Ramp首席执行官埃里克·格莱曼解释了他对人工智能的观察 - 彭博社

美国德克萨斯州奥斯汀的安纳普尔纳实验室的一款人工智能芯片。

摄影师：塞尔吉奥·弗洛雷斯/彭博社 理论上，所有这些人工智能支出都必须带来某种回报。公司（或其他最终用户）必须从其输出中获得切实的价值，以证明在研究、芯片、能源等方面花费的数十亿资金。那么，企业层面上实际发生了什么？在这一集中，我们与Ramp的联合创始人兼首席执行官埃里克·格莱曼进行了交谈，Ramp帮助企业管理其支出。因此，他在实际支出和谁真正获得资金方面具有前排可见性。我们讨论了他在支出方面看到的趋势，这些支出流向像OpenAI和Anthropic这样的公司，以及人工智能技术如何影响他自己业务的运营。此转录经过轻微编辑以提高清晰度。

## 奇怪的交易

公司现在如何实际花钱在人工智能上

43:29

**播客的关键见解：**Ramp的业务及其如何找到市场 — 03:05查看企业人工智能支出 — 05:14支付API调用所带来的不同 — 9:30哪些行业在使用人工智能？ — 12:43节省和削减成本或工作 — 14:38人工智能资源的支出流向 — 16:36过去五年销售的变化 — 23:39Ramp正在抓取的数据及其用途 — 26:00人工智能在销售中的运作 — 27:45人工智能与工作消失 — 31:12隐私和版权 — 33:25寻找客户数据和系统中的浪费 — 35:23

---

**乔·韦森索尔 (00:18):**你好，欢迎收听另一集 奇异的交易 播客。我是乔·韦森索尔。

**特雷西·阿洛威 (00:23):**我是特雷西·阿洛威。

**乔 (00:25):**特雷西，我们在1月8日录制这个节目。我们在本周的通讯中发布了 斯坎达·阿马纳斯的一篇不错的文章，关于人工智能支出作为一种有意义的宏观驱动因素，或者接近于开始改变局势的地方。

**特雷西 (00:38):**是的，那是一篇非常好的文章，我必须说，其中一些内容稍微令人担忧。但我认为现在发生的一件大事是，人工智能已经成为市场的一个重要支柱。就像整个标准普尔500基本上…

**乔 (00:54):**这就像是一个人工智能的游戏。

**特雷西 (00:56):**是的，这是一个人工智能的游戏。因此，在某个时刻，炒作必须与现实相匹配，即所有的投资必须与某种收入相匹配，对吧？你必须从这项投资中获得收益。

**乔 (01:09):**我认为事情可能有三种发展方向。我一直在思考这个问题。事情可能会有三种结果。第一种是，公司从这些工具中没有获得很多生产力提升，他们削减开支，其他一些项目被推迟，市场下跌。

另一种可能性是，出现了巨大的生产力突破，公司比以往更高效，出现了不可思议的繁荣。这很好。还有另一种可能性是，这一切都无关紧要，他们在这些实验室中创造了上帝，然后我们所知道的经济学根本没有任何意义。因此，在他们实现AGI的情况下，谈论生产力、标准普尔500或收益只是对世界变化的次要关注。

**特雷西 (01:52):**乔，你还好吗？

**乔 (01:53):**不，我觉得这就像是三个……

**特雷西 (01:54):**是的，你不妨在你的情景分析中大展拳脚。是的，但你说得对，这可能会有两种结果。而且显然，目前关于人工智能泡沫的讨论和紧张情绪很多，所以我认为了解公司实际上在人工智能上花费和受益多少会是个好主意。

**乔 (02:15):**没错。我们有完美的嘉宾，因为他对公司在什么地方花钱，包括人工智能，有很好的见解，而且作为一家科技公司的首席执行官，虽然不直接在人工智能领域，但他是人工智能工具的用户，也许可以谈谈哪些被使用，哪些没有被使用，在哪里获得了生产力提升。我们将讨论所有这些内容。

我们将与埃里克·格莱曼交谈。他是Ramp的创始人兼首席执行官，这是一家位于纽约市的公司。它是一个帮助公司处理费用的支出管理平台。我们可能还会谈谈支出管理平台。因为我有……

**特雷西 (02:53):**你有投诉吗？

**乔 (02:53):**我在处理费用方面有头疼的问题。

**特雷西 (02:55):**我想很多人都有。

**乔 (02:56):**是的。我想这就是为什么会有一个新的商业机会。埃里克，非常感谢你来到Odd Lots。

**埃里克·格莱曼 (03:02):**乔，特雷西，非常感谢你们邀请我。很高兴来到这里。

**乔 (03:05):**很快，你能简单描述一下——Ramp是什么？你们的故事是什么？

**埃里克 (03:06):**你可以把Ramp看作一个财务运营平台。它是一个公司可以发卡、进行各种支付，甚至自动化费用管理——我们会谈到——和会计的单一平台。但公司的精神和我们存在的原因实际上是帮助公司节省时间和金钱。我们是这个领域唯一一个真正向客户反馈“我们为你节省了多少金钱和时间”的公司。在过去四年中，我们为客户节省了超过20亿美元，2000万小时，其中一半实际上是在过去一年中实现的。因此，我们服务于超过30,000家公司，从小型、中型到上市公司。

**特雷西 (03:46):**你看到的市场缺口是什么？因为，一方面，正如乔刚才所说，很多人讨厌费用，它们繁琐且非常官僚，处理起来需要很长时间。但另一方面，这个领域被一些非常强大的传统玩家主导，对吧？我在想，比如美国运通，而你们基本上是在与他们竞争。

**埃里克 (04:10):**这些公司在各自领域都很出色，但我认为我们是为一个稍微不同的时代而建立的。即使是你提到的公司，创始人们字面上戴着高顶帽，他们并没有真正考虑到2020年代的需求，我认为在2020年代，奢侈品实际上是在漫长工作周结束时拥有一个属于自己的小时，而不是在最后要处理费用报告。

所以我们认为差距是几倍。首先，你能否真正注入技术，不是为了制作一个更易于使用的费用报告，只需一个小时而不是两个小时，而是一个自动生成的费用报告，账本自己管理？因此，我们看到一个机会，创建一张卡，你可以轻触它，进行购买，我们自动从商家或你的电子邮件中提取收据，这样你的费用报告就为你完成了。你的账本和记录也为你完成了。对于企业主来说，我们发现了一个奇怪的扭曲，他们试图推销像花更多钱、赚更多积分这样的产品。但我遇到的每一个企业主实际上都想花更少的钱并获得更多的利润。所以我们只是试图保持简单，并基于这些原则建立一家公司。

**乔 (05:14)：**我在介绍中提到，因为你有这个费用管理平台，你对公司现在花钱的地方有一些洞察。关于人工智能，你能看到什么？你能看到大型企业在人工智能上的支出吗？

**埃里克 (05:30)：**我的意思是，这是真的。它正在显著增加，但以有趣的方式增加。为了让你了解我们正在查看的面板数据，以获取这些洞察，我们看到公司每年超过500亿美元的支出。其中一些是上市公司，大多数是私营公司，通常这些公司处于前沿。因此，这些支出可以来自人工智能研究实验室本身、农场、非营利组织、小商店。这些数据涵盖了信用卡数据和账单支付数据。所以这是一个相当不错的子集。

我们看到的情况可能是双重的。首先，就原始和汇总数字而言，从2023年初到年底，Ramp上的平均客户在基于AI的产品上花费的原始美元数量大约是之前的四倍。因此，确实有预算开始以增加的方式投入到这一领域。其次，这些产品本身正在从实验阶段转向运营阶段。

**乔 (06:25):**你怎么能看到这一点？你在数据中看到什么来支持这一点？

**埃里克 (06:30):**我们认为了解这一点的最好方法是，如果你查看一个平均的AI购买，可能在2022年你购买了一些软件席位，那么在接下来的一个月内，购买它的客户不再是客户的概率是50%。他们在进行实验。在2023年，这一概率跃升至70%。在2024年，这一概率还在继续上升，我们将发布数据。

**乔 (06:53):**等一下，抱歉，50%的概率你在下一个月继续使用？

**埃里克 (06:56):**没错。因此，你继续使用的概率大幅提高。因此，它从玩弄变成了开始成为工程流程、销售工具的真正组成部分，团队使用这些工具来提高生产力，甚至是管理会计、管理费用的后台工具。因此，我认为我们仍然处于最佳产品的轨迹上，产品的保留率将达到90%以上，但在2023年和2024年的跃升是显著的。

**特雷西 (07:24):**你的数据有多详细？你能看到人们在基本的LLM订阅上花费与其他东西的对比吗？

**埃里克 (07:34):**非常如此。我们所做的有趣之处在于，由于我们自动化了费用报告流程，我们不仅可以看到公司在OpenAI上的支出，还可以具体了解这是API调用吗？还是ChatGPT许可证？因此，即使在产品之间，您也可以看到逐项和偏差级别的数据。因此，您可以开始获得非常有趣的见解，甚至在子市场方面。

人们现在谈论的一个新兴主题是，在2023年，只有一个在AI领域重要的名字，那就是OpenAI。在2024年，突然间20%的开发者市场份额将归Anthropic所有，而在2023年的数据中，Anthropic的份额只有3%。因此，您可以开始非常详细地了解这些模型是如何被调用的。因此，这实际上是一个有趣的见解层面，在这些市场中尚未看到。

**特雷西 (08:26):**然后——抱歉过于关注数据——但您如何实际区分AI使用与其他东西？因为我想象现在有很多软件，例如，包含某种AI组件，对吧？感觉AI与基础技术支出的交集图开始逐渐融合。

**埃里克 (08:47):**我认为您完全正确，我会说，这在2023年是一个更简单的问题。那时只有少数奇怪的公司自称为“AI”。现在您看到一些公司在进行AI洗白，它们并不是纯粹的AI公司。

但我会说，我们倾向于根据公司的自我认定来分类这些。这些通常是大型语言模型、实验室。这些通常是纯粹的AI产品公司，也许在ElevenLabs，如果您想生成一个AI数字声音，Cognition [AI]或Devin [AI]，您可以在这些类型的工具中雇用AI开发者。不过我认为您是对的。我的感觉是，如果您与硅谷的太多人交谈，他们会告诉您，在五年内，没有一家销售技术的公司不是一家AI公司，我们拭目以待，但这就是基础。

**乔 (09:30):**两件事。首先是一个声明。我一生中从未编写过代码，所以我为2025年设定了一个目标，使用人工智能来构建一个应用程序。实际上，我构建了一个非常基础的应用程序，但它并没有真正做到我想要的——我不打算谈论它是什么。它并没有真正做到我想要的。然后我修复了代码，尝试重新上传，但我把它弄坏了。所以我有一个应用程序大约五分钟，然后它就死掉了。但这是我的目标。我真的想学习使用技术。

不过我想多谈谈，当我使用人工智能时，我只是去 chat.openai.com，就像最基础的用户界面。请多告诉我们一下，您能看到的只是有人订阅网站与有人支付API调用之间的差距，我想这在某种程度上是将这些模型以某种方式构建到工作流程中的更深层次的复杂性。

**埃里克 (10:22):**哦，当然，我实际上认为这是 最有趣的发展。如果这成功发生，它将解锁硅谷许多人谈论的历史技术。通过软件即服务，您可以向人们出售席位，它就会运作。还有一个不断增长的服务即软件的理念，突然之间出现了工作流程，如果人工智能不仅仅是一个您聊天的窗口，您得到一个回应，而实际上在每一步都变得非常非常有趣。您拥有端到端的产品，视频被创建，书籍为财务团队自动完成，甚至艺术被创作。

所以我想说的是，从机械的角度来看，你可以看到的方式通常是许可证的类型，通常这些是消费者许可证。如果你购买了 ChatGPT Pro 订阅，而不是说企业或甚至开发者计划，那么在月底，你会收到这些供应商之一的发票。你会看到，好吧，调用这个端点的次数是这么多，最终使用了这么多令牌，并且在具体的使用中，我们会聚合、匿名化，并且不会报告到那个级别。你会开始看到，突然之间，这与公司可能调用亚马逊网络服务或微软 Azure 的方式非常相似，而这对于某些依赖的服务来说是核心计算。这些图表的不同之处在于，所有这些公司都在押注它们将会呈指数增长，并且将会深深嵌入。

有一些区别。我认为使这个市场非常不同，并在某种意义上比我见过的任何东西都更激烈的一件事是，通常有这种锁定的概念。你将所有的云服务托管在一个提供商上，你不能仅仅为了小型用例而从一个云转移到另一个云。但在人工智能中，有一种多路复用的做法。因此，开发者们通常会这样做，正是因为 Anthropic 似乎凭空出现，这在某种程度上是不可能的，人们会在多个库上尝试一些知识工作或一些响应，开源的、OpenAI 的，看看哪个是最好的，获胜的调用开始获得更多的调用，因此市场的变化速度更快。

**特雷西 (12:43):**所以具体的公司是匿名的，但你能在行业层面上看到一些东西吗？

**乔 (12:48):**哦，我们都想到了一样的[想法]。我也是这么想的。

**特雷西 (12:51):**例如，你能看到哪些行业在人工智能方面似乎走在前面，而哪些可能落后吗？

**埃里克 (12:57):**我们可以，我认为有一些事情是显而易见的，还有一些开始以有趣和意想不到的方式显现出来。显而易见的早期采用者当然是技术人员、科技。这些是工程办公室、初创公司，很多进行培训的人正在尝试并迅速采用这些技术，并且灵活地使用它。

在实际上让我们感到最惊讶的领域，可能与您所看到和体验的相关。很多新闻编辑部实际上正在使用录音工具。所以如果你正在进行通话，笔记会为你记录下来。很多销售团队正在使用这些工具，监听销售电话，记录笔记，建议下一步，并开始进入这个领域。

但你也会看到，我想说，历史上，如果公司想要削减成本并专注于效率，他们的选择是雇佣更低成本的劳动力，通常是在一些可以做到这一点的领域，如果你能把规则弄对，比如医疗保健，这往往是晚期采用者。使用率的增长实际上开始变得更快，因为当成本和利润率非常低时，如果你可以开始进行网络通话来做更多的工作，当只有两个人时，这些是一些有趣的新兴行业。但这仍然相当早期。

我想说，人们对这些公司的估值仍然存在一个很大的问题。相对的增长是戏剧性的，按公司每年花费的原始美元来看，增幅非常非常大。但要开始偿还这些大型资本支出周期，可能还为时尚早。因此，从我们所处的位置来看，需要做出的赌注是，人工智能不能仅仅是人们购买的产品偏向，而是我认为为了偿还这些支出，可能需要每个人都开始使用它。

**特雷西 (14:38)：**实际上，这将是我另一个问题。那么我们在谈论人工智能支出时。你能看到它的另一面吗？比如通过提高效率或许裁减工作岗位来节省开支？

**埃里克 (14:53)：**我会说这是一个非常有趣的问题，我一般认为，随着人工智能的出现，失业率开始下降。因此，我认为这些都是长期非常真实的问题。事实上，我实际上认为，2024年对于那些承诺人工智能的最大失误之一是，“这将是人工智能代理的一年”，这是每个人所宣传的。

你会有人工智能首席财务官、人工智能工程师等各种职位。我认为你开始看到的是，事情的某些方面正在发生变化。例如，我希望在2024年没有人的工作仅仅是做费用报告，但实际上人工智能可以处理你的费用报告，它可以查看你的发票，可以处理一些最低价值的任务，而这些任务在这些工具中开始变得普遍。

因此，我认为在短期内，我实际上发现我们通常听到客户的工作在某种意义上变得更加有趣，当人工智能被采用时。我认为，从长远来看，确实存在“它是否能够真正实现端到端的工作流程”的问题。我认为实际上，人工智能通常具有非常有限的上下文。它接收到一个问题，可以提示出一个回应，但看不到其余的知识工作。但随着它开始无处不在，这可能是可行的。

**乔 (16:04):**我需要这个我正在构建的应用程序的端到端代理人工智能，因为，真的很烦人的是，因为我会在 Google Colab 中写一些代码，然后我尝试将其推送到 GitHub，然后我必须去找我的令牌，我不想这样做，然后我想，等等，我在哪里可以在 GitHub 中找到令牌，以便我可以把它放在这里？这些都是我不想做的事情，我是说我想我必须这样做，但我需要人工智能去找…

**特雷西 (16:30):**那算不算编码？如果人工智能在做端到端的过程？如果你只是输入“设计一个应用程序”…

**乔 (16:36):**不，这没问题。我有一些我正在尝试的想法，但这仍然有点烦人，比如所有这些不同的窗口和一切。但说到这些，让我们谈谈你在公司看到的情况。我想我交谈的每个工程师都说，是的，在 2024 年或 2025 年，他们都有一个打开的窗口与他们的人工智能，并且他们有他们的编码窗口，这提高了他们的生产力。所以我假设在你们公司也发生了很多代码的编写，无论是直接还是间接，或者在人工智能的帮助下。还有哪里？除了工程，你实际上在人工智能资源上花钱的是什么？

**埃里克 (17:16):**所以三个主要的地方，你说对了，第一是工程。这是最数字化的工作之一。所有代码都是数字的。因此，从某种奇怪的方式来看，这实际上可以说是最接近人工智能的第一个行业。第二是销售和增长。Ramp 除了拥有大量的支出数据外，是历史上增长最快的公司或初创企业之一，而使我们能够做到这一点的部分原因是 Ramp 的平均销售人员的生产力大约是下一个最接近竞争对手的四倍。很多都是大量使用人工智能来自动化某些方面…

**乔 (17:48):**具体来说？我们具体谈谈。他们在做什么？一个打销售电话的人或者其他什么，他们在使用AI做什么？

**埃里克 (17:54):**所以，进入销售的任何人的最重要的功能之一，以及第一个角色是一个叫做销售开发代表的角色。这个人的工作是[去]安排会议。找到那些可能还在用旧方式做费用报告的人，把他们带进来。如果你分解一下这个任务，首先要问的是，‘这些企业是谁？什么是相关的时刻？他们刚刚筹集了资金吗？他们刚刚在财务团队中雇佣了某人吗？也许他们正在发布某些需求的开放职位。’

在这个世界上有这些信号。然后你注意到，好吧，你已经组装好了你的潜在客户名单，你必须去写信给他们。也许你有一个刚大学毕业的初级人员，试图猜测，‘这个人的电子邮件是什么？这个人的电话号码是什么？我怎么才能把邮件送到他们面前，或者我怎么才能敲他们的门？’然后他们写下那种信息，‘什么会让人感兴趣？’有很多小步骤。

使人类销售员出色的原因，以及使销售变得有趣的原因是真正的人际连接。能够深入了解所有背景并实际完成那笔伟大交易的人。然而，如果你看看2022年的任务，大多数人花时间的事情是算法擅长的：找到人们的电子邮件地址，测试哪种文案最终会更有效，检测在大量数据中，什么是噪音中的信号？因此，实际上，推动这种增长水平的部分原因是一系列广泛的AI工具，它们正是这样做的——AI正在找到这个人的电子邮件，AI正在检测这些意图信号。现在，入门级销售人员的工作大部分是回应兴趣，促成电话中的交易。因此，这只是一个例子。我们可以在整个销售周期中讨论几个例子，但这改变了角色，使其变得更加有趣。

**特雷西 (19:42):**我想起了 格伦加里·格伦·罗斯。公司以前不是也会购买潜在客户名单吗？

**乔 (19:49):**他们仍然在出售这些名单。

**埃里克 (19:50):**他们仍然在做。

**特雷西 (19:51):**对，所以我想如果你基本上可以建立自己的潜在客户生成器，你也会节省一些钱。

**埃里克 (19:56):**没错。但有趣的是，速度变得更快了。突然之间，有一些意图的信号，也许有一个IP你可以追溯。这是一家公司今天访问你的网站五次。也许这是一份低价值的名单。这是C级名单，不是A级名单，但通过一种现代的技术栈，筛选这些信号，你可以得到更有趣的东西。所以我认为有这样的事情。

另一个彻底改变这份工作的重大因素是，世界上噪音远远超过信号。因此，如果你是一个经理，试图帮助一个22岁的新人在销售方面变得更好，听整个团队的电话就太多了。大型语言模型在一天内听一千年的电话没有问题，远超过任何人类。因此，突然间，我实际上认为我从一家百年老牌信用卡公司学到的一个更有趣的故事和教训，——当我第一次听到这个故事时我很怀疑——高管在解释他们如何停止检查净推荐值时，我想，‘哇，他们一定是变得那么糟糕了，’但事实更有趣。

**乔 (21:04):**等一下，什么是净推荐值？

**埃里克 (21:05):**净推荐值是一个过程，通常你会进行抽样。假设有10,000人拨打客户支持电话，你在通话结束时问他们从0到10，他们对服务的满意度如何？在这些调查中，你通常会询问一个小样本，然后你可以看到一个汇总，‘你的客服人员表现得怎么样？’回应更有趣的是，他们开始应用一个大型语言模型来同时监听所有通话，并且可以根据语音的语调进行情感分析，客户有多满意，或者不满意。算法开始做的事情是将客户的电话越来越多地转接给那些表现出色、让客户满意的人。

**特雷西 (21:46):**这总是如此，如果你工作做得好，你会得到更多的工作。

**埃里克 (21:48):**这就是奖励。但这是真实的方式。突然间，你可以从每个客户那里了解他们的表现，并且实际上可以在每单位输入中获得更多的输出。这是一个真实的用例。我不知道你几年前是怎么做的。

**特雷西 (22:02):**对不起，你刚才在谈论你在哪里部署AI，你提到了工程和销售，我们还没有谈到第三个。

**埃里克 (22:10):**哦，当然，可以看看它是否有效。也许最前卫的实际上是在增长和营销方面。当然，还有客户支持和其他人提到的领域，但我实际上认为营销和增长正在成为一个技术职能。人们曾认为艺术会是最后一个用例之一，但突然间你可以创建图像、视频、有趣的东西，现在，在一个你可以开始这样做的世界里，你可以根据意图和转化率来查看，是否可以开始将真正有效的数学功能与人们结合起来，按需创建美丽、引人注目、有趣的图像。因此，关于这一点的评判仍然在进行中，但这是真实的。

我认为早期的测试是有希望的，我认为这个早期的例子在某种程度上激励了我，这可能是双重的。首先，亚马逊，他们有编辑和个性化团队。过去，亚马逊的员工实际上会写推荐，告诉你购买，给你一份我们所有商品的新闻通讯，就像西尔斯罗巴克目录一样。最终，它变成了你购买了这个，你可能会对那个感兴趣。最终，事情就这样发展了。因此，你可能不仅仅是通过物品的聚类来做到这一点，而是实际上理解人们并创造美好的事物。

我想到纽约的灵感，比如安迪·沃霍尔，他的工厂每天都会创造一些新的东西。那些东西令人难以忘怀，并且有着新的艺术层次的方法，思考着如何极具创造性。我认为每个行业在某种意义上都可以通过这些工具所带来的杠杆作用得到改善、增强和变得更加有趣。

**乔（23:39）：**我将有些愤世嫉俗，我会在人工智能和销售的问题上进一步追问你，因为我当然理解你关于寻找信号的观点——哪些公司可能突然处于升级他们的费用管理平台的状态，或者谁是最适合联系的人。我想其中一些内容是之前有人通过Salesforce销售的，并称其为五年前的机器学习，或者十年前的机器学习。

显然，技术上所谓的人工智能是人们争论的事情之一，以获得更好的倍数等等。但就许多股市参与者所兴奋的内容而言，很多都是2022年后生成的人工智能，某种程度上是在实验室中产生的，并在Nvidia芯片上推断出来的东西。请多谈谈销售，以及在2025年你可以在销售中做的事情，而在2021年你无法做到的事情是什么？

**埃里克 (24:39):**我认为可能最令人兴奋的领域与推理有关。当我想到许多经典的机器学习时，这仍然是非常重要的，它通常围绕某些变量的相关性和非常狭义的预测。因此，也许机器学习的第一阶段是对接下来会发生什么的预测。我对这一切的框架是，现在有基于“接下来会发生什么？你会创造什么？”的生成。我认为最有趣的是，当你考虑到o1模型、o3和新的推理模型时，它们能够思考并且可以提前多步思考，一些使AlphaGo在其所做的事情上如此出色的技术。正是这些类型的工作。

所以，你说得完全正确。这其中有些实际上只是良好的数据基础设施和预测，但当你开始将其与基于这些信号的内容融合在一起时，我们可能应该写些什么？基于通话的上下文和这些数据的使用，我们如何跟进并在多个步骤中进行协调？我认为这就是生成式人工智能在这些无聊的用例中开始变得非常有趣的地方，比如费用管理和节省人们的时间和金钱，这些地方开始变得非常有用。

**特雷西 (26:00):**你能多谈谈你到底在抓取哪些数据以推断这些特定信号吗？你可以访问哪些数据，哪些对你来说最有用？

**埃里克 (26:09):**是的，首先，这其中的一些只是，假设我们以一个客户经理为例。他们可能在Ramp监督数百个单独的账户，他们的目标是重新拨打电话，确保人们从中获得价值。我们希望为你的业务节省时间和金钱，我们希望实现自动化会计，但它是这样设置的吗？你是否看到了这些使用案例的条款？其中一些将是基于你想要引入的支出与实际支出的内部使用案例。这进展得怎么样？

通话记录数据……大型语言模型可以记住所有通话、所有笔记，以及人们承诺的日期等。因此，当客户经理接电话时，他们可以在面前拥有所有正确的上下文，而不需要在前一晚花几个小时去创建这些信息，而是根据最有用的内容进行提取。接下来，您可能会有互动数据，可以根据网站本身提取，了解他们的流程、出现的位置，以及人们在哪里感到困惑和卡住。也许他们想要关闭账本，但似乎步骤太多，他们就停下来了。我们可以这样……

**特雷西 (27:08):**哦，所以我想您是在通过信标跟踪网站上的实际物理移动，对吗？

**埃里克 (27:13):**是的，您可以做这样的事情，甚至结合外部数据。有时一家公司可能表现得很好，宣布融资，需要扩展，并确保，“嘿，我们看到这个好消息，我们想确保与您一起扩展。”所以，我认为任何一个人都可以做到这一点，但通常要真正理解并成为合作伙伴所需的完整性，以及我们在单个客户的数千名员工中，他们实际上是如何做的？这样我们才能成为更有用的合作伙伴，通常就是在这里汇聚在一起。这有意义吗？

**特雷西 (27:45):**有意义。虽然我有——也许这是个奇怪的问题——但系统实际上是如何生成建议的？所以如果我是一个销售人员，系统发现某种潜在客户，并认为您应该因为某种原因与此人联系，这条消息实际上是如何传递给我的？

**埃里克 (28:06):**是的，我认为这正是某种意义上的百万美元问题，哪些SaaS公司会表现得很好。我认为现在技术的故事也是如此，因为你有不同的人在不同的方面，有些人在浏览器中，有些有这个销售工具，有些有这个数据工具，有些是数据仓库，有些是培训工具——它们在哪里出现？我可以告诉你，我们最终将其留给我们的销售团队和增长团队来为他们构建，无论什么有效，你都可以自由选择，考虑到变化的时期。

但对他们来说，我告诉你，对于客户经理来说，最有用的工具之一是一个叫Rox的公司。我认为它的地址是rox.com。他们是一家不到一年的公司，但实际上是从Salesforce使用数据、内部级别的数据分析中提取数据，并在会议之前为客户经理的日历附加笔记。“这是核心要知道的内容，这是链接，如果你想提取，可以在你的日历中一目了然，实际上你可以直接从网站上提取。这是更多的数据供你查看。”所以他们试图成为销售的一个任务指挥中心。当然，Salesforce也在尝试做这些事情。

在工程方面，有像Cursor和Devin这样的工具有不同的赌注。Cursor就像GitHub Copilot，赢得了许多开发者的喜爱，当你编码时，它就像一个更好的自动补全。你只需说“我想构建这个应用”，它就可以继续。它可以审核代码行，并了解你的[代码库]。还有一些更奇怪的赌注，比如Devin和Cognition，它们的形式是，它旨在成为一个数字AI工程师，你可以告诉Devin“我想构建这个应用，去研究这些网站，让它看起来像这样。当你有问题时再回来找我。”

**乔 (29:46):**我应该为我的应用程序这样做吗？

**特雷西 (29:47):**这正是你需要的，乔。是的。

**埃里克 (29:48):**试试吧！

**乔 (29:50):**我在和某人谈话——我忘了是谁，也许是这些公司的某个人——他们在谈论一些事情的不同方法，包括一种方法，其中AI基本上控制了鼠标。它控制光标并点击网站，阅读网站。所以我们想到的是API调用，但还有一种不同的模型，就像你在扫描网站一样，像人类一样，对吧？

**埃里克 (30:12):**你说得完全正确。这是我们生活的时代中最奇怪和最有趣的事情之一，因为计算机可以某种程度上思考，它们可以某种程度上看见，它们可以某种程度上听到，并处理不同层次的数据。我认为计算的总体故事是抽象层次的不断增加。80年前，人们在编写机器代码。那是二进制的0和1，随着时间的推移，它变成了Python，这是一种越来越高阶的妥协，介于你我所说的语言之间。

**乔 (30:42):**与二进制分开，像是层层叠叠在二进制之上的。

**埃里克 (30:45):**有很多人会提出这样的论点，我认为是有说服力的，那就是下一个编程语言实际上是英语。

**乔 (30:52):**英语，是的。

**埃里克 (30:53):**你所看到的，所以，我甚至想到现在许多人谈论的，一个即将到来的战场，实际上是你在电脑上看到的是什么？而最好的界面不是聊天，而实际上是一个大型语言模型，它可以看到你在电脑上所做的一切，并且可以预测接下来会发生什么。谁知道呢。

**乔 (31:12):**这很好。好吧，当我在我的 Google Colab 中不断收到错误信息时，我只是截图，然后把它们上传到 ChatGPT，我说，‘这个错误信息是什么意思？’然后它告诉我。

我一直在想的一件事是，人们对未来的工作和所有这些事情感到非常焦虑，哪些职业会被打乱——人们可以对此永远进行猜测。但我一直在想的是，有些工作要做好，可能需要牺牲你生活中的几年，不去参加聚会，不交朋友，不……

**特雷西 (31:47):**这太刻薄了，乔。

**乔 (31:49):**因为所需的技术技能确实需要多年、多年、年的积累等等。所以你必须是那种愿意牺牲很多以便在这些工作上变得优秀的人，或者是为了建立那种技术技能，对吧？那些小时。我在想，人工智能是否会在某种程度上削弱那些获得优秀的主要部分是愿意牺牲成为一个正常人的工作的职位，因为人工智能可以做成千上万的事情，它不需要牺牲任何东西，它只是一个计算机。而这将使那些全面发展的人受益，他们带来了……

**特雷西 (32:25):**想要玩得开心的人！

**乔 (32:26):**是的，你带着一些智商来工作，但你也带来一些…

**特雷西 (32:27):**拥有情商的人。

**乔 (32:30):**是的，是的，没错。这正是我在想的。

**埃里克 (32:32):**我认为这正是正确的问题方向，我认为这将是一个真正需要面对的问题。我认为在某种意义上，我认为甚至可能这个播客的听众也属于这一群体，他们是非常好奇的人，知道如何提出有趣的问题，继续深入并创造东西，我认为他们在未来会做得很好。

**乔 (32:51):**谢谢。

**埃里克 (32:51):**是的，一切都会好起来的。别担心。不，我认为事情会发生很大变化，甚至在考虑今天来这里时，我对1900年世纪之交的情况感到好奇，我认为在美国，40%的工作都在农业中。今天，农业中的工作不到1%。我认为目前情况还不错，但我认为工作的性质可能会以人们很难预测的方式发生变化，就像从1900年到现在一样——对我们来说可能也是如此，以及在五十到一百年后可能会是什么样子。

**特雷西 (33:25):**你或你的客户如何处理这些平台上的隐私和法律/版权问题？

**埃里克 (33:35):**是的。首先，我们在版权方面的情况相对简单，因为我们并不从事如何去创造新艺术和图像的业务。我认为这些是真实且迫在眉睫的问题，尤其是对于内容生成。我们今天所做的很多事情是，你进行了这笔卡交易，30秒后你发了短信，这里有收据的照片，然后我们可以匹配，‘好的，这里应该是什么备忘录，这里应该是什么会计类别，你完成了。’所以很多这些都是流程自动化和工作流自动化。

我们可以带来一个有趣的价值，可能是我们业务中最有趣的部分，我们需要对此多加思考的，是在价格智能这一领域。现在，作为消费者，你可以上Zillow，知道你的房子可能值多少钱。你可以上TrueCar，了解根据大量聚合的匿名数据，你应该为这辆车支付多少。对于企业来说，知道这家企业在街上为这种供应或Salesforce许可证支付了多少是非常有用的，人们在支付什么。因此，在我们业务的这一部分，我们确实希望能够对客户说，‘这是你的定价与市场其他部分的比较，我们希望帮助你谈判更低的价格。我们认为这真的很好。’

你到达这一点的方式，我认为这可能是我们围绕这一点的核心战略，是聚合的、匿名的。这确实是需要到来的部分。或者如果是个别数据，那确实是在Ramp上，并且是为了向你提供服务的目的。如果我们广泛分享东西，那就是互惠互利。如果你想查看定价数据，你需要参与其中，但我们需要有足够的数据来有效地匿名化那些输出。因此，我们认为这对财务团队、企业主非常有用，帮助他们支付更少。这是帮助普通客户每年减少约5%开支的一部分，但对于那些试图歧视我们客户的人来说，可能不是好消息。

**乔 (35:23):**我们正处于一个打击开支和打击华盛顿特区浪费开支的时代。例如，人们在谈论DOGE等，如果我们真的要改变开支的方向，那就不会是浪费开支。我们实际上需要有不同的优先事项。尽管如此，打击浪费似乎是好的。从费用管理平台的角度来看，你看到的浪费开支的一些特征是什么？你能看到公司并看到浪费的特征吗？如果你想要追踪开支中的浪费，你有什么建议或你会关注的事情吗？

**埃里克 (35:59):**我很高兴人们以一种真实的方式思考这个问题，因为通常人们会痴迷于如何花更多的钱，但如果你想要改变，实际上是来自于…

**乔 (36:09):**除了将整个政府放在Ramp上——所以除了这一点——我假设你支持这一点——但接下来你必须做什么？

**埃里克 (36:16):**你看，也许创始人之一本·富兰克林，以前是以“节省一分钱就是赚一分钱”而闻名的。如果你看看合理高效的组织，比如一家普通的美国公司，他们的利润率大约是8.5%。所以从数学上讲，节省一分钱实际上是赚取12分钱。[这]是一样的。

我想到像政府这样的组织，虽然我对他们有很多同情。他们的选民和需求比盈利实体复杂得多，但削减成本的工作很长一段时间没有被认真对待，这导致了非常不同的行为。如果你今天想要向政府销售，通常选择标准是，“你能在一到两年的提案请求[一个RFP过程]中坚持下来吗？”这与大多数公司和人选择事物的方式截然不同。什么是最有价值的？什么是最低成本的？我可以尝试什么，看看是否可行？

接下来，关于政府的另一个非常反直觉的有趣之处是，你会认为作为世界上最大的任何商品的买家之一，我们应该为所有纳税人获得折扣——如果你购买一百万个软件许可证。

**乔 (37:25):**是的，批量许可证。

**埃里克 (37:26):**但情况并非如此。政府购买的典型方式是支付标价而不享受折扣。因此，你会看到，不同的机构为相同的商品支付非常不同的价格，而且你不会看到正常的常识，比如‘嘿，我们应该为人们和长期购买提供团体折扣。’很多工具，由于采购周期为15年，你无法解除合同，你支付的是全额费用，所以如果你试图这样做，这些公司会起诉你，你开始看到一些关于实际工具本身的疯狂事情。

政府使用的支出管理架构主要是在2000年代初期选择的。因此，虽然私营市场今天可以刷卡，他们的费用报告为他们完成，账目为他们保管，结果是你浪费了大量人们的时间，真正努力工作的人，在某些情况下，实际上花费大部分时间在老旧工具的官僚主义中挣扎，这些工具彼此之间无法协作，最令人震惊的是，你不需要费力去寻找。在不同机构的几个朋友中，在尝试了解和理解一些这些DOGE努力时，我了解到一个令人震惊的事情是，在多个机构，每晚四个小时，电子邮件就被关闭。你无法发送，也无法接收。

**特雷西 (38:39):**什么？

**埃里克 (38:40):**这太疯狂了，对吧？

**乔 (38:42):**我看到政府网站上有时间显示。

**埃里克 (38:45):**没错，因为他们使用的是旧的私人服务器，30年前的合同。所以，如果你想谈论真正的效率，那根本不接近领先水平。而且，我认为你说得完全正确。如果你想在预算上真正有所作为，你必须谈论权利问题。你必须谈论债务服务以及这将是什么样子。但如果你想进入下一个层次，使用优秀的工具来防止浪费时间，自动化记录审计，这样你就不会有一个国防部连续七次审计失败并且无法追踪支出去向的情况，而实际上这一切都是数字化的，都是相互关联的。我认为你需要认真考虑让人们选择最佳工具来解决问题。

**乔 (39:24):**埃里克·格莱曼，非常感谢你来到 奇异的交易。我真的很高兴我们能实现这一点。

**埃里克 (39:28):**我非常感激。

**乔 (39:29):**特雷西，我真的很喜欢那一集。我现在需要深入了解各种AI工具，因为现在我将成为订阅九种不同工具的人。

**特雷西 (39:51):**嗯，那是每个人的情况，对吧？

**乔 (39:52):**是的，我知道。我订阅了什么？我至少订阅了三个，可能更多，现在我得深入了解这些专业的编码工具。但不，这真的很有趣。

**特雷西 (40:03):**我之前有没有告诉过你我高中编程课的故事？

**乔 (40:08):**多说一点。

**特雷西 (40:09):**其实这只是一门基础的IT课程，但作为课程的一部分，我们必须编写自己的小应用程序。这是在2000年代初，所以一切都非常初步，但我们的老师让我们这样做，我做了一个幸运饼干程序。

**乔 (40:28):**哦，那很酷。很酷。

**特雷西 (40:29):**你点击一个按钮，那个按钮看起来像一个饼干，它会给你你的运势，等等等等。在作业结束时，每个人都把他们的程序交给老师，他让每个人签署一份合同，将版权和许可权交给他。他说这样做是为了给我们上一个关于版权的课，以及如果你为大公司工作，你的作品很少是你自己的，这就是我问那个版权问题的原因，因为我至今仍在思考这个问题。所以这是一个很好的教训。

**乔 (41:01):**这非常有趣，但不，我觉得里面有很多有趣的东西。所以，一个是你可以跟踪一个月有多少人支付某个东西的百分比，然后下个月也是。还有这个想法，我们必须不断回到这一点，这些模型缺乏锁定。我们真的习惯于在搜索、社交网络、电子商务等领域只有一个赢家，所以考虑到所有这些资金流向那些很容易从一个模型转移到另一个模型的地方，简单的项目。B) 还有那些可能同样优秀的开源竞争者。这似乎是一个相当大的问题。

**特雷西 (41:40):**是的，我想最大的问题是，最终会不会出现某种赢家，结果比其他人更擅长，还是会有空间给这种专业化的，或者是针对不同工作的专业化实际接口呢？

**乔 (41:58):**是的。

**特雷西 (41:58):**我觉得这很有趣。我们稍微谈了一下接口的重要性。

**乔 (42:01):**完全同意。

**特雷西 (42:02):**那么，我们就到这里吧？

**乔 (42:03):**就到这里吧。

你可以关注埃里克·格莱曼在 @eglyman。