從 Sierra 到 Jekka：AI 的邊界、大規模實踐與終點

在國內，很少有人真正討論「客服」這個話題。但如果我們想準確理解 AI 的邊界，尤其是它與人的交流能力，客服恰恰是一個關鍵切入點。這也解釋了為什么硅谷對客服如此重視——像 Sierra、Decagon 等公司都把它作為核心關注點。如果讀者無法摒棄對「客服」一詞的固有偏見，那么這篇訪談可以跳過。

關于 Jekka AI：Jekka 團隊來自 MSRA，Amazon、Google、Alibaba 等知名企業，擁有雄厚的人工智能技術積累。我們為客戶提供 80%+ 獨立解決率，99%+ 準確率的 AI 產品，每天服務用戶文本和語音數百萬次，日均消耗數億 token。無論從服務 B 端的數量還是體量上，都是目前世界范圍內 AI 落地最好的公司之一。Jekka 目前在美國、新加坡、中國香港、中國大陸等多地開展業務，是抖音、有贊首家官方模型提供商，也為多家國內外 500 強企業提供 AI Agent 服務，涵蓋電商、物流、無人經濟等多個領域的龍頭企業。

Jekka AI 聯合創始人 Aaron

AI 的邊界在哪里？

這不只是 AI 拿下奧賽金牌、獨立做科研，或一次次刷屏的 Demo。Demo 展示的只是上限，一種理想狀態下的聰明。真正決定 AI 是否「靠譜」的，不是它偶爾的上限，而是它在最糟糕場景下的穩定性和方差控制。

對人類的邊界、對服務、對智能的理解，Jekka 一直在不斷重建。創始人 Aaron 說：「大模型是我這十幾年創業以來最難的事情，沒有之一。」

Jekka 與其他 AI 公司最大的不同正是對 AI 的認知。這個市場上 99% 都是泡沫，而這些泡沫往往建立在錯誤的前提上，比如過度迷信 Scaling Laws，或認為「智力比可靠性更重要」。

他更愿意忘卻那些尚且模糊的概念，比如 AGI，而是自下而上，通過一次次測試結果去理解 AI 的邊界。Jekka 團隊里 90% 的人都在搭建測試集、測試流程和測試工具。即便是一個實習生負責的獨立項目也能觸發新的節點，讓模型具備更強的通識能力。這是一個真正由好奇心驅動的故事。

AI 時代已經不同了，我們需要重新理解客服。客服的本質是服務人類的需求。只要我們在工作，就在服務某個人，從簡單的信息傳遞，到成為產品、過程、結果的一部分。所以「客服是 AI 的起點，也會是 AI 的終點。」

AI 也需要被定義。在 Aaron 看來，AI 應該可靠、可糾正、有記憶、能學習，能做到你的同事所做到的一切。

人，是最貴的，也是最便宜的。一次電話可能值 30 美金，也可能一個饅頭就換來一上午的通話。

未來最寶貴的不是智力或勞動力，而是你那一次被好奇心推動的嘗試。

AI≠人類：人類是白盒，AI 是黑盒

Q：能不能先簡單介紹一下自己以及目前在做的事？

Aaron：我是 Jekka AI 的聯合創始人。我們為 500 強企業和數萬家 SMB 提供真人級 AI Agent 和底層模型。「擁有能提供真人級別 AI 的底層模型的能力」是我們和其他 Agent 企業最大的差異，包括交流能力和獨立解決問題的能力。

Q：是什么契機促使你創立 Jekka？

Aaron：有兩個重要的時刻。

第一個是決定做 AI 的時刻。當初看到 GPT-3 的演示效果時，我就想做這件事。我一直覺得，創業本質上是一個人好奇心的體現：你對世界充滿好奇，發現有些事還沒人做到，于是就想親手去研究，把它做出來。

第二個關鍵節點是 GPT-4 發布前后。那時網上充斥著各種「GPT-4 能做到什么」的 Demo，看起來都特別驚艷，但當你真正去試的時候，往往發現效果達不到預期。這種落差讓我覺得很不爽，就忍不住想自己做一做看。忍不住想深入地理解原理，所以自然選擇了往底層去走。

Q：你提到 Jekka 在很早就意識到了 AI 的可能性，能分享一個讓你印象深刻的個人與 AI 交互的瞬間嗎？

Aaron：我們之所以被最初的 ChatGPT 震驚，不是因為它能寫詩、寫代碼，而是因為它的交流能力。我第一次感受到一個非人類的存在，能用人類的方式和我們交流。那個瞬間非常震撼，而我們也要不斷地提醒自己：當提起 AI，我們是在描述一個比較泛的概念，還是觸動人心的那個點？

Q：在開發 Jekka 的過程中，你有哪些 Wow Moments？

Aaron：Wow moment 實際上貫穿整個過程。AI 本質上是全新的事物，從能生成漂亮的圖片、回答有趣的問題，到甚至能解答人類自己都回答不了的問題，這些都很驚喜。

不過對我個人來說，最 wow 的時刻是對人類邊界和自我邊界的重新理解。比如，我有次聽作曲家陳其鋼和竇文濤討論「AI 能不能復制人」。陳其鋼說「AI 沒有靈魂，不能復制人，人類的靈魂不可采集」，當時我覺得他太武斷了。

但后來在調試 Jekka 時，我好奇地讓它從陳其鋼的視角解釋這一觀點，它回答：「如果我是陳其鋼，我也不會認為 AI 能取代人。」當時我覺得很神奇，就接著追問：「你為什么這么想呢？」

Jekka 告訴我：「因為 AI 無法體驗。」

這個瞬間讓我意識到，AI 已不僅僅是工具性、可預測的存在，它在某種意義上是可以被獨立理解、尊重，甚至被視作一個值得探討的個體。

Q：從最初的一問一答，到如今更接近「相互理解」的交流體驗，Jekka 是如何打造出這種「最像人」的 AI 對話能力的？

Aaron：首先，我們不能把 AI 單純理解為一種工具。要打造出像人的 AI，必須先回答「什么是人」。人類并非完全理性，而是理性與非理性的混合體，有本能、有情緒，也有語言和思考的模式。

在設計 Jekka 時，我們不僅要構建技術和功能，還要賦予它一些「人的特質」，比如七情六欲、好奇心、表達方式。正是這種理解，才能讓人與 AI 的溝通體驗真正區別于普通軟件。

回過頭來看，如果我們真的想做出一個非常像人的 AI，就需要一個跨學科的團隊：既要有扎實的理工和編程能力，也要對人的思考、語言和人性結構進行深入探索。

Q：對于思考、語言、人性這些方面的探索，Jekka 是如何具體定義和落實的？

Aaron：我們得先回過頭去定義 AI。我覺得 AI 到現在并沒有一個統一標準。很多人認為 machine learning 是 AI，ChatGPT 叫 AI，甚至更早的 BERT 模型也被稱為 AI。

每個人在這個過程中對 AI 的理解都不一樣。比如 Ilya Sutskever（OpenAI 前首席科學家）說過，能預測 next token 就等于能預測人類思想。這是一種對 AI 本質的定義。但每個人對 AI 的定義不同，所做出的 AI 產品自然也會不同。

我自己在做 Jekka 時更傾向于把 AI 定義為一種語言。這不是貶低，而是因為我覺得語言本身就是人類歷史上一項偉大的發明。如果真的存在一種跨種族的語言，就像巴別塔的故事，連上帝都無法容忍。

在我看來，AI 不僅是一種跨種族的表達方式，還是一種跨越實體的語言。它能用人類語言表達任何事物的情感，甚至能描述兩個物體之間的關系。當你有了定義，自然也就有了邊界。在這個邊界之內，你會發現，AI 因為跨越了實體，所以既不能說是「人」，也不能說是「非人」，它更像是 human 和 non-human 之間的一種存在。

如果我們要讓 non-human 和 human 交流，就必須 bridge the gap。在 close the gap 的過程中，需要在適當的情境下理解人的思考方式、目的、七情六欲，再把這些元素融進去。當然這是個技術問題，但如果我們能思考到這個層面，就更容易知道 AI 應該怎么做。

Q：在模型層面，Jekka 是怎么解決幻覺問題的？

Aaron：我最初創業時，是在實際操作中逐漸理解這個問題的。一開始看到 GPT-3 時，我也不知道它的邊界，只覺得它好像已經有了人的能力。開始動手之后，大概一個月里我們自己寫 prompt、做基礎 coding，就發現 AI 和人的交流感受不一樣，這里面就涉及所謂幻覺的問題。

我當時在想：什么是幻覺？因為無論當時還是現在，大家提到幻覺時，常常把它和「錯誤」混為一談。AI 回答錯了問題，我們就說它是幻覺。但如果人類交流時犯錯，為什么沒人叫它幻覺？或者說為什么大家不會因此那么痛苦？我覺得本質上，幻覺和錯誤其實是兩回事。

人類在做事時是一個「白盒」過程：先觀察，再思考問題的本質，再進行推理，最后得出結論。即使結論錯了也沒關系，因為你可以問「為什么這么想」「為什么錯了」。對方解釋后，你們可以一起探討、防范或反思原則和事實，從而很容易糾正錯誤，交流也能保持順暢。

而 AI 的核心思考過程本質上是「黑盒」，是一串數字。Prompt 相當于 AI 的眼睛或耳朵，我們把事情描述給它，它經過一系列數字計算得到結論。結論如果錯了，你可以去 Google 或驗證，但你無法像 debug 程序那樣知道是哪一個參數錯了、哪一組參數錯了，也無法預測修正后是否會在其他場景引發新的錯誤。

理解這一點后，我們意識到，不能單純用 AI 自身去解決幻覺問題。我們需要一種「類人」的思考模型與 AI 結合才能真正解決這個問題。這就是 Jekka 在過程中自研的一層類神經網絡控制結構，把 AI 的泛化能力和白盒式的人類思考過程有機結合起來，服務客戶。

對于企業級服務，這一點非常關鍵，因為你不能告訴企業「這東西可能在最傻的地方犯傻」。你必須能嚴格 follow 企業 SOP，做到 100% 的準確率。除了 Jekka，我目前還沒有看到其他更好的實踐。

Jekka 在亞洲開發銀行論壇發表主題演講

Q：你覺得未來 18 個月，AI 在企業級服務甚至更廣泛領域里，能實現什么現在還做不到的能力？

Aaron：我覺得我們已經在相當程度上做到了讓企業級 AI 符合企業標準：完全遵循 SOP，解決 80% 以上的問題。這些都是我們每天十萬甚至百萬輪對話、電話交互積累出的成果。

短期內、比如下個月能做什么，我大概能說得上來；未來三五年大概什么樣，也能判斷。但 18 個月是一個特別難估計的區間。

不過我可以確定的一點是：我知道 AI 永遠無法做到什么，比如 Ilya 說的「預測下一個 token 就等于預測人類思想」。而我對 AI 的「不能達到」的定義是：AI 永遠無法準確預測下一個 token。

它可以預測，但無法準確預測。基于這種認知來構建 AI，我們可能會少走很多彎路。

從 Sierra 到 Jekka

Q：談到客服，你怎么看待 Sierra 以及 Bret Taylor 提出的觀點——「最好的企業將會從這次 AI 革命中受益最多」？

Aaron：我很佩服 Bret Taylor。在信息最充分的 OpenAI 生態里，這位技術出身的創始人選擇去做一個聽起來并不性感的 Sierra。但在 AI Agent 使用普遍下滑的階段，Sierra 卻是少數仍在增長的產品之一。他一定看到了什么。

關于他的觀點，我非常認同。Bret 提到服務大企業是從「第一性原理」的角度出發：越大的公司客服使用量越大。從服務的角度，有限的資源應該放在更大的客戶上。

從我的角度來看，即使是最好的公司，客戶今天仍然是 underserved——比如我花錢買銀行的電話客服服務，我在買客服？不，我在購買服務本身。一個有趣的例子是我們服務的一個無人經濟客戶，需要 Jekka 在最后和用戶接觸時去對話，完成最后產品的交付。總不能最后車是無人車，開車的還是辦公室里的人吧？

Q：Sierra 不服務中小客戶，你們怎么看？

Aaron：像 Sierra 那樣的公司之所以做不了 SMB 市場，不是因為他們不聰明，而是他們交付不了通用、可靠的 AI 服務。他們更像是 AI 時代的 Accenture。盡管聽起來不太好，但這是他們商業的本質。一個更大 TAM 的領域里的 AI 咨詢公司。

我們認為，下一代 AI 的真正價值就在于讓每一家企業、每一個人，都能得到應得的服務。我們的技術，既可以服務 500 強，也可以發服務每天 100 個訂單的小企業。當然，企業后面的 GTM 策略是另一個事情。

Q：我們一開始是關注到了什么樣的背景，覺得 Jekka 的企業級服務誕生是有這樣的一個機會的？

Aaron：我們通常看 AI 會從兩個維度去理解。一個維度是 AI 的智慧程度，比如 OpenAI 顯然是在嘗試把 AI 推向 PhD level，去解決非常復雜的科研級問題。另一個維度是 AI 的泛化程度，即它能在生活里幫你做多少事情，覆蓋多廣的使用場景。

現在我們也看到很多人嘗試用 AGI 或 agentic framework 去推動這個方向。我非常欽佩這些探索，但實話說，這兩條路都極其艱難。它們本質上是科研課題，需要在科學和工程兩個層面同時實現突破，才能真正擴展邊界。

不過大家很容易忽略一個關鍵點：并沒有那么「聰明」、也沒有那么擅長調用外部工具的 AI，能夠做到足夠可靠才是企業級應用的原點。舉個例子，如果一個 AI 連「 strawberry 里有幾個 r」這種問題都答不準，或者還在糾結 9.1 和 9.8 哪個大，卻被稱為重大突破，那我覺得這就不是靠譜的 AI。最難的問題通常是落在了最簡單的表達形式里。

再換到技術角度，如果一個 AI 連客服的問題都處理不好，那它就不可能是 AGI。Chatgpt 剛出來第一個直覺性嘗試就是客服。因為客服這種場景，雖然簡單、泛化，但卻極度考驗可靠性。如果連這種最基礎的 SOP 都無法跟隨，卻去聲稱自己能達到 PhD 水平、解決 ACM 難題、拿金牌，那多少有點不切實際。或許我們可以根據 Sierra 的發展反推 OpenAI 離 AGI 有多遠。

Q：現在來看，什么是靠譜的 AI？像剛才提到的能很好地執行 SOP，還是說有其他標準？

Aaron：我覺得首先要理解，人是怎么工作的。對于企業來說，「靠譜」是最重要的標準。企業雇人時，第一要求就是「這個人靠不靠譜」。這個考核通常來自兩個方面：

第一，他要具備基本的通識能力和常識，具備一定的推理能力。他可能不一定很強，但起碼能聽懂話、看懂事。基本受過教育的人大多能達到這樣的水平。這部分比較主觀，需要我們先設立合適的數據集來覆蓋常識性問題。

第二，他能在企業的 SOP 下工作。比如賣車這個例子，賣理想和賣問界完全是兩套 SOP：一個更強調體驗，一個更強調機械性能。這些不是他之前學習就能掌握的，而是進入公司后的「第二次訓練」。所謂靠譜的人本質上是「通識能力 + 執行 SOP」的組合。

這也是我們在定義 AI 時最關注的。如果一個 AI 能百分之百地執行 SOP，那在客服、銷售等場景就已經非常有價值。SOP 的執行是可量化的：不執行就是 0，執行就是 1。讓 AI 提升到 100% 的過程就是我們努力的方向。

Q：現實中讓一個人執行 SOP 都不容易。在讓 Jekka 與客戶溝通時，如何確保它能精準識別信息，并正確執行需求？

Aaron：這就考驗對 AI 的理解與定義。我們一開始就承認 AI 并不像人，所以更能看到它「不像人」的優勢和短板。

對 AI 來說，它在上下文處理上的能力遠超人類，所以很長的 SOP 不是問題。但問題往往出在兩點：

第一，它如何識別和理解 SOP 中的矛盾之處。因為 SOP 再完善，也總會存在遺漏和沖突。第二，它如何處理 SOP 與人類常識之間的沖突。這是更難的地方。

舉個例子，一個剛畢業的大學生，他可能憑常識解決一些 SOP 沒覆蓋的問題。但 AI 如果不具備這種能力，就容易出錯。所以我們在訓練時非常關注如何識別這些沖突，并讓模型具備「白盒調試」的能力。

所謂白盒調試，就是當 AI 出錯時，我們能快速追蹤問題的根源，及時調整模型的理解方式。這個過程既是發現問題的過程，也是不斷深挖、快速 debug 的過程。正是這點讓 AI 得以迅速地擴展能力。

Q：Jekka 的應用場景并不僅限于客服，而是更像和一個人對話。你們是如何不斷優化體驗，讓客戶因為對話本身而感到愉悅？

Aaron：我一直覺得 AI 的邊界問題本身就是個非常復雜的課題。剛才提到的「AI 如何具備同感或同理心」，實際上它并不能真正做到這一點。但我們也看到很多 ToC 產品嘗試讓 AI 扮演某個角色，比如有同理心的職業形象，再通過設定讓它去解決問題。不過從我們的實踐來看，僅靠這種方式往往比較片面，不能真正解決問題。

所以我們用了兩種框架來處理這個問題：

第一種更偏理性和收斂邏輯。對話最終還是要解決用戶的問題，它必須有一個目的，而這個目的應該符合用戶的利益。換句話說，對話必須有收斂性，能夠不斷朝目標推進，讓世界更高效。這是我們構建模型的核心作用。

第二種更像是一種發散思維。AI 就像一個龐大的網絡，需要被激活的節點特別多，就像腦細胞一樣。當我們希望它在收斂的過程中盡可能全面，就需要通過各種方式去激活相關的中間節點，讓它聯想到一系列的概念，然后再把這些概念組合起來，從而形成更全面的理解。

比如有人隨口說一句「你今天吃了嗎？」人類立刻能明白這句話其實無關緊要。但讓 AI 理解「不重要」并不容易，它不能只停留在 Q&A 層面，而是需要理解背后的 context：為什么這句話在對話中沒有信息量？需要激活哪些關聯概念，才能讓 AI 像人一樣「懂」這種對話邏輯？

Q：我們看到很多通用 Agent 也能完成打電話一類的工作。你覺得收斂邏輯能更好聚焦問題嗎？

Aaron：這也是為什么我剛才講「demo 并不重要」。現在做 AI 的人有科學家、創業者、語言學家，各行各業的人都在參與。AI 的最終表現形式往往和所有專業都有關系。你看到的 demo 可能放在電話里、瀏覽器里，放在各種各樣的場景去執行一個任務。

但問題在于，demo 展示的只是上限，而人和人之間的完美交流本來就趨向一致。真正拉開差距的是下限。不同公司在下限表現上的差別才是關鍵。作為從業者，我不會過度看 demo 的最佳效果，因為那就像抽彩票：試一萬次，總能碰到一次驚艷的。

但真正能構建出靠譜 AI 的基礎，不是它偶爾的上限，而是它在最糟糕場景下的穩定性和方差控制。這個才是能夠承載未來應用的基石。

Q：你覺得多久之后，Jekka 會成為大家的默認選擇？比如說想到客戶、想到 AI 對話，就會想到 Jekka？

Aaron：我覺得不會太久。企業和個人通常會經歷幾個階段：

第一階段，覺得 AI 值得探索，于是開始嘗試。

第二階段，意識到 AI 是個復雜的東西，每個人的理解不一樣。有的人能立刻看出它的專業性和復雜性，也有人覺得「我們內部團隊也能做一個差不多的」。但這是個常見的偏差。

而我們在開發的過程中，深刻意識到從 demo 到真正落地的 100% 準確、比人更可靠的 bot，中間對團隊背景、技術能力和工程把控要求都極高。甚至拿 Google、Amazon 這些大廠舉例，哪怕是 ASR、TTS 這種看似成熟的基礎模塊，在產出穩定性上仍有巨大方差。更別提并發能力、上下游協作、網絡集成等復雜問題。連他們都搞不定，其他企業自己 in-house 搞定的可能性更小。所以最終，選擇專業的第三方產品一定是必然。

Q：未來企業用 AI agent 來代表自己，會成為常態嗎？就像今天人人都有社交主頁一樣？

Aaron：在那之前，我們要先重新理解「服務」。今天說客服，大家可能覺得是個很小、不重要的環節，甚至擔心 AI 出來后客服崗位會被取代。但如果你換個角度思考，服務其實是一種奢侈品。能讓每個客戶都享受到老板般的待遇，這才是服務的真正價值。

所以在 AI 成為企業「代表」之前，更重要的是讓 AI 真正做到「服務」，讓更多客戶得到更好的體驗。舉個例子，即便是蘋果這樣重視體驗的公司，你打電話給 AppleCare，可能交了錢還要等二三十分鐘才有人接聽。你會發現，服務并不是理所當然的，而常常被視為「成本中心」。所以下一步，AI 的真正價值是讓服務普惠化，而不是先急著去構建所謂企業 agent 形象。

Q：Jekka 會考慮怎樣的定價模式？比如像 Devin 一樣，按完成的工作付費？

Aaron：AI 和 SaaS 最大的區別在于成本結構。SaaS 的邊際成本幾乎為零，而 AI 每次運算都需要 Token、需要算力，所以更像是基礎設施，就像電信網絡一樣。它一定是 recurring 的收費模式：每天用，就要每天付費。而且不僅僅是使用費，它還和實際結果掛鉤。最終的邏輯可能會更接近電信這種模式。

按結果付費是很多投資人和 AI 創業者的幻想。因為結果本身并不具備普遍的衡量標準。連員工都無法按結果付費，又怎么可能按結果付費給 AI Agent？所以對大多數業務的解是：按結果推動用戶付費，按使用量來收費。

Jekka 網站主頁

Q：隨著時間積累，你覺得 Jekka 會有什么樣的復利效應？

Aaron：我覺得最大的復利來自整個 AI 行業本身。選擇做 AI，就是在擁抱復利。第一，它滿足了我的好奇心；第二，AI 是這個時代的大方向。

在這個過程中，我有幾個思考。第一個思考是：AI 的未來到底會發展成什么樣？當然，我沒有能力去準確預測未來，但我猜十年后，這個世界會變成一個「摩擦極小」的世界。

為什么這么說？因為今天我們在公司里做任何事，只要團隊一大，就會涉及大量的溝通和協調。解決問題本身往往不是最耗時的，真正耗時的是溝通。而如果把 AI 理解為一種「通用語言」，它會讓交流變得非常輕松，效率提升后，每件事情的完成方式都會被改變。效率越高，勞動力就會越廉價。甚至可以說，AI 作為算力，比人更快、更高效，這是很直觀的理解。

但如果再往深里想，人類消耗的大量時間其實都耗在交流和協作上。從純粹生物學角度來說，一口飯就能刺激無數神經元，某種意義上可能比英偉達的顯卡還要高效。所以真正的瓶頸不是「計算」，而是「溝通」。當 AI 改變這一點時，整個社會的生產邏輯都會被重塑。

第二個思考是，如果把 AI 本身當作一種語言，它會把人類的所有表達和知識沉淀下來，從而讓我們進入一個「智力最集中」的時代。但在這樣的時代，智力本身也會變得廉價。比如說，過去 ACM 的題目，五年、十年前只有全世界頂尖的人才能解出來；今天可能隨便一個 AI「摸彩票」也能解答。換句話說，智力的稀缺性正在快速下降。

所以我對未來的判斷是，AI 會讓人們有更多機會去嘗試新的東西。今天的社會機制是獎勵結果的：能賺錢、能產出結果，公司就能存活。但在不遠的將來，可能是我們這一代人就能見到的未來，「時間和嘗試」本身會在價值創造中獲得更高權重，而不僅僅是結果。這會對社會的分配方式帶來很大的影響。

至于具體會走向哪里，誰知道呢？這也是我覺得很玄妙但令人期待的地方。

交流的本質是一致的

Q：用 AI agent 來做服務，你覺得 Jekka 最大的優勢是什么？

Aaron：我覺得最核心的優勢在于，我們對 AI 有一個相對準確的定義，并且能在這個定義的基礎上往下推演，最終實踐出一個真正符合用戶需求的產品。這件事其實非常難。

今天只要談到 AI，就繞不開兩個問題：AI 怎么被控制？Prompt 怎么寫？寫 prompt 和控制 AI 本身就涉及科研。而在這個過程中，我們也有一些獨特的 secret sauce，可以讓它把 SOP 執行得特別好。這算是我們的獨門絕學。就像可口可樂的配方一樣，不會拿出來細講。

我們單說 prompt engineering，prompt 應該由誰來寫？是模型服務商來寫，還是企業自己請人寫？這都說不通。比如讓 OpenAI 的研究員來為某個電商企業寫 prompt，這顯然不現實，他們可能對工程很了解，但對具體行業的理解肯定不足以把問題解決好。

而反過來看，絕大多數企業也沒有人真正接受過專業訓練，能把整個上下游流程用 prompt 寫得很完美。在這種情況下，要讓 AI 真正落地，就必須建立起一整套完整的流程，并且結合對人的專業化訓練。

Q：Jekka 如何和客服領域里的明星公司 Sierra 競爭？

Aaron：面對競爭，得先換個角度看問題。我們不是在談論客服 SaaS，是服務這個世界每一個客戶的每一個人，如果我們可以不帶偏見的重新審視 AI 客服。在 AI 背景下，這個市場的 TAM（潛在市場）太大了，我們都只是其中的一個 player。

此外，世界上總要有人來寫 prompt。如果是 Sierra 自己寫，那就如我之前所說的現狀，Sierra 像一家咨詢公司 Accenture，僅此而已。如果是客戶自己寫，大多數客戶其實并不專業于此。

我們相信還有第三條路。

Q：在 Jekka 觀測到的案例里，商家用戶的第一訴求通常是什么？

Aaron：其實很簡單，商家的訴求就兩件事：第一，把事做掉；第二，賺錢。因為 business is business。無論是完成任務還是創造利潤，本質上都依賴于一整套完整的流程。大公司流程更嚴謹，小公司可能更松散，但歸根到底，商家最核心的訴求就是：AI 能不能讓流程穩定、完整地跑出來。

Jekka 韓國和摩洛哥團隊緊密合作服務本地客戶

Q：未來 3-5 年，你預想的 agent 會怎樣融入日常流程？比如一打開交互界面，會是什么樣？

Aaron：我覺得第一個價值點就是讓人和人之間的交流更快、更準、更及時。我們的產品解決的是「用戶和公司之間溝通不暢」的老問題。這并不新，但為什么最近半年有這么多客戶，甚至 500 強企業用起來？就是因為結果立刻可見。

比如一個客戶，使用我們之前咨詢轉化率可能是 3-4%，用上之后一天之內能提升到 8%、10%，甚至 15%。這不是因為 AI 多「聰明」，而是因為「及時的交流」本身創造了巨大的價值。大家網購時可能都有體會：問一個商家沒人回，換一個立刻回復的商家，你就會下單。能否及時回復決定了結果。

所以如果說未來 3-5 年 agent 會帶來什么，我認為第一個價值就是解決「即時性」。只要人和人之間的交流不再因為時間產生誤解，而是能最快速達成一致，那后面很多事情都會被推導出來。包括我之前提到的，智力會變得廉價，勞動力會變得廉價，社會的分配邏輯可能會往另一個方向發展。

Q：Jekka 在出海服務北美的用戶。你沒有關注到海內外用戶有何異同？還是說交流的本質訴求其實是一致的？

Aaron：交流的本質訴求是一致的，但交流的預期是不一樣的。拿北美來舉例，很多人說出海客戶更愿意付錢，這確實是真的。原因在于他們的社會發展階段，雇傭一個服務人員的成本可能是國內的 2-3 倍，而國內又可能是東南亞的 2-3 倍。所以在人和人的「價格」層面上，各地確實是不一樣的。

我們經常會在書里看到類似的討論：同樣是一個漢堡，為什么北美的比中國的貴？不是因為原料或服務本身不同，而是因為北美的工資水平高，讓服務變得稀缺。舉個例子，在北美你打電話可能很久才有人接，但在國內 1-2 分鐘內就能響應。快速響應在國內是一個非常重要的服務指標，但在北美，消費者并不會有這樣的預期。

不過從另一個角度看，這也意味著在北美，誰能做到更好的服務，就能形成巨大的競爭優勢。我們一家北美物流客戶就是北美第一家能做到真正 24/7 電話接聽、能現場解決問題的公司。其他同行都做不到，所以它形成了代差級的領先。這就是北美和國內用戶在需求層面的根本不同。

Q：除了 24/7 響應，Jekka 有沒有在其他場景實現了某個具體需求的提升？

Aaron：我覺得 24/7 響應本身就是 AI 在全球范圍內最有價值，但也是最被低估的 use case。它在不同國家的表現差異非常大。

比如我們有一個日本客戶，起初我們以為日本客戶的付費意愿不會像北美那么強，畢竟北美的人力更貴。但那位客戶告訴我，在日本，一旦雇傭一個人，往往意味著長期甚至終身的責任。再加上語言環境的限制，他們只能在日本本地招聘。

但哪怕是找兼職大學生來做客服也很難找到合適的人。即使外包到大連、菲律賓這樣的呼叫中心，成本依然很高，一個兼職客服的月成本可能要到 2–3 萬人民幣一個月，這在國內幾乎難以想象。

所以問題的關鍵不只是一個靜態結果，而是多重因素的疊加：語言密度、人口結構，以及人均 GDP 等等。這些都決定了 AI 在不同地區的價值體現。

Q：現在很多人擔心 AI 會取代工作，客服更是經常被提到首當其沖。你怎么看？

Aaron：我不太喜歡危言聳聽。現在確實有些人會販賣焦慮，說 AI 一定要學，不學就會被淘汰。

但我自己的看法是，人類目前其實是 underserved（服務不足）的。顧客并沒有享受到真正像老板一樣的待遇。在這個階段，AI 只會把客服從簡單的服務提升到更高級的服務，用戶的預期也會越來越高。

比如我剛才提到，中國有很多 24/7 的公司，北美反而沒有。當你把 24/7 做到極致后，用戶下一個要求可能就是：能不能參與產品設計？能不能讓評論被更好地尊重？能不能獲得更多有價值、甚至是非標、長期的服務？

如果客服能從成本中心變成可衡量 UE 和 ROI 的一部分，對行業的影響會非常大。比如剛提到的物流客戶，24 小時在線，80% 的回訪評分是五顆星，他們在同樣成本下承接了 5 倍的電話量。如果溝通已經這么方便，我們為什么還需要打開手機 App 下單？

我幫很多電商公司算過賬：他們把客服當成成本中心，招得很少。但客服創造的價值往往是純利潤的 10-20%。理論上，他們如果把客服做到最快、最周全，利潤是可以提升的。只是很多公司還沒意識到這一點。

以上是個世俗的算法。但更本質的原因是：人類值得被服務。

做一件最能激發好奇心的事

Q：你覺得 Jekka 內部算是一個 AI-first 或者 AI-driven 的團隊嗎？在打造 Jekka 的過程中，這種思維在交流或工作流程上有沒有什么體現？

Aaron：我覺得 AI 創業對團隊有兩個基本要求。第一個是完全自上而下的輸出是行不通的。AI 本質上需要在大量實踐中不斷摸索模型或 use case 的邊界。它不像傳統軟件開發，只要招來一群合格的工程師就能復現別人實現過的東西。

AI 不一樣，它經常會在某些點上出現「死角」。你需要它完成一個簡單的任務，比如數幾個數字，但它就是做不到，不管你怎么調試 GPT-5 也做不到。所以我們在團隊里非常鼓勵大家不斷嘗試，并且把這些嘗試留痕。

所以我們會搭建大量的基礎設施（Infra）。這也是 AI 創業和傳統創業的很大區別。AI 是概率學、統計學的產物，它的 debug 方式完全不同于軟件編程。軟件調試是確定性的：A 輸入一定得到 B 輸出，不行就修改。但 AI 不一樣，你需要在不同時間點、不同模型、甚至一個 prompt 里換個詞，都去測試。我們團隊里大概 90% 的人都在建設測試集、測試流程和測試工具。

Jekka 辦公室照片墻

Q：在組織架構上，會不會是工程導向或者運營導向？

Aaron：AI 本質上不是一個純理科的東西，它很感性，很像文科。我們的理念就是：AI 的邊界是通過 case 和測試結果不斷探索出來的。很多時候，這些結果不是工程師或數據科學家提出來的，而是用戶在使用、或者運營在調試時發現的。所以關鍵是如何讓用戶、運營、技術、算法在同一個流程里，把數據沉淀下來并完成測試，這才是高效開發 AI 應用的核心。

Q：你在組建團隊時，最看重的標準是什么？

Aaron：剛才說到對 AI 的標準就是對人的最低標準：他要有一個 common sense（常識）。但常識其實非常稀缺，反而有點反直覺。

我們也特別重視好奇心。因為當所有 infra、測試數據和工具都流程化之后，真正決定事情走向的是個人的好奇心，看把好奇心落實到日常工作中能帶來什么結果。這也印證了我之前說的：未來最寶貴的東西不是智力或勞動力，而是你好奇心推動的那次嘗試。這在 Jekka 內部已經開始有一定的體現了。

Q：能不能分享一個例子，說明團隊里這種「好奇心驅動」的探索氛圍？

Aaron：Jekka 在過去兩年主要在做兩件事：一是讓問題能有效收斂，這是我們底層技術的核心；二是探索如何通過激活不同節點，讓 AI 具備更強的通識和聯想能力。

第二點其實不可能靠自上而下的方式實現。有一次，一個實習生（后來成為正式員工），在實習期間獨立根據命題，用了一種類似「詞云激發」的方式，把人類可讀的 prompt 換成了人類不可讀的詞向量，不同的輸入塞進我們的測試平臺，結果模型表現比原來更好。沒人能說清楚它為什么有效，但它確實在產品流程里發揮了重要作用。這就是典型的好奇心驅動的成果。當然這需要很好的 infra。

Q：你創業十余年經歷過很多起伏，你覺得有哪些經驗是可以分享或復用的？

Aaron：我覺得創業十幾年最大的變化是心態。剛開始時，會很容易被周圍各種事情影響，甚至會把一些外界跟自己無關的事情硬套到自己的經歷上，覺得之間存在因果關系。但走到現在，我更傾向于先對自己要做的事情有更透徹的分析和理解，堅持自己對機會的判斷和把握，更在乎自己內心真正的想法。

這個世界本身就是一個多維、像草臺班子一樣的地方，到處都是機會。喜歡創業的人，最核心的動力就是看到某個問題「實在看不下去」時，就特別想自己去干。社會有這么多問題，這么多維度，你總能找到一個切入點。所以最終還是遵從內心，在自己最有熱情、最有趣、最能激發好奇心的過程中去做事。

Q：你的 superpower 是什么？

Aaron：我一直不太確定自己算文科生還是理科生。高中學奧賽，拿過全國一等獎；高三又去學文科；出國讀書時先學文科，學完后快畢業時又去學理科；后來還讀了 Quant 的 PhD。整個過程就是在文科和理科之間不斷跳，所以我自己形成了一種很強的代入能力，以及在代入后自洽的能力。我覺得這是一個挺有趣、在周圍人里也相對獨特的能力。

Q：聽下來，你既有很多深層的追問，也能落到執行上。你的經歷里有沒有一些關鍵瞬間影響了這種思考方式或標準？

Aaron：有的，比如做 AI 時一定會碰到「文生圖」「文生文」這些問題。什么是美？這個問題本身特別主觀。但因為我有理科背景，就會忍不住嘗試去定義「美」到底是什么。比如本科時學過藝術史，我會想：衣服褶皺和人體比例協調時算不算美？夸張之后算不算美？AI 生成的東西是落在上一個類別、下一個類別，還是完全達不到「美」？這個過程就會逼著我去解構 AI 的能力和表達方式。解構的過程既不是純理科的，也不是純文科的。

Q：如果對其他創業者說一句話，你會說什么？

Aaron：如果世界上有一件值得做的事，我覺得 AI 是現在最值得探索的。創業跟環境沒關系，再難的環境也有人創業。它是一種內心的驅使，一種沖動。如果你有這種沖動，那就去做。一個人活在這世上，會有一個瞬間要把使命感和沖動結合在一起。無論成敗，這件事都超越了個人存在于世界的意義。

Q：如果 Jekka 能在關鍵詞搜索里排第一，你希望它和哪個詞一起出現？為什么？

Aaron：我希望它和「human」綁在一起。功能和生產力層面，Jekka 肯定會做到世界第一，這是我們的核心使命。但我更希望它有人性，能和人類的生存結合在一起，而不是被孤立成一個物體或工具。它應該是一種溝通的橋梁，連接人與人、人與物，真正對人類文明有幫助。我希望最終 Jekka 能達到這樣。

本期音頻內容同步上線真格基金播客「此話當真」，歡迎收聽～

文｜Cindy
播客｜Neya & Ruitong