为真实世界服务建一家自治企业——Netic 创始人 Melisa Tokmak

• Netic 做的是「用 AI 去运营那些支撑世界运转的、数以百万计的真实世界生意」，切口选在 essential services（必需服务）：年收入十亿美元级的家庭服务公司（HVAC、水暖、电力）、消费者健康会员、酒店接待、汽车、宠物服务。这些公司自己就要跟数以百万计的终端用户打交道。 → 详细
• 关键定位是「Netic 存在于这家公司和它的客户之间」——从搞清楚客户想要什么，到把需求跟公司的运营规则匹配上，再到真正把服务和人力 dispatch（派工）出去，整条链路都在 Netic 上跑。 → 详细

• 场景是她反复讲的那个：你在前不着村后不着店的地方，室外零下 20 度，暖气罢工了，家里可能还有小孩或老人。 你从聚合平台、搜索引擎、或者现在从 LLM 找到一家服务商，打电话、发短信、去官网聊天——如果这家公司用了 Netic，跟你说话的都是 Netic 的 agent，包括那通语音电话里的声音。 → 详细
• 背后的判断远不止「Elad 家暖气坏了，那 Melisa 上门」：你家装的是什么型号设备？今天必须到还是明天也行？你作为客户的 lifetime value（生命周期价值，即你这辈子大概能给这家公司贡献多少钱）是多少？ 那个只会修锅炉、或者只会修新式系统的最强技师，今天该不该派给你？既要让客户满意，又要给公司多创造收入。 → 详细

• 在 Netic（一家两年的公司）之前，这些活儿主要靠人。这类公司体量极大却长不动——「想谈任何增长，就得不停往人身上投钱」；它们是看 EBITDA（息税折旧摊销前利润，可粗理解为主营业务的赚钱能力）的生意，很多被私募股权持有，必须死盯利润率。 → 详细
• 一天的实景：生意凌晨 4 点、5 点就开门，那个点公司里一个人都没有；技师早上 6 点开工，之前也没人。你作为管理者来上班，那天至少三个人辞职、五个人没到岗——而客户从 6 点开始就往里涌，因为全国正赶上创纪录的热浪。 更麻烦的是这类生意是周期性的（冬天、夏天、节假日、大家开始健身的季节），必须在那几个月把该拿的价值拿满。 → 详细

• Elad 一开始的理解是「你们是接溢出的」——电话被打爆了，AI 帮忙接一部分。她说很多客户确实是这么用起来的，但那已经是过去式。 → 详细
• 「今天，我们超过 70% 的客户是 AI 优先的——我们叫它 Netic 优先（netic first），他们直接上 N1。而且超过 70% 的情况下，他们所有客户与这家公司的第一次交互，都是跟 Netic 的 agent 完成的。」 注意这是两个 70%：一是客户公司的模式选择（默认 AI 先上，人做兜底），二是终端用户实际落到 AI 手里的比例。 → 详细
• 这个数字的分量在于它的场景：不是内部工具、不是低风险客服 FAQ，而是零下 20 度暖气坏了、家里被水淹了这种「人生最糟糕的一天」的电话，AI 先接、并且直接决定派谁上门。她自己给这类工作负载的定义是 mission critical（关键任务）workflow——「AI 现在很擅长辅助消费者、当 co-pilot，但下一个最没被解决的问题是，怎么把 AI 用到关键任务的 workflow 里，一套真正能完全自主执行的系统究竟长什么样」。 → 详细

• 被问到五年愿景，她只用了一个词：「我们要造的是一个 autonomous enterprise（自主运转的企业）。」 → 详细
• 完整定义是一句划边界的话：「我们希望这些公司里的每一件事，都由 Netic 自主处理掉，唯独留下真正的服务交付和劳动本身——那个属于人的部分——好让这些公司能百分之百专注在那上面。」 换句话说，战略的第一步不是「AI 能做什么」，而是先钉死「哪一层永远留给人」，剩下的全部默认交出去。 → 详细
• 产品架构跟着这句话走：所有产品都长在同一个「智能层」之上，彼此打通、会复利叠加——这也是她当年离开 Scale 的原因之一，「我想做一个能规模化、能复利叠加的产品」。 → 详细
• 对客户公司来说，这等于把边界重新画了一遍：「如果它们可以只专注自己真正擅长的那部分——人力、服务质量上的差异化——剩下的全部交给 Netic 来跑，会怎么样？」 → 详细

• 被问到北极星指标时她给的是一个钱的、且属于客户的数字：「到目前为止，我们已经为客户创造了超过 6 亿美元，全部来自由 AI 处理的交互。」 注意口径——不是节省的成本，是 AI 独立接手的交互所产生的收入。 → 详细
• 她刻意不接「降本」这个话头：「我来这儿不是为了帮你砍成本的。当然从某种意义上成本确实也降了，但我真正感兴趣的是：你要怎么做出净新增收入。」 而这个话题必须由卖方主动挑起，否则对方的第一轮对话永远死盯降本。 → 详细
• 收尾那句可以直接当口号用：「如果我们用 AI 只是为了降本，那也太可惜了。」 → 详细

• 「把这些行业当成『老派』，我觉得是个很大的误解。实际上，我见过的最懂技术、最有生意头脑的老板和创始人，有一批恰恰就在这些行业里。」 → 详细
• 硬证据：「我们签下来的其中一单，合同额可能是五十万美元，而从头到尾只用了 14 天。」 → 详细
• 她马上给这个数字去魅，这句才是真正的方法论：「这并不是因为我有什么灵丹妙药，也不是 AI 本身有魔法——是他们对自己该做什么想得非常清楚，会认真核验价值到底在不在，连采购行为本身都很审慎。」 也就是说，快是因为买方的价值判断清晰，不是因为被话术打动。 → 详细

• 对「用力过猛」的买方她的批评是把 AI 当传统软件测：「我自己用任何 AI 产品，都不会只看第一周，那不该是你评估一个平台的方式，那只是关系的开始。反过来说，你真正要确认的是：这些效果能不能贯穿一整年、而且越来越好，而不是越来越差。」 传统软件是确定性的、一周能试完就下结论；AI 不是。 → 详细
• 关键动作是把「PPT 产品（vaporware）」和真实 ROI 分开，而她的分法很朴素：「不是 demo，我们会直接拉出一个真实的线上部署给你看。因为既然它已经在跑、我手上就有，为什么不直接让你看看这个客户挣到了多少？」 再配上「真实世界里的客户是怎么跟这套技术打交道的」。 → 详细
• 一旦这么做，买方自己就被教育了，然后再去指导他们投的公司——但这替代不了跟公司本身建立直接关系，「很多时候那种关系并不是能硬塞给公司的，但你可以当一个好的顾问」。 → 详细

• 她眼里这些行业是「同时既非常原始，又非常前沿」：一家大型屋顶公司必须养 door knocker（挨家敲门的销售），一个社区一个社区地跑；同时它在 Netic 上跑的是 inbound（进线）、outbound（外呼）、分析、乃至施工人力调度的一整套。 → 详细
• 最漂亮的一个落地细节：接入卫星数据，判断不同社区里飓风对不同屋顶的影响、该用什么材料，再把这些自动喂进 agent 的 context 里——于是既能跟客户对话时更有底气，又能反过来判断该主动去敲谁家的门。她强调这些客户本来就在琢磨这类数据，只是过去得靠各种工具或人力去筛。 → 详细
• 平台化的第二重红利在 PE（私募股权）手里：如果一家 PE 手上二三十家不同行业的公司都在 Netic 上，就能跨公司用 context 交叉销售——「我养了一条特别爱的狗，那我挑健身会员时，会非常倾向于选一个带宠物照护的」。 → 详细

• 被问「大模型实验室会不会自己做这件事」，她先拆掉问题：「十年前一模一样的问题是『Google 会不会自己做？』。」 属于它们核心能力的事它们做得了，另一些它们根本没在投入。 → 详细
• 真正的技术回答在这一段：面对全国上百万各不相同的人——顾虑不同、口音不同、想要怎样被服务的方式不同、所处情境不同，你还得让他们愿意再来一次变成回头客——「这里有一大堆最后一公里的活儿是你必须亲自做的，而这些不只来自模型，它得来自你的 harness 和 orchestration（可理解为：包裹模型的那层脚手架，和把多个步骤/工具/规则串起来的调度层），来自你在上面搭的软件和产品。」 → 详细
• 结论是一句能力清单：「像我们 Netic 这样的公司，反而必须三层都做得好。」（模型 / harness+orchestration / 产品与软件） → 详细

• 专注论她拿两家实验室举例，很不客气：「OpenAI 造产品又快又好，但它砍产品也一样快。所以我不认为这些行业里的企业会想要那种『快』。」 而 Anthropic 在 coding agent 上领先被公认是因为专注——「但在企业级这块你看到的恰恰相反，大概有二十个产品同时铺开」。 → 详细
• 更狠的一刀对着研究员思维：他们追求最泛化的解法，于是对必需服务这类问题的答案往往是「等我们拿到 AGI 了，再去问它怎么解决」——「我觉得这在运营上和思维上都有点偷懒。」 → 详细
• Elad 补了个观察：四年前他投 Harvey、Perplexity，稍晚是 Decagon、Abridge，那时创始人更敢正面拼；现在很多创始人对实验室 roadmap 过度担心，反而不敢进新垂直领域。她的解释是：「现在有很多创业是奔着『我怎么才能尽快退出』去做的。」 → 详细

• 理由一，想在世界上造什么。 她在 Scale 待了约四年，做起了政府业务以及物流、制造、金融服务、医疗的大企业业务——「你能在这个世界上产生的那种看得见摸得着的影响力，实在了不起」。而 Scale 本身是数据标注起家、后来 Meta 付了约 280 亿美元（Elad 补充「差不多接近 300 亿」）拿下合作，她是在那笔交易发生之前就决定离开创业的。 → 详细
• 理由二，技能不匹配。 「在很多 roll-up 里，最关键的能力其实是 M&A（并购）本身。我不是做 M&A 的人，我是个 builder，是工程师，是产品人。我不想去做一门『我最能提供的东西显然不是最重要的东西』的生意。」 → 详细
• 理由三，产品的天花板。 「roll-up 里你造的所有产品都只服务于你刚买下的那家公司，很难真的迁移到别的公司身上」——而她要的是「每一家真实世界的公司都能跑在 Netic 上」。 → 详细

• 「感觉像是在看同一本书，只不过是不同的章节。我确实相信未来会有一章完全属于机器人，但在我服务的这些行业里，那还相当遥远。」 → 详细
• 判据非常物理：「往窗外看，看看每一栋楼。如果要让机器人做到我们今天替这些公司做的事，那这些楼要么得是 3D 打印出来的，要么就得完全标准化——我看不到这种事会发生。」 加上灵巧性的坎（不同型号的螺丝、怎么钻进狭小空间、很多时候得先把整面墙拆开才知道要修什么），以及短期换不掉的「人」的成分——客户往往正处在人生中最糟糕的一天。 → 详细

• 一条硬规矩：「我们公司每一个工程师都必须去客户现场实地拜访，然后才回旧金山做出对的产品。」 她本人也是靠「跟这些生意实地待上几天」摸清这些行业的。 → 详细
• 这条规矩解释了前面所有细节的来源——凌晨 4 点没人、当天三人辞职五人缺勤、卫星数据判屋顶、锅炉专精技师的排班——这些不是调研报告里的字，是现场看来的。 → 详细

• 她要的人画像：发自内心在乎自己所做之事、长期以客户为中心、有 agency（能动性，即不用人推就自己启动事情的劲头）去把事情启动、有紧迫感去解决问题，同时又有足够的严谨和耐心把它一路推下去。 → 详细
• 怎么筛：不看「agency 这个词」，看持续性——「你为了考进这所大学做过什么？你有没有一个自己真心在乎的项目？而且不只是『我做了一个周末』，你有没有坚持下去？」她常用的那一问是「你这辈子做过的最难的事是什么」，然后往里挖那个「为什么」。（有意思的对照：Elad 说他以前也问这题，「结果我拿到的答案太糟了，后来我就不问了」。） → 详细
• 她最爱的一个答案，是刚招进来那位下周入职的同事说的：「我过的是非常简单的生活……最难的事，是我把这套作息坚持了十五年多，每一天都如此，没有厌倦，没有真的去想别的。」 她的判据不是故事够不够惊天动地，而是「在你活着、有意识的这么多年里，你有没有持续展现 agency，有没有咬牙撑到底」，以及面对自己没得选的事时，「他们怎么反应、他们能掌控什么」。 → 详细

• 她在招聘里看到一种蔓延的心态，直接点名 Gen Z：「一种『永久底层』的执念——如果我不能在接下来 18 个月里挣到钱，或者不能在接下来六个月里学完世上所有东西，那我就永远穷了。」 或者是被 AGI 洗脑的版本：18 个月后 AI 会吞掉很多人的技能，你的价值就贬值了。 → 详细
• 她的判断很直接：「我觉得这其实是非常危险的心态。事实上，真正好的东西都要花很长时间才能做出来。」 她自己人生里最重要的教训，来自「对某件事的长期投入、带着所有问题坚持下去」——比如 Scale 那四年。当创始人是「把整个人生投进去，一投几十年」的事，她创业前甚至认真找过工作，先问自己「有没有什么是我想做出来的东西」「有没有哪个人是我真心愿意去帮他把使命推进下去的」。 → 详细
• 她引的那句马丁·路德：「一个基督徒鞋匠，不是靠在鞋上刻小十字架来荣耀上帝，而是靠做出最好的鞋——因为上帝在意的是手艺。」 由此她们招人时刻意避开「追新鲜玩意儿的人（shiny object seekers）」。 → 详细
• 落到资源观上：「你反而能用更少的资源、更强的专注、一小群真正凑到一起想要征服世界的人，做成更多的事。」 她也承认「怎么才能始终只和最出色的人一起工作」没有标准答案——Palantir、SpaceX、Notion 这些真正在意手艺的公司都在这件事上挣扎过。 → 详细

• 「以前是：找到一块被低估的璞玉、倍数很漂亮，然后换掉团队、把价值做出来，再卖掉。但现在这种『还没被发现的璞玉』基本不存在了。」 所以整体打法变成「我们怎么在手里这些生意上，真正创造出看得见的价值」。 → 详细
• 组织层面的变化是 PE 开始招专门做 AI 的 operating partner、养几个懂 AI 的工程师，同时做内部教育；Elad 补充说 PE 也早已从 80 年代那套「进来大裁员、拆开卖掉」转向了做厚资产本身的价值。 → 详细

本期没有正式的闪电问答，收尾是一道「除了 Netic，AI 的未来里你最兴奋的是什么」。

Q：除了 Netic 在做的事，AI 的未来里你最兴奋的是什么？

• 答案一：教育。 理由来自她自己的经历——在土耳其小镇上一无所有的时候，真正帮到她的「技术」，就是能在 Facebook Messenger 上找到一两个从她高中毕业、去了美国上大学的人，请他们帮忙看看申请文书。 她后来拿到斯坦福全额奖学金，而在那之前她连一台电脑都没有过。「教育会改变非常多人的人生——那些原本连『还有这样一个世界存在』都不会想到的人。以后你想学的一切、想做的一切，基本都在你口袋里。」 → 详细
• 但她马上补了一记冷水（Elad 说「你其实可以直接去做，不需要谁批准」之后）：「这也让人有点害怕——当你看到有人就是不去做的时候，就有点反乌托邦的味道了。因为在任何一个时代、任何一种技术下，你其实都可以去做事，最后还是落回你必须自己做的那个选择。我们在不断把这个选择变得越来越容易，但我敢保证，世界上大多数人依然不会做出那个选择。」 她能高兴的是：至少「有没有资源、能不能拿到」这个问题正在被从等式里拿掉。 → 详细
• 答案二：AI 的舆论叙事能转正。 现在美国主流关于 AI 的讨论普遍是负面的，而她做的这类用例面对的「很多时候是人们这辈子最糟糕的一天，他们是真的需要帮助」；加上教育、看懂自己的健康记录——「我最近就在用健康那个功能，想搞明白怎么才能睡得更好，结果没有答案——答案是『你得先别当创始人了』。」 她期待人们第一次接触 AI 时，听到的不只是「工作要没了」。 → 详细

• 嘉宾：Melisa Tokmak，Netic 创始人兼 CEO（前 Scale AI 工程总监，负责政府及物流/制造/金融/医疗大企业业务；更早在 Meta）。本期未给出个人联系方式。
• 节目：No Priors（主持人 Elad Gil）——Twitter @NoPriorsPod；YouTube 频道；Apple Podcasts / Spotify；每期文字稿与邮件订阅在 no-priors.com。 → 详细