兩位 IIT 工程師，
為什麼放棄 55 萬美元工作？
Y Combinator 訪問 GigaML 共同創辦人 Varun。這不是一個「勇敢追夢」故事，而是一家早期 AI 公司如何從錯點子、真客戶、產品勝負與 AI 工具中，找到可以長大的路。
來源：Y Combinator
SCROLL
Y Combinator 訪問 GigaML 共同創辦人 Varun。這不是一個「勇敢追夢」故事，而是一家早期 AI 公司如何從錯點子、真客戶、產品勝負與 AI 工具中，找到可以長大的路。
來源：Y Combinator
Varun 來自印度 Andhra Pradesh 的小鎮，父母都是政府學校老師。對這樣的家庭來說，考上 IIT、拿到高薪工作，幾乎就是人生升級的標準劇本。
他確實拿到了劇本裡最漂亮的版本：紐約量化交易公司的 55 萬美元工作邀約，也有機會去 Stanford 讀博士。接著 ChatGPT 上線。他和共同創辦人看到模型已經能寫程式、完成複雜任務，決定先試一次 YC。
真正的轉折不是「我有一個完美點子」。他們帶著一個教育科技點子去面試，YC 的 HJ 直接說：這個不會成，換一個。
Varun 原本以為面試砸了。大家都教他準備 TAM、點子、商業模式，HJ 卻沒有照這套問。他只看到兩個很強的工程師，叫他們別守著錯方向。GigaML 後來會存在，是因為 YC 先押了人，而不是押了那個教育科技點子。
進 YC 之後，他們很快放棄教育科技。兩人的優勢在大語言模型與微調，於是改做模型微調與成本降低。當時 GPT-4 很貴，若能用較小模型達到相近效果，就有機會把推論成本打下來。
這條路帶來了早期聲量。他們開源模型，在 Hugging Face 排名衝上前段，也因此拿到 400 萬美元種子輪。但一年後，Varun 的結論很冷：微調不是好市場。很多客戶想要的是降低成本或資料安全，可是真正的大型保險、醫療客戶，買單流程是銷售問題，不是工程問題。
這是整段訪談最實用的地方。GigaML 不是坐在白板前挑「最大市場」，而是從付費客戶的使用行為裡看見市場。第一個產品不一定是終點，但它可以幫你找到真正願意付錢的人。
Varun 給學生的建議很直接：點子不稀缺。任何人打開 ChatGPT 都能要到十個點子。早期公司最需要證明的不是點子看起來大不大，而是有沒有人願意為你的解法付真錢。
他甚至說，不一定要先在意市場。對 B2B 產品來說，如果問題夠重要，客戶就該願意付錢。若客戶既不付錢，也不投入時間，你可能只是在解一個假的問題。
這也是 GigaML 後來看 AI 代理人的方式。客服不是「做一個很像人的聊天機器人」而已。真正的工作是把客戶政策、例外狀況、流程與回覆標準寫成可更新的規則，然後一輪一輪改善解決率、滿意度與成本。
GigaML 進入客服代理人時，市場上已經有資金更充裕、創辦人更有名的競爭者。Varun 的說法很樸素：他們一開始甚至不知道所有競爭者，重點也不是盯著競爭者，而是客戶願不願意付錢、產品能不能交付大量價值。
真正的考驗是 DoorDash。GigaML 當時只有八個人，對手是大得多、資金充足的公司。DoorDash 願意試，部分原因來自 YC 網路的信任入口。接著三個月試點期間，系統沒有掛掉，指標也夠好。大客戶最後選小團隊，不是因為故事，而是因為產品跑得動。
拿下 DoorDash 之後，其他大公司更容易相信他們。這是早期 B2B 公司常見的連鎖反應：第一個大客戶最難，因為它不只是營收，也是下一批客戶的信任素材。
GigaML 的內部價值觀之一是「自動化、自動化、自動化」。銷售會把通話逐字稿丟進工具，分析面對特定競爭者時哪些說法有效；團隊也用代理人排會議、整理資訊、產出內部洞察。
Varun 說，如果沒有 coding agents，公司工程團隊可能需要現在的六到七倍。這不只是省成本。人少也代表更少脈絡轉移，單一工程師可以更完整地擁有一件事，出貨速度更快。
他們的面試也反映這點。候選人可以先用 AI 寫程式，接著移除工具，要求他理解並修改那段程式。GigaML 要找的不是只會按工具的人，而是能把 AI 產出接回工程判斷的人。
Varun 說，父親一開始非常生氣。他也必須向家人解釋 YC 是什麼、哪些公司從那裡出來，以及就算一年兩年後不成，仍然可以回去找工作。對中產家庭來說，放掉高薪工作不是一句「追夢」能帶過的事。
但他和共同創辦人的核心想法是：想知道自己能走多高。這個想法後來也變成公司面對收購邀約、競爭與轉向時的底層判斷。他們不是完全不在意錢，而是相信真正的財富來自持有一件大事的股權，並且把它做成。
他最後的建議是先開始、先賣、先把船燒掉一部分。這不代表人生沒有退路，而是當建造成本因 AI 降低，拖延的理由變少了。你要交付價值給一小群客戶，再看他們願不願意付錢。
早期公司的關鍵不是想出十個點子，而是找到一個願意為痛點付錢的客戶，然後把產品做到能移動他的指標。
GigaML 的故事不是從正確點子開始，而是從願意丟掉錯點子、貼近客戶、用產品贏信任開始。
選完之後，分享你的觀點
這頁整理自 Y Combinator YouTube 頻道影片。原始訪談保留了 Varun 談 GigaML、YC 面試、客戶服務代理人、募資、AI 工具與早期公司判斷的完整對話。
前往 YouTube →喜歡這種分析嗎？
從 AI 代理人、創投生態到平台策略，用台灣讀者看得懂的語言，把複雜的產業變局說清楚。目前已有超過 2 萬位讀者訂閱。
免費訂閱區塊勢 →也可以直接付費支持，解鎖每週完整文章