免費閱讀26 次瀏覽

關掉年營收百萬美元的公司重新來過：Town 創辦人談從 AI 報稅轉型企業 AI 代理人

站長

一家成立一年、營收接近 100 萬美元、明年有機會做到 250 萬到 300 萬美元的新創，創辦人卻決定關掉它。前 Plaid 技術長 Jean-Denis Greze 在 a16z 的節目中，和 a16z 合夥人 Alex Rampell 聊了這段決定：為什麼一門賺錢的生意，在 AI 時代反而「不值得做」；他如何把公司從小企業報稅工具，轉型成企業用的 AI 助理 Town；以及他怎麼看自己同時是 OpenAI、Anthropic 的客戶又是競爭者這件事。

以下是聽完後的重點整理與評論。

誰在對話？

Jean-Denis Greze：Town 創辦人暨執行長，曾任金融科技公司 Plaid 技術長；他與共同創辦人都曾在 Dropbox 工作。
Alex Rampell：a16z 合夥人，負責應用類軟體投資，當年主導 a16z 投資 Plaid。

關係揭露： 節目由 a16z 製作，Rampell 在節目中表示 a16z 已投資 Town，他本人也是 Town 的重度使用者；a16z 共同創辦人 Ben Horowitz 也是 Town 用戶。節目說明欄也註明 a16z 可能持有節目中討論公司的部位。因此本集對 Town 的評價，自然帶有投資方立場。

創業第一站：小企業報稅

Greze 離開 Plaid 後，先休息了幾個月陪家人，接著以 B2B（企業對企業）的角度尋找 AI 能徹底改變產品體驗的市場。他選了小企業報稅，理由很直接：稅務充滿文字，大型語言模型最擅長處理文字；輸入資料又多是財報、租約這類格式固定的文件。他們做了技術評估，確信兩年內，從財報與文件到完成一份企業報稅申報書，整個流程都能被 AI 自動化。

他們花了一年把產品做出來。Greze 說，產品本身是成功的，失敗的是市場推廣：就算確定報稅一定會被自動化，要怎麼有效率地觸及數百萬家企業、把產品賣出去，問號比預期多得多。

為什麼關掉一門賺錢的生意

第一年營收略低於 100 萬美元，他們估計第二年可做到 250 萬到 300 萬美元。Greze 說，如果是 AI 出現之前，這是很漂亮的成績；但在 AI 時代，這不會是一家能長成創投等級規模的公司。他的理由有幾層：

既有業者追得上。 新創的優勢是速度與不同的產品、推廣方式，但牆上有一個倒數計時器：你必須在既有業者用同樣技術追上、並靠原有通路優勢反擊之前，先建立口碑與市占。報稅業者可以直接用 AI 幫現有客戶自動化，速度可能比新創搶市占還快。
一年只賣一次。 報稅是年度性的，無法成為每天都會打開的工具。Rampell 補充，它不可能變成「每日活躍」的產品。
口碑傳不開。 很少人會炫耀自己的報稅經驗；就算有，也是報完稅之後，剛好不是別人在找新會計師的時候。Greze 說，一位做教育科技的朋友也有同樣困擾，學校一年只有兩個採購時段，他當初「選擇忘記」這個教訓。

第一個報稅季結束後，他和共同創辦人花了一週邊散步邊喝咖啡，最後決定換方向。Rampell 說這很勇敢，因為公司並不是做不起來。Greze 坦承當下感覺像失敗，但他回到創業的初衷：一是想對世界產生影響，二是想和團隊一起工作。如果自己不再相信公司能有好結果，就很難每天面對團隊，也很難說服手上有其他上市公司 offer 的求職者加入。

他說，最難的是向別人承認失敗、向稅務團隊說公司不做報稅了。但想通之後，朋友不會因為你成敗就不是朋友，員工可以給予妥善的資遣與協助找下一份工作，決定其實沒有想像中難。

時間壓力也幫了忙。因為報稅是年度循環，他們只有大約 10 月中旬起一個月的空窗期可以轉型：不能在 4 月報稅季剛過、才答應幫客戶報稅後轉向，也不能在 1 月簽下一半合作夥伴後才轉。他認為，非循環型的生意反而容易一直告訴自己「再試一個月看看」，結果一年後連轉型的資金都沒了。

小評： 這段最值得創業者記住的是「賺錢不等於值得做」。Greze 評估的不是公司能不能活，而是在 AI 讓既有業者也能快速複製的情況下，新創有沒有足夠時間跑贏對手。年度循環、低使用頻率、缺乏口碑擴散，三者加在一起，讓這個市場很難規模化。

轉型：從報稅到 AI 助理 Town

他們認真評估了大約四個方向。最後成為 Town 的靈感，其實來自報稅客戶：客戶常說，自動報稅很棒，但他們也花很多時間安排會議、開會前忘了會議要談什麼、客戶總是問同樣的稅務問題，「能不能幫我先擬好回覆？」

Greze 發現，這些工作都不複雜，卻沒有人在電子郵件與行事曆上做出好用的 AI：會議安排、會前準備、會後追蹤、回覆常見郵件、幫人準備好一天的行程。他們開始做的時間點，剛好碰上 Anthropic 的 Claude Opus 4.5 推出、AI 代理人（能自主完成多步驟任務的 AI）在寫程式上越來越能獨立工作。這個簡單洞察加上模型能力的突破，讓他們很快找到產品市場契合（product market fit，也就是產品真正解決了使用者需求、使用者主動拉著你往前走）。

他說，從去年 12 月到今年 4 月，產品每天成長約 1% 到 1.5%，客戶不斷要更多功能，路線圖非常清楚，於是結束封閉測試正式上線。他們後來發現，多數企業本來就靠電子郵件與行事曆運作，尤其是業務、商務開發、招募這類對外角色，市場規模比想像中大，而且不只在美國；Rampell 提到 Town 甚至意外在日本很受歡迎。

Rampell 也分享了一個插曲：Ben Horowitz 傳訊息給他說發現一個很棒的工具叫 Town，「改變了我的人生」，他一看才發現是自己熟悉的那位做小企業報稅的創辦人，一週後 a16z 就成為投資方。

他怎麼看這個商業模式

先讓使用者愛上，再去搞定企業

Rampell 點出一個關鍵：企業軟體常常「付錢的人不是用的人」。付錢的是資安長、IT 部門，用的是第一線員工，如果只討好付錢的人，很容易做出難用的產品。

Greze 引用他在 Dropbox 的經驗：從世界級的產品體驗出發，再補上企業需要的功能，雖然辛苦但做得到；反過來從合規、IT 需求出發，再想辦法讓產品變好用，幾乎不可能。所以 Town 先專注在產品體驗與自助式成長（PLG，product led growth，讓使用者自己註冊、自己用出價值，而非靠業務推銷），同時把資料安全與隱私的基礎打好，之後再補上企業管理功能。

他的判斷是，企業主管在個人生活中體驗過好用的 AI 助理後，會要求公司也導入同樣的體驗。Rampell 用 iPhone 取代 BlackBerry 的歷史比喻：很多執行長在聖誕節拿到 iPhone，用過之後就要 IT 部門「想辦法讓它在公司能用」。Greze 補充，他也不想成為當年在 iPhone 上做企業郵件、號稱合規卻很難用的 Good Technology。

從郵件與行事曆起步，一步步「贏得」更多權限

Greze 認為，AI 代理人能掌握的資料越多、能呼叫的系統越多，就越有用。但企業不可能一開始就把核心系統全部交出來。他的做法是：先只連接郵件與行事曆，讓使用者感受到價值，例如幫你準備會議、依最新數字更新簡報；接著才「贏得」請你連接客戶管理系統（CRM）等核心系統的權利。企業端則需要稽核紀錄、敏感資訊隔離，以及讓財務長看得懂 AI 費用花在哪裡的成本控管。

所以他的策略是：產品體驗與自助成長鎖定中小企業與中型企業，因為他們規範少、導入快；資安、合規與財務功能則對準大企業。

Town 是一台「算力分配機器」

Greze 把 Town 定位成「幫人找到越來越多地方使用 AI」的產品，他稱之為 token 分配機器。token 是 AI 模型計費與處理文字的基本單位，可以想成 AI 的工作量。隨著 token 越來越便宜，很多以前不值得做、也不會叫人做的事，現在都值得交給 AI。

他舉了兩個例子：

會前準備。 就算有秘書，也不會為每一場 30 分鐘的會議寫完整的會前筆記；但 AI 可能只要一美分，還能順便查與會者最近在 X 上說了什麼。
餐廳比價。 餐廳的批發商每月或每季寄來上千項商品的價格表，理論上應該定期比對有沒有漲價、要不要換供應商，但幾乎沒人做。用 Town 花五分鐘設定每月自動比對，一個月成本約一美元；就算 12 個月中有 11 個月什麼都沒找到，找到的那一次可能就省下數百甚至數千美元。

Rampell 把這連結到傑文斯悖論：瓦特改良蒸汽機後，煤的用量不減反增，因為效率提升讓用途暴增。過去請得起執行秘書的人很少，但如果助理能用晶片「量產」，市場會大得多。他也指出，問餐廳老闆「要不要一個執行助理」，對方會一頭霧水；問「要不要每年幫你在生菜上省 500 美元」，答案就是要。

先橫向、再垂直，用 AI 打造「客製化軟體」

Greze 認為，AI 產品的功能會越來越相近，靠「功能領先」建立優勢會越來越難。他的賭注是讓 AI 為每位使用者客製化：電工、創投、秘書註冊後，看到的建議自動化項目各不相同。

做法是：Town 不看使用者資料，只看彙總數據找出重度使用者，再去訪談他們，例如十位經營餐廳的重度使用者有哪五件事是共通的，然後做成範本（Town 稱為 routines）。新使用者註冊時，系統從信箱判斷你可能是餐廳老闆，就推薦這些範本。訪談本身也能用 AI 自動排程與記錄，讓整個流程「以 AI 的速度」而非「人的速度」運轉。他也指出，一個人往往同時有好幾個角色，例如餐廳老闆也兼管財務、出租度假屋、安排孩子的暑期活動，所以需要的是貫穿各種角色的客製化。

他特別拿這個做法和 AI 實驗室常見的前線部署工程師（FDE，forward deployed engineer，派工程師進駐客戶公司、了解流程後幫忙打造客製化系統）模式對比。他認為 FDE 現在看起來很好，但隨著模型越來越強，這種靠人工的方式反而會越來越不划算，用 AI 自動化打造客製軟體的方式會更能規模化。

小評： 這套邏輯的核心是「AI 越便宜，值得做的小事就越多」，而真正的難題不是 AI 能力，而是讓使用者知道原來這件事可以交給 AI。這也是為什麼他強調推薦與範本，而不只是給使用者一個輸入框。

他怎麼看 AI 代理人的競爭

和自己的供應商競爭

Rampell 問了最尖銳的問題：OpenAI、Anthropic 也都能連接各種服務了，Town 的價值在哪？他也點出這個時代的怪現象：90 年代賣網路設備的 Cisco 從沒想過自己去開書店或拍賣網站，但現在提供 AI 模型的公司正在往應用層發展。

Greze 坦言，和自己的供應商競爭本來就有風險，對方的成本還比你低。他說「小答案」是 Town 在郵件與行事曆體驗上想得比別人深，但這個優勢別人隨時可能追上。他的「大答案」有四點：

中立。 他會問中型企業：你知道未來三到五年哪家模型最好嗎？沒人知道。買了某家實驗室的產品，就只能用那家的模型；Town 則會依當下情況選擇最適合的供應商，包括語音、影片、簡報等不同能力，也包括開源模型。他舉例，有些公司兩年前選了 OpenAI，後來 Anthropic 在寫程式上領先了約一年，只好兩家都用。
資料與脈絡歸企業所有。 他認為，AI 對你公司的所有了解，也就是資料、記憶與脈絡，是企業的新資產，應該完全屬於企業，而且要能在一天內轉移到其他服務。他承認這會降低客戶的轉換成本，但這正是他的賣點；他也批評派 FDE 進駐的做法，本質上是在提高客戶的轉換成本。
不拿客戶資料訓練模型。 他認為，公司的經營方式一旦進入別人的模型權重，等於把讓你成功的東西賣給別人。
更敢讓 AI 做決定。 例如 Town 的團隊版能讓不同員工的 AI 代理人彼此詢問：「公司裡有沒有人認識這家潛在客戶財務部門的人？」過去要在 Slack 發問、等一天才有答案，現在可以立刻得到。Rampell 形容「人類是很慢的路由器」。Greze 認為未來需要人類介入的環節會比現在少很多。

他也提到，OpenAI 正在打造與 Rogo、Harvey 等垂直領域 AI 新創競爭的產品，企業應該思考實驗室會往上游延伸到什麼程度，不該被單一應用綁住。

「金髮女孩區間」與時間差

Rampell 提出一個有趣的觀點：太小沒人在意，太大會成為實驗室的頭號目標。寫程式的市場就是太重要了，Anthropic 不可能放手；而 Town 這種橫向、分散的應用，短期內對實驗室來說還不是非做不可的事。

Greze 部分同意，但他認為「AI 幫企業做更多事」的市場比寫程式更大，實驗室進場只是時間問題。他估計現在還不會動到大型實驗室的營收，但 12 個月後就會，而且變化會非常快。

AI 沒有普及，問題不在智慧而在「動手的人」

Rampell 認為矽谷可能高估了 AI，但世界其他地方明顯低估了 AI。Greze 舉了一個例子：某個海島上出租衝浪板與沙灘車的小店，用 Town 比對歸還前後的照片，判斷要不要退押金。他說這完全不在自己的預期內，而關鍵是那家店裡剛好有一個愛動手研究的人。

他的結論是，AI 擴散慢，是因為世界上這種願意動手的人不夠多。ChatGPT、Claude 裡早有很多能幫小企業省時間的功能，但多數人只把它們當成更好的搜尋引擎。所以產品不能只是一個輸入框，必須主動展示價值、直接幫使用者做好。他說，使用者會留下來的關鍵，是連接郵件、行事曆和一個核心系統，並且建立過一個超出預設功能的客製化流程；他的目標是讓這一步也自動化。他也提到，近兩個多月來，AI 助理操作電腦與瀏覽器的成功率大幅提升，但多數人還沒體驗過。

中立代理人與被打破的廣告契約

最後一段，Rampell 談到網路上長久以來的「廣告契約」：網站免費提供內容，換取你看廣告。當 AI 代理人代替人上網，這個契約就被打破了。他指出 Amazon 對代理人採取較對立的態度，因為它有龐大的廣告生意。

Greze 主張，使用者應該擁有一個中立的代理人，唯一收入來源是使用者本人，才能給你不受廣告影響的資訊。他也提醒，不是所有摩擦都該消除：在紐約 SoHo 逛街是享受，買衛生紙則只想越快越便宜越好；幫孩子買樂高時，看到其他積木玩具的廣告反而有幫助。

他認為 Amazon 不該封鎖代理人，因為「沒有介面的 Amazon」可能是比 Amazon 更大的生意；更好的反擊是推出自己的個人代理人。他也以 Meta 的 Muse 為例推測：Muse 也許永遠不需要放廣告，而是用從 Muse 得到的資訊在 Instagram 上更精準地投放廣告，讓變現和代理人體驗脫鉤。他的總結是，過去「把供給集中起來」很有價值，是因為人的注意力有限；當注意力可以被自動化，這種價值會大幅下降。

Rampell 則補充，有錢沒時間的人過去不會用比價網站、不會花兩小時找優惠券，但 AI 代理人能替他們做到，這會打破許多原本靠「時間成本」區隔客群的商業設計，例如信用卡權益與優惠券。

小評： Greze 的競爭策略可以濃縮成一句話：既然打不贏實驗室的模型與成本，就站在企業這一邊，主打中立、資料可攜、不拿資料訓練。這套說法在企業擔心被單一供應商綁住的時候很有說服力；但它的前提是實驗室不會在這些面向上讓步，而且 Town 的產品體驗要一直領先。

這對讀者代表什麼

「能賺錢」和「值得做」是兩回事。 對創業者與上班族都一樣，評估一件事不只看現在的成績，也要看在 AI 加速下，既有競爭者多快能追上。
AI 最先幫上忙的，往往是沒人想做的小事。 會前準備、價格比對、照片比對這類「值得做但沒人做」的工作，是一般人與小企業最容易從 AI 得到好處的地方。
選 AI 工具時，想一想「被綁住」的風險。 你的資料與 AI 對你的了解能不能帶走、能不能換模型，可能比單一功能好不好用更重要。
AI 已經比你上次試用時強很多。 如果你兩年前試過覺得不好用，值得再試一次。

未來投資可以留意的方向

以下為本站編輯的評論與觀察清單，不是節目中來賓的說法，也不構成投資建議。

AI 實驗室往應用層擴張： OpenAI、Anthropic 等公司若持續推出垂直產品，應用層新創的定價與市占將承壓。可觀察實驗室產品營收與 API 營收的比重變化。
「中立層」與多模型路由： 若企業普遍擔心被單一模型供應商綁住，能整合多家模型、讓資料可攜的平台可能受惠；風險是實驗室以價格與整合優勢壓縮其空間。
既有軟體業者的 AI 升級： Greze 放棄報稅的理由之一，是既有業者能更快用 AI 服務現有客戶。這提醒投資人，擁有通路與客戶基礎的既有業者，未必是 AI 的輸家，可觀察其 AI 功能的採用率與營收貢獻。
電商與廣告模式的轉變： 若 AI 代理人大量代替人購物，依賴廣告與流量的平台（如 Amazon 的廣告業務）可能面臨壓力，而能推出自家代理人、或不依賴廣告的零售商可能有新機會。這是長期趨勢，短期影響難以量化。
算力需求： 「token 越便宜、用途越多」的傑文斯悖論若成立，整體 AI 推論需求將持續增加，對雲端與晶片供應鏈是長期支撐；風險是價格下滑速度超過用量成長。

主要風險： AI 實驗室加速進入應用層、企業導入速度慢於預期、資料隱私與資安事件，以及 AI 應用新創估值對市場情緒高度敏感。

來源

節目原始影片：Why a $1M Startup Wasn’t Worth Building in the Age of AI（YouTube／a16z，2026 年 10 月 19 日）
Town 官網：town.com
本文為聽後整理，文中數字與說法皆為來賓或主持人於節目中的陳述，未經本站獨立查證。

非逐字翻譯、觀點整理，不構成投資建議。