在过去的25年里，应用软件初创公司一直专注于一个目标：提高公司和员工（包括开发人员）的生产力。这通常表现为构建能够提升员工生产力的软件，促进员工和团队之间的协作，或者在领导层面实现更好的监督和管理。大多数情况下，这类软件的定价是基于每个席位的费用，实际上是以员工人数的成本为基准，并通过提高这些员工的生产力来增加价值。
大语言模型（LLM）的出现改变了这一局面。第一批利用LLM的产品和初创公司仍然保持着通过销售软件来实现终端用户生产力大幅提升的思维模式。“Copilot for x”的趋势正反映了这种思维模式。尽管有许多出色的初创公司正在努力提高员工的生产力，LLM为初创公司提供了一个机会，让他们超越这种思维方式，探索过去由于市场进入策略（GTM）和定价限制而无法触及的软件销售领域。要做到这一点，创始人应当考虑不仅仅是销售提高终端用户生产力的软件，而是直接销售“工作本身”。
销售工作本身打开了以前无法支撑软件公司的新垂直领域机会。以EvenUp为例（我毫不怀疑他们将主导他们的垂直领域）。如果你是一名个人伤害律师，你为原告创建的工作产品叫做“索赔包”。基本上，索赔包是案件的摘要、伤害的医疗费用（包括工资损失），以及对被告保险公司和解金额的建议。律师事务所通常让律师、律师助理或外包团队来撰写这些文件。
如果你仍然处于销售软件的思维模式中，你可以想象为个人伤害律师事务所提供一种基于每个席位定价的软件，利用AI帮助事务所中的人员创建索赔包（想象一下一个构建器，你可以在流程的某个步骤中插入医疗记录）。但这将使EvenUp陷入销售软件的范式——销售10%的生产力提升，而不是95%。相反，EvenUp有远见地选择销售工作产品本身：索赔包。
当你销售工作时，销售周期不同，定价是基于人类执行工作的成本，而不是作为生产力提升工具，而且与类似产品的竞争（除了公司的自有人员）基本上是国际外包团队。一个由AI驱动的产品，凭借其一致性和服务水平协议（SLA），应该比外包服务更具优势——是一个10倍的机会且成本更低。实际上，我猜测，测试通过AI构建“工作”市场机会可行性的一个好方法是，粗略地看是否已经存在一个专注的国际外包团队来支持这一需求。
例如，为了激发一些想法，以下是一些外包服务提供商的BPO服务：
以下是一些法律流程外包的例子：
我想，这些服务中的任何一项都可能面临利用AI自动化的风险。
在我写这篇文章时，我意识到自己触碰到了一个敏感话题——即对AI逐渐取代人类的恐惧。在这里，我以EvenUp为例。当律师和律师助理从撰写索赔包的工作中解放出来时，客户（原告）将受益于更好的索赔包，而事务所中的人员则可以将时间转移到更少机械性的任务上，如客户服务、获取更多客户，或是对索赔包进行最后的润色。
如果你看到其他类似的例子，我非常乐意听到。如果你正在构建一个利用LLM来销售工作的公司，我也很乐意听取你的意见。我的X平台私信是开放的，我的Benchmark邮箱是sarah@benchmark.com。
此外，仅仅销售工作是不够的——你必须摆脱竞争。为此，我还建议阅读我之前的文章《如何逃避竞争——通过LLM构建持久的应用级价值》，以免陷入提供服务但利润被挤压殆尽的陷阱。