公司
Swan AI
创始人
Amos Bar-Joseph
收入
每月 < 8.3万美元
Amos Bar-Joseph 已有两次成功退出的经历，但他坦言之前的做法并不正确。这一次，他决心以不同的方式构建公司。
他与两位联合创始人着手打造一家自主运营的公司，目标是实现人均年收入1000万美元。经过大约一年时间，Swan AI_ 的三位联合创始人已使公司年经常性收入接近100万美元。_
以下是 Amos 分享的实践心得。 👇
目录
风险投资的问题
我曾以传统方式创建并扩展了两家初创公司——筹集风险投资、快速扩张、最终实现两次收购。从外部看，这似乎是成功的。但从内部感受，却令人不安。
以下是传统“剧本”的真实写照：
-
在找到产品市场契合点之前，先筹集200万至500万美元。
-
在收入达到第一个百万美元之前，将团队扩张到40人以上。
-
在资金耗尽的同时，从一个融资轮次“虚张声势”到下一个，希望在游戏结束前找到可行的商业模式。
我这样做了两次。两次都“成功”了——我们被收购了。但两次我都清楚，我们建立在摇摇欲坠的基础上，为了满足投资者的时间表而历经数年人为设定的增长轨迹，而不是构建真正可持续的东西。
现在，我正在开发 Swan AI。这是我尝试彻底革新公司从零到超高速增长模式的一次实践。
它是面向市场进入策略的“Lovable”。它是一个AI市场进入工程师，帮助销售、营销和创始人将任何市场进入流程在几秒钟内转化为智能工作流，从线索到销售管道。
2025年，我们仅凭3名全职员工（联合创始人）就从0发展到200名客户，年经常性收入逼近七位数。
瞄准人均1000万美元年经常性收入
长期以来，保持精简意味着规模受限。这是一种权衡。但AI智能体最终使得构建“自主运营业务”成为可能。
我创立Swan是因为我看够了旧模式的衰败，并想证明新模式能够胜出。
我们并非试图成为一家精简的、年收入500万美元的“生活方式型”企业。我们的目标是凭借超小团队实现人均1000万美元的年经常性收入，证明可以达到与传统独角兽相同的规模，但无需臃肿的架构、官僚主义和职业倦怠。
顺便说一句，这并非虚荣指标——它是塑造我们每一个决策的约束条件。如果一个无法通过AI或系统解决的问题，我们会质疑是否应该去解决它。
我们正在构建一个新的剧本，而非遵循旧的：保持精简，利用AI放大每个人的能力，通过智能而非人头数实现规模化。我们公开记录一切，因为如果这种方法可行，它将彻底改变游戏规则。
构建错误的产品
我们最初构建了错误的产品。像该领域的其他人一样，我们从AI销售开发代表开始——自动化的潜在客户挖掘、个性化邮件发送，遵循常规剧本。
工作流程很简单：寻找潜在客户，用AI筛选，个性化触达，发送序列邮件。在白板上看起来很清晰，也容易构建。
然后，一位客户提出了一个打破一切的问题：“你能让它适用于网络研讨会参与者，而不是冷线索吗？”
我们漂亮的工作流程？毫无用处。我们构建的自动化只是在假装智能。每一个新的用例都意味着从头开始重建。
那时我们意识到，我们构建的并非真正需要的东西。我们自己运行着Swan的整个市场进入流程——三位创始人，没有销售开发代表，没有营销团队。我们自己就是用例。我们需要的是能够随着我们战略变化而快速适应的东西。
因此，我们抛弃了僵化的工作流程，围绕一个不同的理念重建：能够推理_任何_市场进入动作的AI，而不仅仅是执行预定义的步骤。
重建花了数周，而非数月。当你是三个没有缓冲空间的人时，你没有奢侈的长期周期。我们快速发布，自己使用，并让我们自身的痛点指导每一次迭代。
利用约束条件推动创新
约束条件催生安逸永远无法带来的创新。而我们有一个巨大的约束：绝不招聘。
一个很好的例子是我们的支持运营如何随时间演变。
当每周支持工单达到200个时，大多数初创公司会雇佣两名支持代表。而我们构建了一个自学习的AI智能体——在四周内，我们学到的人机协作知识比“正常”扩展一年学到的还要多。
以下是其演变过程：
-
第1周： 我们给AI智能体20个记录在案的答案，并让它在Slack中自由发挥。它处理了大约15%的工单。其他一切仍需我们处理。
-
第2周： 我们没有试图记录每一个可能的问题，而是构建了一个升级循环。当AI不知道答案时，它会停留在客户的对话线程中，但在内部通知我们。我们提供答案，AI负责传达。客户永远不会知道我们在幕后操作。
-
第4周： 我们注意到我们反复回答相同的新问题。因此我们添加了一个功能：在我们回答了一个升级问题后，AI会自动记录下来供未来使用。
这个简单的循环改变了一切。两周内，我们从15%的自主解决率提升到70%。知识库从20个解决方案增长到180个——并非因为我们编写了文档，而是因为系统从每一次人机互动中学习。
不招聘的约束迫使我们构建了比单纯增加人手更智能的东西。
它也教会了我们重要的一课：不要在发布前试图让AI变得完美。让它足够好以启动，然后构建反馈循环，让人在过程中教导它。
打破传统模式
自主运营商业模式在拥有50名客户时几乎崩溃。
我们构建Swan是为了证明三位创始人可以在不招聘的情况下实现规模化。在最初的六周里，它运行得非常出色——我们的AI智能体处理支持、客户引导和管道生成，而我们专注于成交交易。
然后我们遇到了瓶颈：每周267个演示电话。两位创始人完全达到了极限。20%的成交率意味着我们需要每一个电话，但我们体力上无法处理更多。
计算是残酷的。我们已经证明AI可以自主处理70%的客户互动。但销售对话——最高杠杆的时刻——仍然是100%由人完成。而人是无法无限扩展的。
我们有两个选择：雇佣销售人员（打破我们的模式）或从根本上改变我们的销售方式。
我们选择了更艰难的道路。在七天内，我们放弃了整个销售主导的流程，围绕产品主导的增长重建。为合格线索提供自助服务。无需演示即可开始使用。
这是我们做过的最冒险的赌注——我们的整个理念都依赖于它的成功。
如果重来一次，我会从一开始就为自助服务构建。我们原以为需要高接触度的销售来学习，但实际上，观察人们在没有我们干预的情况下使用产品，我们学到了更多。演示瓶颈迫使我们找到了更好的模式。我只是希望我们能更快地到达那里。
原生AI技术栈
我们的技术栈围绕一个原则构建：从零开始的原生AI，而非在传统工具上附加AI。
工程开发：
-
Cursor - AI编程助手，让我们的首席技术官能够完成过去需要15人团队的工作
-
Vercel的V0 - 在几小时内将产品概念转化为可工作的原型
-
Baz - AI代码审查，捕捉人类可能遗漏的问题
市场进入与销售：
-
Swan AI - 我们自己的产品，将匿名流量转化为合格的销售管道
-
Shortwave - AI邮件代理，以完美的跟进时机管理数百个对话
-
Unipile - LinkedIn自动化API
数据与智能：
-
Explorium - 专为AI智能体构建的B2B数据基础
-
Perplexity的Sonar - 永不停止的智能网络研究
-
Attio - 可编程的CRM，而不仅仅是一个数据库
智能体构建：
-
n8n - 用于内部自动化的低代码平台
-
Retool Agents - 在内部应用上构建AI智能体，无需工程开销
-
Base44 - 通过AI构建交互式工具和网站
模式：每个工具要么是原生AI，要么为程序化自动化而构建。没有任何需要人工持续监控的工具。
通过有机内容实现增长
我们几乎完全通过有机的LinkedIn帖子实现了Swan的增长。没有付费广告。没有营销人员。没有公关公司。
在第一年，我们获得了超过600万的展示量，并获得了200多名客户。所有这些都是通过创始人持续发布的有机内容实现的。
LinkedIn成为了我们整个销售漏斗的顶端。前六个月我们成交的每一笔交易，都始于有人看到帖子、访问网站或直接给我发私信。内容不仅建立了知名度——它在第一次对话之前就建立了信任。而信任意味着更高的转化率、更低的流失率以及更契合的客户。
AI辅助的内容引擎
以下是其背后的系统：
我使用Claude Projects构建了一个我称之为AI内容引擎的东西。这不是关于用AI写得更快，而是关于用AI更好地思考。
设置： 一个加载了我的内容支柱（我用来解读任何主题的主题角度）、品牌指南以及我表现最佳帖子的示例的Claude项目。系统提示告诉Claude如何与我协作——在回应前运行一个创意过程，总是提供三个选项，在每个阶段之间等待我的输入。
工作流程： 我带着一个原始想法或见解开始。Claude帮助我找到正确的角度，建议吸引点，并对结构进行压力测试。我们通过策略 → 叙事弧 → 执行的迭代过程。我从不发布Claude单独写的东西。我发布的是我们共同开发、听起来像我的东西。
结果： 内容 → 信任 → 入站流量 → 自助服务 → 满意客户 → 案例研究 → 更多内容的飞轮。启动缓慢，但会产生复利效应。这种模式就是护城河。
使其有效的理念： AI因果报应是真实存在的。如果你使用AI制造内容而没有原创观点，它会显露出来。受众能感觉到。但如果你使用AI来放大你通过构建、失败、学习获得的真实见解，内容就会产生复利效应。
我称这个智能体为“莎士比亚”。它现在运行着我的整个内容引擎。但每一篇帖子都始于我真正相信的东西。这是不容妥协的。
技能与产品类别
我能给出的最好建议是：停止将AI视为一个产品类别，开始将其视为你正在培养的一项技能。
大多数创始人都在等待。等待合适的AI工具、完美的用例，或有人告诉他们从哪里开始。与此同时，一小群人正在构建。他们发布粗糙的自动化，打破常规，学习真正有效的东西。他们正在培养AI肌肉。
以下是其实际含义：熟练掌握系统思维。学会将流程分解为步骤。理解工具如何通过API和Webhook连接。尝试使用Make、n8n或Retool。你不需要理解大语言模型——你需要理解工作流程。
然后，选择一个小任务并将其自动化。线索丰富。会议准备。支持分流。具体是什么并不重要。构建一个达到手动操作60%效果的版本。观察它在何处失效。修复它。重复。
对我们来说改变一切的见解是：AI智能体不需要完美的指令。它们需要反馈循环。构建AI可以从纠正中学习的系统，它每周都会变得更聪明。
现在就开始培养这种能力的创始人将拥有复利优势。那些等待AI“成熟”的人将在未来五年里从那些没有等待的人那里购买工具。
在你准备好之前就开始。这总是建议，但对于AI来说，这一点从未如此真实。
下一步计划
我们的目标不仅仅是建立一家成功的公司。而是要证明一种新模式是可行的——以便他人可以效仿。
自主运营业务理念很简单：借助AI杠杆的人类可以实现过去需要大量人力才能达到的成果。但目前，这仍然只是一个理念。有一些早期信号——Cursor、Bolt、Lovable实现了令人难以置信的人均收入——但还没有人记录从零到规模化的完整剧本。
这就是我们试图通过Swan实现的目标。
这不是关于永远保持小规模。而是要证明，当你优化人机协作时，团队中的每个人都成为力量倍增器。也许我们保持三位创始人。也许我们最终发展到十个人，完成一百人的工作。关键在于杠杆作用，而非人头数。
在找到产品市场契合点之前，无需大规模融资轮次。无需50人团队来强行推动增长。无需耗费数年生命管理复杂性而非创造价值。
如果我们成功，这个剧本将成为现实。我们构建的每一个框架，我们创建的每一个系统，我们犯的每一个错误——我们都公开分享，以便后来的创始人不必独自摸索。
-
关注旅程： swan-ai.beehiiv.com ‚ 我的通讯，记录我们如何构建自主运营业务。成功、失败、框架。不加修饰，只呈现真实发生的情况。
-
试用产品： getswan.com —— 看看AI市场进入工程师的实际面貌。
-
LinkedIn： 我的个人资料 是大本营。我几乎每天都会发布关于人机协作、市场进入策略和自主运营业务剧本的内容。我在这里分享的大部分内容最初都是LinkedIn帖子。
-
与我的数字克隆对话： Autonamos ‚—— 一个基于我所写、所建、所学的一切训练的GPT。想探索框架或对想法进行压力测试吗？与它开始对话。