“Every small business should run itself” 深度访谈

开场剪辑先概括了访谈的核心判断：AI 在硅谷可能被过度炒作，但在美国内陆和传统小企业中仍被低估。嘉宾指出，过去软件主要把纸质资料搬到数据库里，工作本身仍由人完成；而 Lassie 试图用 agent 直接承担几十小时劳动。片段还提出，小企业主常因招不到后台人员而被迫身兼多职，AI 的价值不是简单替代员工，而是让专业人士从大量行政事务中解放出来。

Stein 回顾 Lassie 的起源：他在 Robinhood 工作时寻找值得创业的“硬问题”，他的牙医 Dr. Quan 邀请他看诊所如何运营。让他震惊的是，这位 Yelp 评分很高、使用现代技术的牙医，每月仍要花约 200 小时处理文书、手工提交理赔和账单。起初他怀疑这只是个案，但后来在宾夕法尼亚 Scranton 的胃肠科医生办公室看到同样情况，才意识到成千上万小企业仍在用手工方式处理关键后台工作。

访谈继续讲述 Lassie 早期如何取得客户信任。两位创始人曾直接进入医生办公室，提出帮助处理账单和财务，这在资质、HIPAA、安全和经验上看起来都很不寻常。但医生们愿意让他们坐在后台、接触系统和数据，甚至把他们当作需要培训的新员工。创始人将这种开放程度视为强烈信号：问题不是“锦上添花”的软件需求，而是足以让医生失眠、厌倦职业甚至想退出行业的核心痛点。

Frederick 解释，Lassie 从 2020 年创业时就把“让业务自动运行”作为目标，但当时模型能力不足，尤其没有今天这种推理模型。团队先建设两类基础能力：一是上下文层，包括历史数据、患者记录等；二是工具层，让系统能实际执行工作。最初的自动化任务不需要太强推理，因此可以先落地。随着大模型变强，Lassie 只需替换或增强智能层，已有的上下文和工具体系就能让产品持续变聪明。

Alex 从软件史角度解释 Lassie 的投资逻辑。他认为早期软件本质上是把文件柜数字化，例如航空订票的 Sabre、HR 的 PeopleSoft、法律检索和会计软件等，都只是把纸质资料转为数据库。虽然查询和修改更方便，但人仍然要完成实际工作，因此效率提升有限。现在的关键变化是，软件不再只是存储信息，而可以主动“编辑文件柜”，执行背景调查、入职、账款催收等任务，工作量远大于信息存储本身。

Alex 进一步比较金融科技和 AI 劳动的市场扩张效应。他以 Toast 为例说明，支付处理让餐饮软件能通过金融交易变现，从而扩大软件市场；但 AI 让软件直接承担劳动，带来的市场扩张更大。其原因不只是比人工更便宜或更好，还在于很多岗位根本招不到人。他提到一位牙医因失去负责账本的关键员工而退休，如果 Lassie 当时存在，可能不会退出执业。由此他强调，AI 在许多场景解决的是供给不足和市场失灵。

Stein 补充了牙科市场的具体规模：美国约有 16 万家牙科诊所，每家每年约花 20 万美元在行政成本上。Lassie 已服务数百家客户，看到医生本人常常深夜处理账单和后台事务，这让他们不再享受本职工作。由于痛点强烈，诊所对 AI agent 的怀疑反而较少；当 Lassie 展示一个能每月提供几十小时劳动的 agent，并经由同行推荐或搜索验证后，客户会很快采用。其收费也来自客户原本的人工预算。