红杉对谈AI原生IT自动化平台Serval创始人Jake,拆解传统企业软件痛点,提出AI原生重构企业IT的新思路,极具参考价值。 ## 1. 核心定位:弥合理想工作与实际工作的鸿沟 Jake创办Serval,定位为AI原生版ServiceNow,核心目标是弥合员工“入职时想象的工作”和“实际重复流程工作”的鸿沟,解放员工去做真正有价值的创造性工作。 具体到企业IT场景,普通员工申请权限、IT人员处理重置密码等重复事务,都偏离了原本的工作期待,Serval要把这些可自动化的部分全部自动化。 ## 2. 双Agent飞轮产品架构 Serval采用双Agent架构:第一个面向员工,员工用自然语言描述问题,能自动解决就直接处理,不能则收集上下文路由给对应IT人员;第二个面向IT团队,IT人员用自然语言描述需求,Agent执行操作。 IT人员解决问题后,Agent会自动学习解决方案,下次同类问题可直接自动处理,形成“人为干预越多、自动化范围越大”的增长飞轮。 ## 3. 自动化悖论:自动化必须比手动流程更简单 Jake提出核心洞察:**自动化本身必须比被自动化的流程更简单,才会被用户采纳**。如果搭建自动化需要5分钟,手动操作仅需10秒,用户一定会选择手动,再强大的功能也没用。 若支持用自然语言描述就能搭建自动化,仅需20秒就能完成,“太简单不值得自动化”的阈值会大幅降低,投资回报率第一周就能实现。 ## 4. 异构模型选择策略 Serval不会只用一个大模型,会根据任务的精度、延迟、成本要求,通过路由层动态匹配模型:需要高推理能力的任务用顶级模型,高频低复杂度的确定性查询用轻量模型,部分任务直接用传统代码解决。 如果不采用这种异构模式,规模化后单位成本会很难控制;Serval的核心价值不在模型本身,而在模型厂商不具备的路由逻辑、对话管理、组织知识和行为数据,可随时切换不同厂商的模型。 ## 5. 竞争格局与护城河构建 ServiceNow的最大护城河不是技术,而是客户已采购的数百万美元闲置许可证,客户因惯性不会轻易替换,但它的AI是叠加在原有流程驱动架构上的,属于范式差异,而非简单功能差异。大模型厂商擅长卖API,不擅长做垂直场景的落地适配,和Serval定位不同。 Serval的核心护城河有两点:一是客户私有组织行为数据,积累越久Agent越精准,新进入者无法获取;二是极高的切换成本,企业流程高度定制化,迁移的技术、培训、重建成本极高,数据飞轮的价值远高于消费级软件。 ## 6. AI原生的本质是组织和产品DNA的重构 AI原生不是简单叠加大模型功能,本质是底层范式和组织机制的差异:传统企业软件是在现有产品上加AI按钮,底层还是表单、预定义工作流,销售按坐席数、模块授权定价,所有组织机制都服务旧模式。 AI原生从用户请求出发,用自然语言对话替代表单,让系统理解意图替代预定义工作流,按解决问题数量衡量价值,需要从零搭建产品和组织。 ## 7. 应对岗位替代焦虑:释放人才而非取代岗位 Serval不是取代IT人员,而是把他们从低价值的流程性工作中释放出来,去做设计系统架构、优化基础设施这类需要判断力和创造力的工作。 短期确实会减少纯流程性岗位,但这类工作本就不该消耗人力;长期IT部门会从“办手续的”转型为“业务赋能者”,在组织内的影响力反而会提升。 ## 8. 创业早期组织文化:自用产品+专注聚焦 Serval内部坚持用自己的产品解决IT问题,既加速产品迭代,也让全员认同公司愿景。 Serval坚持说“不”,只同时满足三个条件的方向才切入:客户已经在用Excel、Email拼凑解决方案(需求足够痛)、核心Agent架构有天然优势、能积累飞轮数据,否则哪怕需求再诱人也不扩张,早期专注是最大杠杆。 ## 9. 分层权限平衡自主性与控制权 Serval采用分层权限控制平衡自主与安全:低风险操作可完全自动执行,中等风险操作需要人工审批,高风险操作仅提供步骤建议和沙盒模拟,不直接执行。 当某类自动化经过足够多次人工验证准确率达标,系统会建议提升自动化权限,这是逐步建立信任的过程,快慢取决于客户的IT治理文化,而非技术可靠性。 ## 10. 对创业者的成长建议 从大公司到创业,最大的两个转变:一是节奏变快,大公司可以花两周开会讨论,创业公司必须当天出结论;二是人才要求不同,大公司靠品牌薪水招人,早期创业需要能接受不确定性的人,问“最大技术风险是什么”的人远优于先问期权估值的人。 给创始人的建议:第一,认真对待第一个客户,他们对产品方向的塑造力远超想象;第二,不要花太多时间融资,如果融资时间超过对接客户的时间,大概率已经跑偏。
红杉对话Serval创始人:入职时你以为的工作,80%都是不该存在的流程:AI原生思维如何吃掉企业软件
2026-05-30 12:28

红杉对话Serval创始人:入职时你以为的工作,80%都是不该存在的流程:AI原生思维如何吃掉企业软件

本文来自微信公众号: 每日天使 ,作者:每日天使,原文标题:《红杉对话Serval创始人:入职时你以为的工作,80%都是不该存在的流程——AI原生思维如何吃掉企业软件》


                      编者按


                      Jake Stauch在这场对话中抛出了一连串我愿意称之为'反直觉但极对'的判断。他说ServiceNow最大的护城河不是技术,而是客户已经花了几百万美元买的那堆没人知道到底用了没用的许可证。他说做AI原生不是因为你用了大模型,而是你在用一套完全不同的激励机制。他又说自动化工具的失败通常不是因为功能不够强大,而是因为'建自动化比手动干活还麻烦'。如果你在关注AI如何改变企业软件赛道,这场对话将给你一个非常有辨识度的棱镜来审视整个行业。


                      导语


                      本期对话来自红杉资本,主持人为红杉合伙人,嘉宾是Jake Stauch——Serval联合创始人兼CEO。Serval是一家定位为'AI原生ServiceNow'的企业IT自动化平台。Jake此前在ServiceNow负责产品战略,亲眼看到了传统IT服务管理工具的局限性,离开后决心从零开始,用大模型和Agent架构重建企业IT自动化。


                      这场对话覆盖了Serval的产品理念、双Agent架构、模型选择策略、竞争壁垒论证、对AI原生的定义、组织文化、员工岗位替代等深入话题。Jake对许多AI行业的热门议题——从模型能力到规模化挑战到企业采纳——都有非常务实的判断。以下为完整编译。


                      QA正文


                      一、工作鸿沟


                      主持人:Jake,欢迎来到节目。先从一个高层次的问题开始——你们在做某种'AI原生版的ServiceNow'。为什么世界需要一个AI原生版的ServiceNow?


                      Jake Stauch:员工在工作中需要帮助。这就是核心理念——我们是一个员工支持平台。在每个职业中,我觉得始终存在着'你对自己工作的理想化想象'和'你的实际工作'之间的鸿沟。


                      对于每一个职业都是如此——你理想化,而孩子们做这个最明显:'我想当消防员、宇航员'——然后你进了那个职业才发现,哦,这里面有太多我不喜欢的东西。我们想成为那个工具,来弥合你以为的工作和实际工作之间的差距。


                      二、IT的痛点


                      主持人:具体到企业IT这个场景,这个鸿沟长什么样?


                      Jake Stauch:你想想一个典型的IT支持人员——他们加入公司时想的是'我要解决技术问题,帮助同事更高效地工作'。然后到了现实中,他们的工作变成了:重置密码、在五个系统之间来回跳、每周回答同样的问题、填写合规审计表格。这些东西根本不是他们加入IT想做的事。


                      更糟糕的是企业里每个员工都在经历这个。你想申请一个软件权限,你得搞清楚应该找谁、填什么表、等多久。然后你发现整个流程是用Email和Excel拼起来的——这跟你拿到工卡第一天心里想的'我要在这个公司做出贡献'的图景差了十万八千里。


                      我们想做的就是把所有这些本可以用自动化完成的部分自动化掉——让IT人员回到他们真正被需要的那些决策性、创造性的工作上去。让普通员工的工作体验回到他们入职第一天的那个期待水平。


                      三、双Agent架构


                      主持人:你们的产品架构是什么样的?怎么用AI来实现这个目标?


                      Jake Stauch:我们的架构有两个Agent。第一个Agent面向员工——任何员工遇到任何IT问题,他们不打开工单系统,不搜索知识库——直接在一个自然语言界面上描述他们的问题。Agent理解问题,如果它能自动解决,就直接做了。如果不能,它会收集上下文,然后路由到IT团队的相应人员。


                      第二个Agent面向IT团队。当一个IT人员收到一个请求,他们不是去手动操作——而是用自然语言描述'我需要帮这个员工做X',Agent执行操作。更重要的是——当这个IT人员解决了这个问题后,Agent学到了这个问题的解决方案。下一次类似的请求进来,第一个Agent就能自动处理了。


                      所以本质上我们在做一个飞轮——每一次人为干预都会成长自动化的范围。长期来看,越来越多的请求会被自动处理,IT团队被解放出来去做那些真正需要人的事情。


                      四、自动化悖论


                      主持人:你之前说过一个观点让我印象很深——你说'自动化本身必须比被自动化的流程更简单,或者至少一样简单'。现在还这么认为吗?这个洞察是怎么来的?


                      Jake Stauch:我现在还这么认为。这个洞察来自一个非常简单的换位思考——假设你是一个IT人员,有人请你帮忙重置一个密码。你有两个选择:


                      选项A:打开Google Workspace,找到用户,点'重置密码'——10秒搞定。


                      选项B:打开工作流构建器,拖拽一个触发器,再拖拽一个响应,然后配置参数,然后测试,然后部署——可能要花5分钟。


                      当面对这两个选择时,你只会选A——手动做。但如果建自动化比手动更简单,你就会建自动化。所以工具设计的核心不是在功能上有多强大,而是在'做事'和'建自动化'之间——你希望那个决策对人来说极其容易地偏向'建自动化'。


                      主持人:有些东西是不是太简单了,不值得自动化?人们常说'automation vibes'——这种东西存在吗?


                      Jake Stauch:这个问题很有意思。确实存在——但这取决于你用什么工具来建自动化。如果用自然语言描述就能建自动化,那'太简单不值得自动化'的阈值会大幅降低。因为描述'帮新员工在这个三个系统里创建账户'——一句话,可能就20秒的时间成本。然后你下次再也不用花5分钟在每个新员工上了。这个投资回报率从第一周就会出来。


                      五、模型策略


                      主持人:你们这个系统依赖多个大语言模型。你是怎么决定什么时候用哪个模型的?很多人觉得一个最强的模型就够了。


                      Jake Stauch:我们绝对不会只用一个模型。不同的任务有不同的要求——精度、延迟、成本。有些任务需要顶级的推理能力——用最好的模型。但有些任务是那种反复出现的高频低复杂度操作——比如'用户的部门经理是谁'这种确定性查询——你用一个大模型来跑不只是浪费钱,还引入了延迟和潜在的不确定性。


                      所以我们有一个路由层——可以根据任务的特征动态选择用哪个模型。有些任务甚至不需要大模型,传统代码就能解决。在这个行业,如果你不用这种异构方式做模型选择,你的单位经济学到规模化的时候会很难看。


                      主持人:你怎么看模型能力的进步速度?会不会有一天底层模型足够强大,一把梭哈就够了?


                      Jake Stauch:模型在变强,这是事实。但我们的系统架构不依赖任何特定模型的特定能力。我们可以随时切换——今天用Claude、明天用GPT、后天用Gemini。核心价值在路由逻辑、对话管理、知识图谱和行为数据——这些是模型厂商没有的。


                      六、竞争护城河


                      主持人:说到护城河——ServiceNow是一个市值千亿的公司,有几十万客户。他们也在加AI能力。OpenAI、Anthropic这样的模型厂商也在往垂直场景渗透。你怎么看待这个竞争格局?


                      Jake Stauch:ServiceNow确实有巨大的客户基础——但他们面临一个结构性挑战。每一个ServiceNow的客户已经拥有大量的ServiceNow许可证——这是他们的资产,也是他们的负债。


                      为什么是负债?因为当你花了数百万美元买了ServiceNow的许可证,没有人会高兴地承认'我们只用了里面的2%的功能'。这就产生了一个巨大的惯性——IT负责人不喜欢替换已经批准预算、已经部署的系统。所以ServiceNow可以在他们的现有平台上加AI功能,客户会因为惯性而采纳。


                      但这里有一个'AI原生'的问题。ServiceNow的AI功能是在一个工作流构建器之上叠加的——你还是要建工作流,还是在用流程驱动思维去设计自动化。而我们是'请求驱动'的——用户用自然语言描述他们需要什么,系统决定怎么做。这不是一个功能差异,这是一个范式差异。


                      至于大模型厂商——他们是有能力做垂直应用,但他们的商业模式是卖API调用量。做一个垂直产品意味着你需要了解一个行业的具体工作流、合规需求、集成需求——这不是他们擅长的。他们更大的兴趣在'让更多人用更多token'——我们是'让更少的人做IT'。


                      主持人:所以你认为真正的护城河在哪里?


                      Jake Stauch:两样东西。第一,客户的行为数据。每一次员工提交请求、每一次IT人员解决一个问题——我们都积累了对这个组织工作方式的深度理解。这些数据让我们的Agent变得越来越精准。模型本身是通用的,但组织上下文是私有的——新进入者没有这个。


                      第二,也是更重要的——切换成本。一旦一个公司的IT流程全部通过我们的系统运转,要迁移出去的成本不仅仅是技术上的,还包括重新培训、重建自动化、重新积累数据。这种数据飞轮在企业软件里比消费者软件价值更大——因为企业流程是高度定制化的。


                      七、AI原生vs大企


                      主持人:你一直在说'AI原生'。到底什么叫AI原生?为什么这和大企业在现有产品上加AI功能有本质区别?


                      Jake Stauch:'AI原生'不在于你是不是用大模型——而在于你的组织DNA。


                      大企业加AI的逻辑是:'我们有一个现有的产品,卖给现有的客户。AI能让这个产品更好——所以我们在工具栏上加一个AI按钮。'这个逻辑没问题——短期来看这能增加新的收费点,也能提高留存。


                      但问题在于:一个AI按钮不会改变产品的底层架构——你还是在用表单、工作流、预定义规则这些范式。你的客户成功团队还在按照'帮助客户配置工作流'的套路来培训客户。你的销售团队还在按照坐席数、模块授权来定价。所有这些组织机制都在守护旧模式。


                      AI原生的逻辑是相反的——我们从'一个请求进来'这个时刻开始想产品。我们不做表单——我们做对话。我们不做工作流构建器——我们让系统理解意图。我们按解决的问题数量来思考价值,而不是按坐席数。所有这些都需要一个从零开始的机会。


                      八、岗位替代焦虑


                      主持人:当你向潜在客户推销的时候,你怎么处理'AI会取代IT人员的工作'这个焦虑?IT经理会不会担心你的产品让他们被裁员?


                      Jake Stauch:这是个真实的问题,我们也确实遇到过。但我们的回答是——我们不是在取代IT人员,我们是在让他们做他们真正想做的事情。


                      任何一个IT经理都不愿意每天早上醒来去处理密码重置、权限申请、软件安装请求。他们想做的是设计更好的系统架构、优化基础设施、制定安全策略——那些真正需要人的判断力和创造力的工作。但这些工作被那些低价值的流程性请求淹没了。


                      短期来看——确实会有一些纯流程性的岗位减少。如果一个IT部门有3个人全职做密码重置和软件申请审批——这部分工作会消失。但问题是:这些人本来就不应该把职业生涯耗在这些事情上。在一个人人都说自己缺技术人才的时代,你是在把一个有潜力的人从一个机器人就能做的岗位上释放出来。


                      长期来说——我们看到的模式是IT部门的角色从'办手续的'变成了'赋能者'。他们不再处理工单——他们设计自动化的规则、管理例外情况、优化系统架构。这个转型如果做得好,IT部门在组织内的影响力反而会上升。


                      九、组织与文化


                      主持人:你们自己的组织文化是怎么样的?你怎么在Serval内部落地你说的这些理念?


                      Jake Stauch:我们有一个原则——我们自己要用自己的产品。Serval内部就是Serval的用户。我们团队的IT问题通过Serval解决。这不仅让产品更快迭代,也让每个人都活在我们给客户描述的那个愿景里。


                      另一点是——我们是一个非常善于说'不'的组织。至少有10个看起来很合理的扩展方向摆在我们面前。我们可以做HR自动化、财务自动化、客户服务自动化——这些领域都有巨大的需求信号。但我们刻意选择了只做最好那一个。因为在这个早期阶段,专注是最大的杠杆。如果你同时追10只兔子,你一只也抓不到。


                      主持人:那你怎么决定什么方向该追、什么不该追?


                      Jake Stauch:三个条件必须同时满足:第一,客户已经在用Excel和Email在拼凑解决方案——说明需求真实存在且足够痛。第二,我们的核心Agent架构在这个方向上有天然优势——不是强行适配。第三,这个方向能积累对飞轮有价值的数据——不是一次性交易。但凡三个条件缺一个,我们就说不。


                      十、自主权vs控制


                      主持人:当你让Agent自动执行操作时,你怎么平衡自主性和控制权?IT经理肯定不愿意让一个AI自由操作系统关键权限。


                      Jake Stauch:这确实是一个核心设计问题。我们的做法是分层的权限控制。Agent不是万能的——每个Agent能执行什么操作是由IT管理员指定的。


                      对于低风险操作——比如'自动帮这个用户重置HR系统的密码'——可以完全自动化。对于中等风险——比如'给这个用户开通一个额外软件许可证'——需要人工审批才行。对于高风险操作——比如'修改域控制器设置'——Agent根本不被允许执行,但它可以推荐操作步骤并在沙盒中模拟结果。


                      这种分层权限模型是随着使用逐步收紧或放松的——当一个特定类型的自动化在100次人工验证中100%正确,系统会建议提升为自动执行。这是一个建立信任的过程,而不是一个开关。


                      主持人:这种信任建立需要多久?


                      Jake Stauch:取决于客户的IT治理文化。有些我们一周就放开了低权限自动化。有些花了两个月还在人工审批阶段。快慢和新技术的恐惧程度高度相关——而不是技术本身的可靠性。这也是为什么我们在早期和客户的关系很重要——你需要一个愿意给你信任信号的合作伙伴。


                      十一、成长建议


                      主持人:你之前在大公司的经验——从ServiceNow到创业——这中间最大的转变是什么?对听众中的创始人有什么建议?


                      Jake Stauch:最大的转变是节奏。在大公司你可以在两周之内思考一个问题,和五个不同的人开会,然后得出结论。在创业公司——如果你不是在今天就得出结论,你就是在浪费今天。


                      另一个转变是关于人才的。在大公司你可以用品牌和薪水吸引人。在早期阶段,你需要的是那种'我们不知道能不能做成但我想试试'的人。这不是一个薪水问题——是这个人内心对不确定性的舒适程度。你面试的时候就能判断出来——如果一个人问的第一个问题是期权池有多少、公司估值是多少——他大概率不是你要找的人。如果第一个人问题是'你们现在最大的技术风险是什么'——那我们接着聊。


                      给创始人的建议:第一,非常认真地对待你的第一个客户。他们对产品方向的塑造力远超你的想象。第二,不要在融资上花太多时间——如果你在融资上花的时间超过了你在和客户交流上花的时间,你可能已经跑偏了。


                      视频链接:https://www.youtube.com/watch?v=j7ypvRUFY7M

                      AI创投日报频道: 前沿科技
                      本内容来源于网络 原文链接,观点仅代表作者本人,不代表虎嗅立场。
                      如涉及版权问题请联系 hezuo@huxiu.com,我们将及时核实并处理。
                      正在改变与想要改变世界的人,都在 虎嗅APP
                      赞赏
                      关闭赞赏 开启赞赏

                      支持一下   修改

                      确定