營運

AI 服務公司的創辦團隊需要三種能力。領域熟悉度是第一個。你賣給的常常是懷疑心很高的買方,而且市場可能有監管。直接經驗最好,後天學也可以,但你必須讓客戶相信你知道他們的工作如何被驗收。

第二是模型熟悉度。團隊要知道 frontier models 今天能做什麼,並把產品設計成能隨模型變好而升級。第三是營運紀律。variance、throughput、cycle time、SOP 這些詞不性感,但這家公司靠它們活下來。

📚
領域可信度
知道客戶怎麼判斷結果,也知道錯誤會造成什麼後果。
🧠
模型熟悉度
不是把 API 接上去,而是把產品做成能搭上模型進步曲線。
📈
營運紀律
追蹤吞吐量、週期時間、輸出差異與人力配置。

影片舉了 AI native law firm 的例子。它的差異不只在法律經驗與技術背景,也在怎麼安排團隊處理案子、縮短週期時間、讓專家願意留在流程裡。這提醒創辦人:服務不是軟體之外的麻煩,服務流程本身就是產品的一部分。

PART 4 | 產品怎麼做

人是客戶介面,
產品要讓人非線性放大

一般軟體公司把使用者當介面中心。AI 服務公司反過來:客戶看到的可能是人,產品在背後讓那個人處理更多工作。這會改變產品指標。吞吐量和週期時間,不再只是營運報表,而是產品指標。

YC 特別強調 variance。客戶可以容忍你稍微慢一點、貴一點,但很難容忍輸出品質不穩。服務交付只要忽好忽壞,信任就會消失,流失就會出現。

AI 服務公司的產品迴圈
找瓶頸先看流程卡在哪裡
做工具讓專家處理更多件
控差異把輸出品質變穩
降 COGS讓毛利隨產品進步

「先做不能擴張的事」在早期仍然成立,但不能永遠停在那裡。如果營收成長只等於多招幾個人,這家公司會變回傳統服務公司。AI 服務公司的產品工作,是讓每個人能處理更多、更穩、更高品質的交付。

PART 5 | 銷售與定價

早期需求太多,
可能會把產品拖死

AI 服務公司很容易掉進早期需求陷阱。剛開始什麼都還沒有,卻能簽下很多 pilot,因為客戶對結果有興趣。但客戶越多,團隊越忙著用人工補交付,越沒有時間把流程產品化。

YC 的建議是把第一批 pilot 控在少數幾個。早期 pilot 不只是銷售,也是產品本身。不要太早標準化,先找出 AI 哪裡真的提供槓桿,哪裡只是把顯而易見的工作自動化。

題目
建議做法
要避開什麼
第一批客戶
少量 pilot,靠它們學流程、找瓶頸、定義產品。
一次簽太多,讓人工交付吃掉產品開發時間。
銷售主張
賣 outcome,不賣 seats、tokens 或工具使用權。
把自己講成更便宜的軟體,卻沒有承擔結果。
定價
用 per unit 或 outcome-based pricing,讓客戶容易理解價值。
cost-plus 會封住上限,直線降價會讓服務看起來廉價。

這段也關係到募資。投資人會想知道你不是用虧錢 pilot 換成長假象,而是能把每次交付變成產品資料與流程改進。定價要對準價值,毛利路徑要能被相信。

PART 6 | P&L 與成長路徑

這類公司死生,
會很快寫在損益表上

YC 把 P&L 放到最後,是因為 AI 服務公司不能只看簽約速度。收入可能會有,但問題是能不能反覆交付。COGS 要從第一天開始盯,尤其是模型成本、hosting 成本與 humans in the loop。每一項都需要數字、趨勢線與負責人。

零毛利或負毛利 pilot 可以拿來學,但不能上癮。真正的下注是 AI operating leverage:產品越成熟,每次交付的 COGS 越低,毛利越接近軟體。

服務公司的現實
30% 左右的上限
傳統服務公司常受限於人力與工時。營收增加,成本也跟著增加。
YC 看到的機會
50%+ 的毛利路徑
AI 服務公司若有營運槓桿,可能接近軟體毛利,面對的市場又比純軟體更大。

最後一個陷阱是買公司。YC 不建議創辦人買下一家既有服務公司,再把 AI 疊上去。少數例外是你需要快速取得監管牌照,例如保險執照。除此之外,你買不到 product-market fit。舊服務公司的指標、招募、績效期待都會把你拉回舊模式。

從零開始通常比較好。AI 服務公司要建立的是新的交付流程,不是把 AI 放到舊公司的表面。

在 AI 服務公司裡,流程就是產品;產品也必須讓流程越跑越有槓桿。

YC 的重點是:別只做工具,要能交付結果,並讓每次交付都降低下一次的成本。

如果你要做 AI 服務公司,
第一個風險會先補哪裡?

選完之後,分享你的觀點

你的觀點

想看原始影片?

這頁整理自 Y Combinator YouTube 頻道。原始影片保留了市場、團隊、產品、客戶、P&L 與買公司陷阱的完整說明。

前往 YouTube →