从创意到6.5亿美元退出，AI创业的实战逻辑与方法论

Hello，今天想跟大家分享YC近期一个10w+的播客， Casetext 创始人 Jake Heller，他的公司开发了首个律师 AI 助手 CoCounsel，并于近期以 6.5 亿美元现金被汤森路透（Thomson Reuters）收购。

这篇文章，我拆解了他在演讲中分享的核心创业方法论，非常适合分享给创业中的勇士们，希望能帮助大家建立对 AI 创业的系统性认知。

本次播客演讲者：Jake Heller (Casetext 创始人)

核心主题：如何选择 AI 赛道、如何构建可靠的 AI 产品、如何进行市场化落地。

01 如何选择赛道：

重新定义“人们想要什么”

在 AI 时代，YC 的经典建议“Make something people want”（做人们想要的东西）变得更加具体和容易寻找。你不需要凭空猜测，只需看现在人们正在花钱请人做什么。

1. 三大 AI 创业方向 

Jake 提出目前的 AI 创业主要分为三类：

• 辅助型 (Assist)：帮助专业人士更高效地完成任务。

• 案例：CoCounsel 帮助律师阅读文档、起草合同。

• 替代型 (Replace)：完全接管某项工作。

• 案例：AI 会计、AI 私人教练、AI 理财顾问。

• “不可思议”型 (The Unthinkable)：做以前因成本过高而无法想象的事情。

• 案例：以前律师事务所不可能让人类阅读数百万份文档并进行分类，因为成本高达数百万美元；但现在 AI 可以让成千上万个智能体（Agent）同时阅读，让不可能变为可能。

2. 市场天花板（TAM）的爆发式增长

• 旧逻辑：软件市场规模 = 专业人士数量 × 软件订阅费（通常很低，如 $20/月）。

• 新逻辑：AI 市场规模 = 所有从事该工作的人类薪资总和。

• 结论：AI 应用的潜在价值比传统 SaaS 软件高出 10 倍、100 倍甚至 1000 倍。这不仅是商业机会，更是通过大幅降低成本（如让法律服务降价 100 倍）来普及昂贵服务（Democratize access）的机会。

02 如何构建产品：

领域知识与评估体系 (The "How")

这是演讲中最硬核的技术部分。很多人认为 AI 只是调接口，但 Jake 强调了构建可靠 (Reliable) 产品的工程化路径。

1. 深入理解“专家是如何工作的” 

不要瞎猜，如果你不是该领域的专家，必须像“卧底特工”一样去深入了解专业人士的具体工作流。

核心问题，如果在这个领域最顶尖的专家拥有无限的时间和资源，他们会分哪几个步骤来完成这个任务？

2. 构建流程：从步骤到代码

将专家的思维过程拆解为具体的步骤：

拆解步骤：例如法律研究不是“一步到位”，而是包含：理解问题 -> 制定计划 -> 搜索 -> 筛选 -> 阅读 -> 笔记 -> 撰写 -> 核对。

转化为 Prompt 或代码：

如果步骤是确定的（如数学计算），直接写传统代码（Python），不要用 AI，那样更便宜且稳定。

如果步骤需要智能判断（如“这篇文章相关性打几分”），则转化为 AI Prompt。

3. 决胜关键：疯狂的评估测试 (Evals)

这是区分“Demo 级产品”和“实战级产品”的关键。

建立评估标准 (What does good look like)：定义什么是完美的输出。

量化评估：让 AI 输出可量化的结果（如 True/False，或 0-7 分），以便自动化测试。

迭代打磨：

初版 Prompt 可能只有 60% 准确率。

关键建议：你需要愿意为了一个 Prompt 花两周时间不眠不休地调试，建立 100 个以上的测试用例 (Test Cases)。

通过不断调试，将准确率从 60% 提升到 97%-99%。剩下 3% 的错误通常也是人类会犯的主观错误。

利用客户反馈：客户遇到的每一个失败案例，都应转化为新的测试用例加入评估库。

03 市场与销售：

价值定价与建立信任

技术做好了，如何卖出去？特别是面对保守的大企业客户。

1. 产品大于营销 

反驳常见观点：不要迷信“销售定成败”。如果你有一个真正解决了问题的惊人产品，口碑传播和新闻报道会自然发生，销售人员甚至会变成单纯的“接单员”。

如果产品不够好，即便有最好的销售团队也无法长久。

2. 定价策略：基于价值而非软件

不要把自己卖便宜了。不要仅仅按 $20/月 的软件逻辑收费。

价值锚定：如果你的 AI 替代了价值 $1000 的人工合同审查，你可以收费 $500。这比传统软件贵得多，但比人工便宜得多。

倾听客户：有些客户更喜欢确定性的年度预算（Flat fee），而不是按次付费，那就满足他们。

3. 跨越信任鸿沟 (Trust Gap) 

大公司 CEO 都有 AI 焦虑，想尝试 AI，但不敢完全信任。

解决方案：

• “人机对决” (Head-to-head comparison)：让客户保留原有的人工流程，同时并行使用 AI，最后对比速度和质量。

• 驻场工程师 (Deployed Engineers)：甚至派人坐在客户旁边，确保他们学会使用并真正从产品中获益。

• 警惕“试用期收入” (Pilot Revenue)：很多初创公司的收入来自试用合同，如果无法转化为长期经常性收入 (ARR)，公司将面临灭顶之灾。

Last but not least

关于竞争：不要担心大厂或竞争对手。市场大到难以想象（万亿级），专注于解决具体的痛点，你往往能跑得比大公司快得多。

关于护城河：不要担心自己只是“套壳”模型。当你花费数年时间，解决了无数的数据集成、微调了数千次 Prompt、构建了复杂的评估体系后，你实际上已经构建了极高的壁垒，别人无法轻易复制。

行动准则：Just Build It. 只要你按照“拆解专家流程 + 疯狂测试评估”的方法去做，你就能超越市面上 90% 的浮躁产品。

整理自 YouTube 视频：

《From Idea to $650M Exit: Lessons in Building AI Startups》

播客地址：

https://www.youtube.com/watch?v=l0h3nAW13ao

关注公众号，用极客视角洞察未来！