Stephen Straus，KUNGFU.AI 首席执行官兼联合创始人 – 访谈系列

Stephen Straus，KUNGFU.AI 的首席执行官兼联合创始人，是一位拥有数十年创建和咨询公司经验的企业家、投资人和技术高管。在 2017 年启动 KUNGFU.AI 之前，他曾担任 Austin Ventures 的普通合伙人，并创立或共同创立了多家公司，其中包括被 Bluebeam 收购的 mbue。Straus 还是 Capital Factory 的长期合伙人和导师，并在德克萨斯大学奥斯汀分校 Cockrell 工程学院的工程顾问委员会任职。除了技术和投资领域，他还共同创立并担任 Impact Dyslexia 的主席，并创立了 Startup Diversity and Inclusion Pledge，体现了他对技术、创业和组织领导力如何产生积极社会影响的更广泛关注。

KUNGFU.AI 是一家位于奥斯汀、专注于人工智能的管理咨询与工程公司。公司成立于 2017 年，将 AI 战略与工程相结合，帮助组织从实验阶段迈向可投入生产的 AI 系统，业务覆盖代理 AI、机器学习、计算机视觉、AI 治理以及人机协同等领域。其方法强调围绕组织及其员工的实际运作方式来设计 AI，而不是将 AI 视为独立的技术部署。KUNGFU.AI 的服务跨足医疗、政府、私募股权、零售、金融和保险等行业，并报告称其 96% 的项目已进入生产阶段。

您在 Austin Ventures 担任风险投资多年，经历了互联网泡沫的繁荣与破灭，随后看到了互联网兴起与人工智能初现之间的相似之处。是什么让您确信这一机遇足够重要，以至于最终共同创立 KUNGFU.AI？当时您看到的、许多企业领袖仍未察觉的是什么？

我认为，正是因为在互联网革命的点点滴滴中坐在第一排，形成了模式匹配的洞察，这促使我在 ChatGPT 出现前六年就共同创立了公司。我无法确切解释，但我深信人工智能将成为世界即将经历的下一场重大技术转型，并且像互联网一样，它将改变竞争的根基。

就个人而言，我在生活中已经目睹了多次变革性的技术转型，最早可以追溯到我 11 岁时。我看到了一台 Apple I，虽然当时并未意识到，但它标志着个人电脑革命的开端。

至少从服务业的角度来看，极少有人看到我和联合创始人所看到的景象。ChatGPT 出现之前，几乎找不到其他专注于 AI 的服务公司，而现在几乎不可能找到一家不宣称提供 AI 服务的服务公司。

KUNGFU.AI 成立于生成式 AI 成为董事会重点之前多年。随着技术从传统机器学习演进到生成式以及日益具备代理性的 AI，您对“AI‑first”公司的定义有何变化？

公司创立之初，我们就意识到自己在开创 AI 专业服务公司的概念。但直到 ChatGPT 出现，我们才认识到同样有机会开创 AI 赋能的专业服务公司的新范式。

在 ChatGPT 之前，我们已经进行了一些有限的内部自动化，但真正让我们成为 AI 赋能的专业服务公司的，是大语言模型的出现以及如今的代理式 AI。我认为我们在这方面已经取得了显著进展。去年我们的收入增长了超过 80%，而员工人数基本保持不变。在服务业中，这种增长率以及人员规模与收入增长的脱钩，我认为都非常显著，展示了在这个新纪元的服务业可能性。

您曾指出，企业把 AI 当作另一种软件实现是错误的。组织真正利用 AI 重新思考公司可能的形态，而不是仅仅提升现有流程效率，具体应如何体现？

AI 在多个维度上区别于传统软件。下图摘自我新书，Wayfinding: A Business Fable About Leading in the Age of AI.

AI 与传统软件的区别

超出这些具体细节，从更宏观的角度来看，我认为大多数公司犯了一个非常大的错误，那就是他们试图弄清楚如何使用 AI 来自动化业务。为什么这是错误？几乎所有这些人都会同意 AI 正在改变一切。而如果它改变了一切，那就包括改变了你所在行业的竞争基准。

在我看来，如果你的行业即将被颠覆，那么去自动化你的业务毫无意义。这就像在 Netflix 将要颠覆 Blockbuster Video 时，还坚持要自动化 Blockbuster 的运营一样。

我并不是反对自动化，而是认为每家公司的第一、第二、第三优先级应该是弄清楚如何在行业中成为颠覆者。因为如果你不专注于此，按照定义，你既不会成为颠覆者，反而很可能被颠覆。于是这应当是首要任务，单纯关注自动化可能会对组织构成生存风险。

KUNGFU.AI 已经在超过 30 个行业完成了 120 多个项目。基于这些部署，是什么让将 AI 实验转化为持久竞争优势的组织与仍停留在试点阶段的组织区别开来？ 

实际上，有几个关键差异将把 AI 实验转化为持久竞争优势的组织区分开来。我认为这始于领导者的心理画像以及他们设定目标的雄心程度。

先从公司最高层领导的心理画像说起，无论是 CEO、董事会还是 C‑suite。这非常简化，但我看到两种主要的领袖原型。

在积极的一面，我看到一些人以愿意表现脆弱的姿态面对 AI 新时代的巨大挑战：这完全是全新领域。我们几乎不知道自己在做什么，无法做出所有必须的决策和投资。我们将带着会犯错的心态前进，并对这种情况感到舒适。我们会从错误中学习，并尽可能多地与专家合作。

这与那些表面上表现出“我知道自己在做什么”的人形成对比，这种自信对大多数人而言是毫无依据的，因而更像是狂妄自大。

除此之外，最成功的企业是那些意识到 AI 将改变竞争基准，并寻找基于专有数据的 AI 驱动商业模式，以在行业结构的关键裂点上进行突破，从而改变行业并成为领袖。

随着 AI 代理能够执行日益复杂的工作流并在更少人工干预下做出决策，你预计公司结构、管理层级以及个人角色将如何变化？

所有这些都在剧烈变化之中。我们围绕人机协作构建了完整框架，将已有 50 年历史的研究应用于 AI 新时代。机会不在于仅仅自动化工作或把 AI 工具放在人前，而是围绕包含人类与机器智能的团队重新设计工作本身。

这意味着人的角色也会随之改变。人们将越来越多地从执行工作转向设计实现工作的系统，同时提供技术仍然需要的判断、监督和情境理解。

这是一个非常复杂的问题，变化速度很快。对员工角色保持高度有意的规划尤为重要，因为他们将越来越多地与自主代理协作。

企业如今可以选择海量的基础模型、AI 平台、代理以及第三方工具。企业应在何处依赖外部技术，哪些 AI 能力或数据优势必须自行掌握？

随着各种工具的不断涌现，AI 的智能部分正迅速商品化，我再三强调拥有自己的数据资产的重要性。

有句俗语说，种树的最佳时间是40年前，其次是今天。这句话在数据方面的意义在于，如果你还没有尽可能多地收集和归档业务数据，就应该从今天开始，即使你暂时不打算在通往以AI为中心的未来的道路上做其他事情。

我思考这个问题的另一种方式是，AI 工具箱中有整套工具，而人们现在常称为传统 AI 或机器学习模型的工具通常并非现成可用。即使有现成的，它们也未必能提供你实现真实商业价值所需的精度，或者无法利用你的专有数据。

因此，我绝对认为依赖外部技术是有道理的。对于许多应用来说，最具战略性的往往是基于你的专有数据构建的定制解决方案。

您强调了董事会层面的 AI 治理重要性。董事会今天应向管理层提出哪些问题，以判断其 AI 战略是在创造真正的战略价值，而非仅仅带来增量的生产力提升？

董事会在 AI 领域面临全新的挑战。他们仍承担传统的监督与治理职责，通常侧重于防范风险和降低损失。但如果不平衡地鼓励冒险、尝试新事物并提供相应资源，从定义上讲，公司将在这个 AI 新时代被甩在后面。因此，在风险赋能与风险缓解之间找到恰当的平衡至关重要。

我还认为，董事会推动管理层采用基于专有数据的 AI 赋能业务模式非常重要，因为如果不关注这一点，增量的生产力提升在业务被颠覆时将毫无意义。

在《Wayfinding》中，您和 Ben Szuhaj 讲述了一位 CEO 必须在 90 天内制定 AI 战略，否则面临被取代的故事。您为何选择商业寓言而非传统管理书籍来探讨领导者应如何应对 AI 驱动的颠覆？

我非常喜欢商业寓言以及像 Patrick Lencioni 这样的传奇作者。我们选择以寓言的形式写这本书，因为它能够以轻松易懂的方式探讨诸如领导者心理等细微议题，使其在这个新时代取得成功，而在传统商业书籍中实现起来要困难得多。

我们认为这本书真正实现了一件令我们兴奋的事——以快速、有趣且引人入胜的方式，为忙碌的领导者传授实质且相关的内容。书中的学习成果，包括 11 套原创框架，读者可以立即带回工作中并付诸实践。

Wayfinding 的核心主题是，在技术快速演进、确定性不可能的情况下做出关键决策。高管应使用何种框架来判断何时信息足够以采取行动，尤其是当等待更明确的情况本身可能带来竞争风险时？

我们在书中分享的框架之一本身就叫 Wayfinding。它是对敏捷方法在 AI 领域的改编，是一种假设驱动、结构化的过程，用于探索数据并在全面投入生产之前验证方案的可行性。其目的在于回答 AI 解决方案是否值得构建以及是否可行。这也是我们公司在将概念验证转化为生产并交付真实、可衡量的商业价值时，成功率超过 95% 的关键原因，我们已为客户完成超过 50 次此类转化。

重新戴上风险投资人的帽子，观察当今这一代 AI 公司，哪些信号表明一家初创企业正在构建持久的竞争优势，而不是快速沦为基础模型或更大平台的一个功能？

说实话，我真的不知道，也很庆幸自己现在不在这个行业。我对当今的风险投资人抱有很大同情。他们必须进行大胆的押注，才能为投资者争取顶级回报。但由于技术发展迅速且相当不可预测，要辨别长期的赢家和输家实在非常困难。

我之所以强调长期，是因为除非公司恰好碰到重要机遇并在早期被收购，否则会有很多看似有成功机会的公司最终因市场演变而未能成功，这一点很难预判。底线是：就像互联网泡沫时期一样，既会出现极少数的超级赢家，也会有大量资金损失。

感谢这次精彩的访谈，想了解更多的读者请访问 KUNGFU.AI。