企业软件从未拥有过的复利资产
作者： Foundation Capital
免责声明： 本翻译好的文章仅限于我自己阅读，不是转载和发布。
观点 (Perspectives)
消费级平台围绕着一个复利循环（compounding loop）建立起了过去二十年来最强大的商业模式之一：每一次用户交互都成为了改进系统的信号。Netflix、Meta、亚马逊、TikTok 和谷歌不仅仅记录结果。他们以极高的粒度对行为进行检测——你点击了什么，你忽略了什么，你将鼠标悬停在什么上面，你放弃了什么，什么让你回来了——并将这些信号反馈给能够学习的系统。那个循环——捕捉、学习、改进、再次捕捉——成为了互联网时代最伟大的复利资产之一。
企业软件从未有过同等的循环。这并不是因为企业决策不那么频繁，而是因为它们更难被观察到。
消费级系统在受控的界面内运行，单个用户在公司完全拥有的产品内采取行动。企业决策则有着根本的不同：它们是跨越销售、财务、法务、运营、安全和管理的多方谈判——每一方都带有不同的动机、不同的权限和不同的约束。销售想要速度。财务想要利润率。法务想要先例控制。这些决策是谈判出来的，而不仅仅是点击出来的。到目前为止，企业一直缺乏对将行动与结果联系起来的推理过程的检测。
B2C 公司二十年来一直在对行为信号进行复利积累。而 B2B 公司在很大程度上并没有。现在，这种情况首次开始发生改变。
旧模式正在被打破
SaaS 的估值倍数已经被压缩，因为 AI 正在将证明高昂定价合理性的功能层商品化。当大语言模型（LLM）能够为几乎任何工作流生成一份胜任的初稿时，“在已知流程上提供更好的 UI”的价值就会崩溃——而那些护城河是功能而不是数据的公司，正是那些被降低估值的公司。他们构建了工作流，但从未构建过复利循环。
问题在于，什么将取代功能成为企业价值的持久来源。答案是企业软件从未有过的复利循环，它不是建立在行为轨迹之上，而是建立在决策轨迹（decision traces）之上。
企业软件实际捕捉到了什么，又错过了什么
企业系统是为了记录最终状态而构建的，而不是记录推理过程。 折扣字段告诉你最终的数字，而不是为什么这个数字是合理的。划红线的合同告诉你最终的条款，而不是在这个过程中哪些退让立场被拒绝了。已解决的工单告诉你事件已关闭，而不是为什么选择了一条升级路径而不是另一条。决策轨迹位于事件和结果之间那个缺失的层中。上下文图（context graph）是当该层变得结构化、可查询，并跨越系统、参与者和时间连接起来时所发生的事情。
相关的信号也是稀疏的、碎片化的，并且嵌入在人类工作流中，而不是作为一等（first-class）遥测数据被捕捉。 企业决策部分发生在会议中，部分在某人的脑海中，部分在电子邮件线程中，部分在私下对话中，还有部分在互不相通的系统内。
而且没有理由存储它。 决策数据被视为流程的废气——短暂的、可丢弃的——因为不存在可以从中学习的系统。即使捕捉到了碎片，它们也很少产生复利。公司有文字记录、电子邮件线程、评论和审批，但没有实用的方法从中提取结构化的决策工件（decision artifacts），跨系统连接它们，并将它们与结果联系起来。原材料零碎地存在，但循环却不存在。
发生了什么变化
企业工作现在存在于可检测的表面上。 工作已经变得分布式和异步化。决策越来越多地在评论线程、文档建议、工单历史、审批流和通话录音中做出。曾经只存在于某人脑海中的推理，现在在工作流本身中留下了越来越丰富的痕迹。
语言模型使非结构化数据变得可计算。 多年来，公司拥有文字记录、聊天日志、文档评论和工单历史，但这些主要是可搜索的，而不是可学习的。现在，LLM 可以从中提取决策工件。语言模型并没有消除对结构或评估的需求，但它们使得将以前惰性的协作数据转化为系统可以推理的东西成为可能。
智能体（Agents）自动创建决策检查点。 这是最重要的转变。智能体在工作流内部提出行动建议，然后由人类进行批准、修改或升级。一个智能体起草了一份定价提案；销售代表将折扣从 25% 调整到 30%，并添加了一条注释：“来自供应商 X 的竞争压力，需要匹配他们的报价。”这个修改就是一个决策轨迹。
模型的提案是一个结构化的先验（prior）——系统认为是正确的东西。人类的修改是判断信号——模型错过的真正重要的东西。随着智能体将自己插入到更多的工作流中，更多的判断被迫通过编辑、批准、例外和覆盖变得明确。检测不再是可选的。它是工作完成方式的副产品。
最强烈的反对意见是，最有价值的判断通常永远不会发出轨迹——它存在于直觉、政治、记忆和私下对话中。这种反对意见是真实的，但该论点并不需要它是错误的。我们不需要捕捉所有的判断；我们需要有足够多的、重复的、高价值的决策变得明确，以便系统可以开始从中学习。智能体介导的工作流正在跨越这个门槛，通过将沉默的专业知识转化为可观察的修正：每次人类编辑智能体的提案时，曾经默会的知识就变成了一个结构化的信号。
为什么现有企业不会构建这个
要捕捉决策轨迹，你必须在做出决策时在场——而不是在事后。这是关键的架构问题：你是在写入路径（write path）还是在读取路径（read path）中？
当一个决策作为最终状态落入记录系统中时，为什么（why）已经消失了。战略表面是决策具有约束力的那一点：批准步骤、红线修改、升级、智能体提案、人类覆盖。那才是推理仍然以可用形式存在的地方。
运营领域的现有企业和记录系统（SORs）是孤立的，并且优先考虑当前状态。 Salesforce、ServiceNow 和 Workday 都在其现有平台之上构建智能体，但这些智能体继承了它们底层的架构。Salesforce 建立在当前状态存储之上：它知道机会现在看起来是什么样子，而不是在做出决策时它看起来是什么样子。当一个折扣被批准时，证明其合理性的上下文并没有被保留。你无法在决策时重放世界状态，这意味着你无法审计决策、从中学习或将其用作先例。
更重要的是，没有一家现有企业能看到跨系统的全貌。一个支持升级取决于来自 CRM 的客户层级、来自计费系统的 SLA 条款、来自 PagerDuty 的近期中断，以及标记流失风险的 Slack 线程。没有一家单一的现有企业位于该路径中。
数据仓库玩家完全在读取路径中，而不是写入路径中。 Snowflake 和 Databricks 正在将自己定位为智能层，但数据仓库在决策做出后通过 ETL 接收数据。他们接收的是决策的输出，而不是产生决策的推理。靠近智能体构建的地方，与处于发生决策的执行路径中是不一样的。
智能体系统（Systems-of-agents）初创公司具有结构性优势，因为它们默认位于写入路径中。当智能体对升级进行分类、响应事件或决定折扣时，它会从多个系统中提取上下文、评估规则、解决冲突并采取行动。因为它正在执行工作流，所以它在决策具有约束力的那一刻捕捉了基本原理——不是在事后通过 ETL，而是在当下，作为一等记录。
而且由于企业决策轨迹对于普通的访问控制来说过于敏感，因此无论谁构建这一层，都必须支持许可推理（permissioned inference），而不仅仅是许可检索。一家律师事务所不能让一个客户的先例悄悄地塑造其竞争对手的推理；一家医疗保健组织不能允许运营历史通过抽象泄露。解决这些问题的公司将赢得信任，这种信任会像数据本身一样确实地产生复利。
平台机会
这将是一个平台和应用程序双重机会。每一家现有企业都已经盯上了这个奖品，这告诉你它有多大。
对于一些公司来说，策略是拥有他们自己的上下文图——构建专有的决策基础设施，使他们的智能体在他们的领域中比任何其他人的都更聪明。对于这些公司，一个新的基础设施层将会出现：在企业规模上构建、保护和查询上下文图的镐和铲。
对于应用程序公司来说，机会在于构建上下文图本身——针对特定领域的、跨职能的、复合的决策记录系统。我们看到这些沿着三个轴出现：运营上下文图（公司如何在战术上运行）、面向客户的上下文图（公司如何销售、支持和保留——销售、承保、客户管理），以及战略上下文图（高管如何做出战略决策）。每一个都是一个独特的表面，具有独特的机密性要求、独特的决策模式和独特的结果信号。
一旦这些图变得足够密集，游戏就从检索变成了预测。你不再问“我们上次是怎么处理这个的？”，而是可以问“如果我们这样构建交易，可能会发生什么？”——这不仅基于通用的训练数据，而且基于你组织实际的决策历史和结果。这种能力目前还未完全存在，但组装这些基础的公司正在朝着这个方向努力。
万亿美元的重写
每一个企业垂直领域——法律、保险、医疗保健、金融服务、采购、安全——都有几十年来积累的机构判断，这些判断从未被结构化，从未被复利化，从未被投入运营。正是这种判断，使得一位每小时收费 2000 美元的合伙人值 2000 美元/小时。前沿模型正在提高下限，但它们并没有提高上限。
上限是机构性的。它是关于这个组织在这些约束下如何做出决策的积累的、特定领域的、经过结果测试的推理。那才是产生复利的东西，也是更好的基础模型无法复制的东西。它也是终于变得可捕捉、可结构化和可学习的东西。
消费级巨头通过对行为轨迹进行复利积累，建立起了万亿美元的帝国。企业级同等的事物现在才刚刚成为可能，而这个奖品可以说更大。构建基础设施使之成为现实的公司，将定义下一个时代的企业价值。
如果你正在这个领域进行建设，我们很乐意与你交流。
