Building an Autonomous Enterprise for Real-World Services with Netic Founder Melisa Tokmak

Netic 用 AI 代理接管了暖通、宠物护理等“脏活”行业的客服与调度，已为客户创造超 6 亿美元收入，创始人 Melissa 认为大厂做不了这活。

机器人尚远，AI先接管实体企业

Melisa Tokmak 是 Netic 创始人兼 CEO。Netic 为 HVAC、管道、电气、屋顶、宠物服务等实体服务企业构建自主运营 AI：它不只接电话，还要理解客户需求、判断企业能不能服务、决定派谁去、何时去。Tokmak 此前在 Scale AI 任职约四年，搭建过政府业务，也做过物流、制造、金融、医疗等大型企业业务，并有 Meta 工作经历。她看过大模型如何进入企业，也看过真正的线下运营有多乱、多具体：凌晨缺人、暴雪来电、技师技能不匹配，任何一个环节卡住，收入就从门缝里溜走。

这期回答了 7 个问题：

1. 为什么维修、屋顶等实体服务业的 AI 机会，可能比机器人更近？
2. 一家看似传统的屋顶公司，为什么能在 14 天内签下 50 万美元 AI 合同？
3. 企业部署 AI 时，为什么只盯着降本是一个危险起点？
4. AI 如何决定一通暖气报修电话该派谁、何时派、是否值得优先处理？
5. Netic 所说的“自主企业”，和一个会接电话的语音客服有什么本质区别？
6. 怎样在招聘中判断一个人真正有 agency，而不是只会讲漂亮故事？
7. 当 AI 让知识和工具触手可及时，为什么多数人仍可能不会采取行动？

被问到 AI for the real world 是否终将与机器人、自动驾驶汇合时，Tokmak 没有否认机器人会来，但她把它放在“未来章节”。她的理由不是抽象地说机器人还不够聪明，而是要求 Netic 的每位工程师都必须去客户现场，再回旧金山写产品。去过现场就会发现，维修不是把一个标准动作重复一万次。

比如修一处住宅故障，技师面对的是不同年代、不同结构的房子；螺丝尺寸不一样，管线走向不一样，能钻进去的缝隙也不一样。有些问题甚至必须先拆开整面墙，才知道里面究竟坏了什么。机器人要替代这种工作，不只是“会拧螺丝”，而是要在陌生、狭窄、遮挡严重的环境里判断下一步。

Tokmak 的说法很直白："If robotics is going to do what we're doing with these companies today, every single of those buildings need to be either 3D printed or completely standardized."（如果机器人要完成今天这些公司在做的事，每一栋建筑都得要么是 3D 打印的，要么被彻底标准化。）

这意味着，实体服务业更近的一步，不是等一个通用机器人走进每间地下室，而是先让 AI 接管“调度大脑”：听懂客户在说什么，查清设备和历史记录，判断是否紧急，再匹配正确的技师。建筑不标准，信息流却可以先被标准化。

边界也很清楚。机器人长期仍可能进入现场，但房屋和维修环境的非标准化会拖慢它。更何况，许多服务发生在客户“最糟糕的一天”——房子被淹、暖气在严寒中停摆。此时客户要的并不只是一次物理操作，也是在混乱里得到回应、确认和帮助。

被问到 HVAC、屋顶这些行业是否“慢”“老派”、因而难以采用 AI 时，Tokmak 先泼了盆冷水：这种判断很容易把公众印象当成真实采购逻辑。Netic 面向的不是泛化的小商户市场，而是大型实体服务企业。它们不为“AI”两个字付款，却会为了能直接改善经营结果的系统迅速行动。

她举了一个刚签下的客户：一份约 50 万美元的合同，从头到尾只用了 14 天。这个速度的前提不是客户冲动，而是它们能快速核验价值。Tokmak 说："I think it's a big misconception to think about these industries as old school."（把这些行业想成老派行业，我认为是一个很大的误解。）

屋顶行业尤其能说明这一点。表面上，它仍需要 door knockers，也就是挨家挨户敲门、寻找潜在客户的人。但在另一端，企业早就在想办法读取更多信息：飓风影响了哪些社区的屋顶？不同屋顶适合什么材料？哪些住户更值得先联系？过去，这些信息要靠人工从不同工具里筛选，再把名单交给销售或地推人员。

Netic 把这条链路放进一个平台：接入卫星数据，把灾害和材料信息补进 agent 的上下文，同时处理入站咨询、出站触达、分析和劳动力交付。所谓“传统”，只是线下交付仍由人完成；它们在获客、定价、派工和复购上，早就有强烈的数据需求。

这意味着，技术采用速度不取决于企业看起来是否“科技化”，而取决于系统能不能迅速证明经营价值。14 天签约也不代表这些企业会为新鲜感买单，恰恰相反：大型客户的快，来自对回报的严格核验。

被问到私募股权机构如何面对 AI 时，Tokmak 描述了一个变化中的买方逻辑。过去，私募股权常见的打法是找到被低估的“宝石”资产，换团队、改善经营，再转手出售。但她认为，真正未被发现的优质资产越来越少，今天更难的问题变成：怎样在已经拥有的企业里创造可验证的增量价值。

现实中，第一轮讨论依然常常围绕成本。服务企业是 EBITDA 生意，也就是要盯住息税折旧摊销前利润，人工成本和利润率都很敏感。AI 能减少客服、调度和后台人员的负担，这当然会发生。但 Tokmak 不愿意把它当成终点："It would be pretty sad if we used AI only for cost cutting."（如果我们只用 AI 来削减成本，那会相当可悲。）

Netic 的数字是，迄今由 AI 处理的客户互动，已经为客户带来超过 6 亿美元收入。她强调，卖 AI 不能只做 demo。演示可以展示一个声音自然的 agent，却无法证明它在真实高峰期接住了多少需求、筛出了多少高价值客户、促成了多少服务订单。她更倾向直接拉出已经上线的部署，展示客户实际赚到了什么。

这意味着，AI 项目的验收标准应从“省掉多少人”转向“能否持续创造可归因的新收入”。比如原本因为凌晨无人接听而流失的报修，是否被转成订单；原本派错人的工单，是否减少；原本只服务一次的客户，是否被正确识别为高终身价值客户。

降本并非错误，但若企业永远只把 AI 当作压低底线成本的工具，就会错过扩大服务能力、捕获新需求和提高复购的空间。省下一份工资是一笔账，接住一整季高峰期的需求，是另一笔更大的账。

被问到 Netic 如何处理一通 HVAC 来电，以及五年后的北极星是什么时，Tokmak 给出的例子不是“AI 接起电话”这么简单。她设想一家年收入 10 亿美元的服务企业：业务可能凌晨 4、5 点就开始，但公司里当时未必有人；经理到岗后，还可能发现当天有 3 人离职、5 人缺勤。与此同时，季节性需求已经涌进来——热浪、寒潮或节假日前后的预约高峰，都不会等企业把人排齐。

假设客户在零下 20 度时暖气坏了。系统不能只记下一句“暖气坏了”，而要继续判断：客户家里是什么设备？是否有历史维修记录？这家公司是否覆盖该区域？问题是否必须今天解决？如果只能处理锅炉或新型系统的最佳技师数量有限，该派给谁？现在派，还是稍后派？客户的终身价值，也就是未来可能持续带来的收入，又该如何进入优先级？

Tokmak 对目标的定义是："We want every single thing in these companies to be handled autonomously with netic except the actual services and the labor itself."（我们希望这些公司中，除了实际服务和劳动力本身外，每一件事都由 Netic 自主处理。）

这意味着，“自主企业”与语音客服的差别，在于它不是接住溢出的电话流量，而是把客户意图、人员技能、实时出勤、服务范围、订单价值和商业优先级连接成持续运转的决策系统。电话只是入口，派工和收入才是结果。

边界同样明确：系统可以接管运营链路，却不应假装现场服务已经不重要。真正上门的人、修好的设备、客户感受到的可靠性，仍是企业必须亲自守住的核心。

被问到怎样在招聘中判断 agency 时，Tokmak 不把它当成一个可以直接问出口的标签。agency 用大白话说，就是一个人遇到事情时，会不会主动找到可控部分、推动事情向前，而不是停在“没人告诉我怎么办”。问题是，几乎没人会在面试里承认自己缺乏主动性，因此一句“你有 agency 吗”没有信息量。

她的做法是沿着候选人的人生经历往下挖。应届生没有正式工作经历没关系：大学里做过什么？为了进入大学做过什么？有没有自己在乎的项目？更关键的是，这件事是一个周末的热情，还是持续做了下去？她常问“人生中最难的事是什么”，随后继续追问原因、候选人控制了什么、又怎样改变了未来。

她给出一个最近录用者的答案。那个人没有讲戏剧化的逆袭故事，而是说自己过着很简单的生活：连续超过 15 年，每天坚持严格的健康和工作作息，始终为同事出现，不感到厌倦，也没有轻易转向别的事。Tokmak 认为这是一个很有创造力的答案，并期待他下周入职。

她真正想确认的是："Have you been showing agency in things that you did in life and did you keep up with them?"（你在人生做过的事情中，是否一直展现出主动性？你有没有坚持下去？）

这意味着，高 agency 的信号不一定是一份光鲜履历，也不一定是一件“改变世界”的项目。更可靠的信号，是一个人是否长期承担自己的选择，能否穿过无聊、挫折和重复，持续完成自己认定重要的事。一次高光可能来自运气；十几年的稳定兑现，更难伪装。

在谈到 Netic 五年愿景时，Tokmak 说，建立公司不只是为了实现自主企业，也为了和卓越的人一起工作。但她最在意的组织问题恰恰是：公司规模越来越大后，怎样还能只与卓越者共事？她没有把这个问题包装成一套已经验证的人才方法论，反而直接承认：没有一个答案。

她的原话是："How do we keep working with only remarkable people?"（我们如何才能持续只与卓越的人共事？）

这句问法里有一个容易被忽略的难点。“找到几个优秀的人”与“规模扩大后保持人才密度”不是同一件事。前者可以靠创始人的个人判断、早期网络和高强度筛选完成；后者会遇到组织层级、协作成本、标准传递和招聘规模的问题。公司人少时，创始人能直接看到每个人的产出；公司变大后，谁定义“卓越”、谁判断标准有没有被稀释，都会变得更复杂。

Tokmak 提到自己尊敬的长期主义公司，包括 Palantir、SpaceX 和 Notion。她看重的是这些公司对工艺和长期交付的执着，但她也指出，它们同样都曾在这个问题上挣扎。换句话说，产品可以不断迭代，人才标准却很难像代码一样复制粘贴。

这意味着，组织扩张并不是产品成功后的附属题，而是与产品规模化同等级的难题。Netic 想让客户企业把运营交给 AI，自己也必须面对另一种“不可完全自动化”的工作：如何在更多人加入后，仍让判断力、责任感和对客户的在意不被流程冲淡。她没有给出确定解法，这种不确定本身比一套漂亮答案更接近现实。

被问到除 Netic 外最期待 AI 改变什么时，Tokmak 回到了自己的成长经历。她在土耳其一个很小的城镇长大，去美国读大学之前，甚至没有自己的电脑。后来，她拿到斯坦福全额奖学金来到美国。在此之前，她会通过 Facebook Messenger 联系从自己高中毕业、已经在美国上大学的人，请对方看自己的文章和作品，给自己反馈。

那是一种非常稀缺的学习路径：你得先知道外面有另一个世界，得找到去过那里的人，还得鼓起勇气发出消息，期待对方愿意回复。她因此最期待 AI 改变教育——让原本不知道这些机会存在的人，也能把想学的知识、想做的事和即时反馈装进口袋里。

但她没有把这种技术进步说成自动的平等。她反而提出一个更尖锐的判断："We keep making it easy and easier easier and easier to make that choice but still I guarantee you majority of the world will not be making that choice."（我们不断让做出那个选择变得更容易、更容易，但我敢保证，世界上大多数人依然不会做出那个选择。）

这意味着，AI 会显著降低资源门槛：不会写代码的人能得到辅导，不认识行业前辈的人能获得反馈，不知道如何开始的人能让系统拆解第一步。但“知道第一步”不等于“走出去”。行动仍要承担失败、暴露不足、持续投入和放弃其他选项的代价。

技术能移除“我没有电脑”“我找不到人问”“我不知道从哪学”的限制，却不能自动移除犹豫、惰性或逃避后果的冲动。未来人与人、组织与组织之间的差距，可能越来越少取决于信息是否可得，越来越多取决于谁愿意真的使用这些信息。

“实体服务的下一波自动化不是机器人，而是先接管调度大脑”和“自治企业不是替代技师，而是把每次派工变成实时经营决策”，其实都在纠正一种对 AI 的误解：AI 的现实价值不主要来自它看起来像不像人，而来自它是否能进入一条复杂的经营链路，持续做出比原来更及时、更连贯的决定。

这也解释了为什么“AI 的价值不该止于裁员，而应被按新增收入验收”。如果系统只是少接几通电话，它只是后台工具；如果它能在凌晨接住需求、识别设备、匹配技师、安排优先级，并把一次本可能流失的报修变成长期客户关系，它才真正进入了企业的收入引擎。

Tokmak 对组织和个人的判断则是同一条主线的另一面。“招‘有主见的人’不如筛选十几年持续做事的人”，以及“AI 能抹平资源门槛，却不能替人做出行动选择”，说的都不是谁更会讲故事，而是谁愿意在条件变好后继续承担选择。AI 会让信息、建议和工具更便宜，也会让“我不知道怎么开始”的借口越来越站不住脚。

对读者而言，问题不只是要不要用 AI，而是要把它放进哪一段真实工作里：它能否替你处理重复的信息流，让你把时间留给客户、现场、判断和协作？当工具已经递到手边时，你又准备把哪件拖了很久的事，真正推进到下一步？