# 谁想跟报销单聊天？Ramp CEO 要让钱自己开车

> Training Data No. 25 中文精读

- 原标题：Ramp CEO Eric Glyman: Using AI to Build “Self-Driving Money”
- 发布日期：2024-12-03
- 主持：Sonya Huang · Pat Grady · Konstantine Buhler 等
- 网页版：https://trainingdata.qiaomu.ai/ep/025-ramp-ceo-eric-glyman-using-ai-to-build-self-driving-money-gFWwB3.html
- 精读字数：约 4892 字（阅读约 11 分钟）

> 本文为 trainingdata.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。

2015 年，ChatGPT 这个词还要等七年才出现，Eric Glyman 和 Karim Atiyeh 已经做出了一款放在今天也完全够格的 AI Agent，叫 Paribus。

原理很朴素：接入你的 Gmail，扫描所有购物收据，追踪你买过的每件商品的价格。美国零售商普遍有价格保护政策，你在百思买花 1000 美元买了台电视，第二天降到 900 美元，理论上能要回差价。前提是你得自己发现降价、自己写邮件、自己跟客服扯皮。Paribus 把这一整套全包了：替你生成一封模仿你语气的邮件发给商家，你睡一觉醒来，100 美元已经到账。几百万用户用过它，这款产品后来被 Capital One 收购。

十年后，Glyman 坐进了红杉资本播客 Training Data 的录音间。他现在的身份是 Ramp 联合创始人兼 CEO。Ramp 给企业做财务工具：发卡、审批、付款、自动结账，一个系统全包。数据是这么说的：用 Ramp 的公司，平均每年在开支上省 5%；五年累计帮客户省下几十亿美元，折算成人力相当于省了几千年工作时间；客户超过 25,000 家，从 Shopify、维珍邮轮到美国男孩女孩俱乐部都在名单上。

他给这套东西起了个名字：自动驾驶的钱（self-driving money）。就像 Waymo 接管方向盘，他想让 AI 接管公司资金的日常打理。而整期对谈最核心的立场，恰恰是他对行业潮流泼的一盆冷水：满世界都在给软件加聊天框，他从来没遇到过谁想跟自己的报销单聊天。这个反差是整期节目的主线，AI 最好的形态，可能是让人感觉不到 AI 的存在。

## 十年前的 Agent，和今天的区别

主持人 Ravi Gupta 是红杉合伙人，当过 Instacart 的 CFO。他对 Paribus 特别感兴趣，因为那是在“AI 创业”成为风口之前九年干的事。

Glyman 的复盘很清楚。Paribus 确实是个 Agent：用他的话说，这是一个“住在收件箱里的 Agent”，读邮件、比价格、替你发邮件，感知、决策、行动一应俱全。但它极其狭窄，只干追差价这一件事，而且做起来非常吃力。

今天不一样了。他说 2024 年的 AI 能做的事范围宽得多：帮财务团队跑分析、协助谈判、处理各种复杂任务。**软件替人做事这个“原语”十年前就存在，现在真正变化的，是它能覆盖的表面积正在快速膨胀。**

这个视角能纠正一个流行误判。很多人以为 Agent 是 ChatGPT 之后才诞生的新物种，实际上它是从窄场景里长出来的老物种，最近两年才突然拿到通用能力。做产品的启示很直接：与其纠结“Agent 时代该做什么新东西”，不如去看哪些流程里早就存在“人被迫当机器人用”的环节。

## 谁想跟报销单聊天？

先看 Ramp 想解决什么。Glyman 给过一个直观对比：过去公司买一样东西要开两个应用，美国运通管刷卡，Concur 管报销，人得在两个系统之间来回搬运收据。Ramp 想把这件事合并成一个工具：你刷一下公司卡，系统自动从商户和你的邮箱里拉取收据，报销单自动生成，全程不用动手。AI 读交易数据和总账，自动给支出分类、自动补全备注，对大多数客户来说，机器分得比人手工还准。**账本在给自己记账。**

边界在哪？Ravi 追问。Glyman 的回答是，凡是能帮客户省时间省钱的事都在射程内，未来还包括更高效的收款和记账。他甚至说，Ramp 本质上是一家生产力公司，关心的是时间和金钱流动的交叉点，金融只是载体。他描述的终局是“自动驾驶的财务部门”：同样的供应商谈到更好的价格，同样的流程自动跑完，Ramp 持续告诉你的公司哪里还能更省。

回到交互形态。ChatGPT 爆火之后，行业的第一反应是给所有软件加聊天框，Glyman 对这一波的评价不客气：

> 我从没遇到过任何一个人说，我真希望我能跟我的银行账户聊天，真希望我能跟我的报销单聊天。

他把 Ramp 内部对 AI 交互的思考分成两个桶。第一个桶叫**零接触（zero-touch）AI**，Paribus 就是早期样本：注册，绑定邮箱，然后没有然后了，没有界面可操作，睡一觉事情就办完了。刷卡的瞬间报销已经完成，就属于这一类。从行政管理到数据分析再到任务闭环，Glyman 认为零接触能覆盖的面会越来越宽。

第二个桶叫**Agent 式 AI**：你提出目标，AI 去执行，中途可以监督，信任建立之后连监督都省掉。Glyman 给了个刚上线的例子。OpenAI 发布多模态模型 GPT-4o 之后，Ramp 很快做了个功能：你可以直接说“Ramp，给我发一张预算 50 美元、只能在星巴克消费的卡，去办”。大模型读取你屏幕上的一切，一步步引导你操作，该点哪、该填什么，实时给出。Glyman 强调，这个功能没有预录的演示路径，模型是真的在理解界面、推理操作步骤。团队管这个模式叫“导游”。

他还点破了一个被忽视的事实：商业世界里大部分工作本来就是委托式的。你雇一个分析师，说“这事你去搞定”，这就是 interface。Agent 干的事跟这个一样，只是这位“分析师”是个大模型。

他拿自动驾驶做类比。十年前自动驾驶炒作最热的时候，测试车里坐着安全员，手随时放在方向盘上。现在湾区满街跑的 Waymo 已经没有司机了，有个人坐在驾驶座反而显得奇怪，因为机器开得更稳。**AI 接管工作流程会走同一条路：先监督，再信任，最后交钥匙。**

按钮和界面会消失吗？共同主持人 Sonya Huang 问了这个问题，Glyman 给了肯定答案。他的理由建立在设计的基本功上：好的设计来自对“要完成的任务”的极致理解，理解到可以把步骤砍到最少。用户保留的权力是审计，随时能查这些工具到底干了什么。日常操作上，直接说“这是我要的结果，去办”就够了。他还补了一句狠话：**今天大家默认用户要花时间学习怎么用你的软件，这个默认值应该反过来，人的时间该花在经营生意、服务客户、找回报率上。整个行业如果做不到这一点，就是失职。**

## 工程师要跟客户坐在一个电话里

Ramp 的文化以速度、质量和客户执着出名。Ravi 问他们怎么让工程团队真心拥抱 AI，Glyman 给了两条组织层面的经验。

第一条，先有问题，再有技术。Ramp 对外从来不宣传自己是“AI 驱动的财务工具”，宣传的是结果：

> 我们存在是为了帮你省时间、省钱。我们先把好处讲清楚，把想驱动的结果用最简单的话说出来。

但今天你用 Ramp，已经绕不开 AI，因为 AI 嵌在流程的各个环节里。客户说报销变简单了、结账变快了，背后都是 AI 在干活。**AI 是手段，问题才是靶心。别拿着锤子找钉子，先找到那些浪费大量时间的流程，再看什么工具合适。**

第二条，别让做产品的人离问题太远。Glyman 观察到一个规律：十个人的小公司，人人都跟用户聊；公司长到五百到一千人，你去问市场部和工程部谁最近一周跟客户说过话，大概率没人举手。他的标准很硬：

> 做产品的人必须深刻理解客户的痛，理解到某些时候比客户自己还懂。只有到这个程度，你才能做出设计足够好、好到可以自动化的产品。

所以在 Ramp，产品发布时工程师要跟客户坐在同一个电话里，为指标负责。你找不到一个很久没跟客户说过话的 Ramp 员工。Glyman 说，比同理心更要紧的词是品味（taste），而品味只能从这种贴身的理解里长出来。

## 记账员少了 100 万，财务分析师多了 100 万

做了快十年 AI 产品的 Glyman，怎么看这两年大模型带来的变化？他的判断很明确：**阶跃式变化，至少是他此生最大的一次生产力跃迁。**

理由跟做生意的根基有关。过去软件公司的护城河无非几样：功能多、集成多、锁定用户，你用了我的工具十年，数据都搬不走。现在，人类水平的推理能力可以通过一个 API 直接调用。Glyman 认为，这对所有软件公司的护城河都是一次重估。

而且红利不只在产品上。Ramp 自己内部就在吃这波：AI 自动化销售触达，他们的销售开发代表（SDR）产出是竞争对手的好几倍；客户服务变了，文案写作变了；他们能一次性听 10 万个销售电话，然后问“这 10 万人整体在想什么”。Glyman 说，这些事几年前根本不可能。他还观察到，大多数人还在拿 ChatGPT 做实验，真正把 AI 嵌进日常工作缝隙里去感受的人太少。

那五年后的财务团队长什么样？Glyman 描绘的现状是：很多财务部月底结账，头六天（糟糕的情况八天）全耗在给交易打标签、下载表格、核对匹配上，最后五天才轮到真正有价值的工作。他建议现在就动手，把这些机械环节自动化，让整个团队转向战略、洞察和价值创造。他顺带给了一个领导力定义：**优秀的领导者除了制造专注和紧迫感，还得能识别时间的超额回报藏在哪里。**

至于“自动化之后人去哪”这个经典焦虑，Glyman 引用了一组数据：过去一二十年，美国记账员（bookkeeper）岗位减少了约 100 万个，听起来像行业消亡。但翻开财务分析师、战略师、CFO 的招聘数据，这些岗位恰好增加了差不多 100 万。**人没有消失，人从打标签、做表格这种低价值环节，整体上移到了更高抽象层级的工作上。**他认为这一幕会在 AI 时代重演，有一类工作永远属于人，而且往往更有成就感。Sonya 问大家是不是都去打高尔夫了，他说闲暇当然会变多，但他相信人生的意义很大程度在于创造，人会带着省下来的时间投向新的创造。

## 押注一百年后依然成立的事

给创业者的建议部分，Glyman 的答案很“贝索斯”。他说创业是一场连续的马拉松，伟大公司要用几十年建成，他希望 Ramp 是自己最后一家公司。做产品要先盯住那些一百年后都不会变的事。套用贝索斯的话：一百年后没有人会抱怨“亚马逊当年要是给我们涨涨价就好了”，也没有人会希望“快递再慢一点”。

**先找到真实客户身上那些不会消失的问题，再回头看新技术能带来什么新解法。**顺序反了，就容易做出“技术找问题”的产品。Ravi 补了一句朋友的话：要做永恒（timeless），别做应景（timely），应景的东西会蒸发。

快问快答环节信息量也不小。

- 最喜欢的 AI 应用是 Cognition Labs 的 Devin。它想做“AI 工程师”，而且给了工程师该有的装备：有笔记本、有计划器、有浏览器（卡住了会去查 Stack Overflow）、有 shell 权限。Glyman 说最迷人的地方是能全程围观它干活，看它做对什么、做错什么，这重塑了他对产品设计的想象。
- 金融之外最会被改变的行业是医疗。诊断方式已经在剧变，健康需要连续多年的数据监测，靠一年一次的体检远远不够。很多医生的工作其实是“高级抄写员”，AI 能把时间还给真正的诊断和倾听。Ravi 补了个扎心类比：公司经营指标每小时都盯着仪表盘看，自己的健康却一年才体检一次，还经常放鸽子。
- 聊回金融业，他吐槽美国运通、摩根大通、花旗这些巨头的创始人当年是戴礼帽的，从功能机到 iPhone 时代，金融的底层逻辑几乎没动过。他反而认为苹果现在才是真正的金融科技创新者，因为 Face ID 把“钱”和“人的身份”连起来，从源头减少欺诈和摩擦。下一波颠覆者大概率来自传统金融之外。
- 最敬佩的 AI 人物是微软 CEO Satya Nadella。理由是他把一个研究项目变成了生产行业，跟 OpenAI 的合作几乎定义了这个品类，而且他思考问题以十年为单位。Glyman 说 Nadella 是他和 Ramp 团队的导师，还顺手推荐了对方的书《刷新》（Hit Refresh）。

## 明天就能用上的三件事

听完这期，有三件事明天就能动手。

第一，**给团队的流程做一次“机器人审计”**。把财务和运营里“人当机器人用”的环节列出来：月底对账、打标签、下载表格、搬运数据。这些是 AI 最先吃掉的地方，与其等工具来替代，不如自己先把流程设计成可自动化的样子。

第二，**检查你的产品里，用户在为学习软件付出多少时间**。Glyman 的标准是把步骤砍到最少：能零接触的不要点按钮，能一句话办成的不要五步流程。判断方法很简单，用户描述目标时，你的系统能不能直接执行。

第三，**做产品的人每周至少跟一个客户通话**。这是 Ramp 的硬规矩：工程师发布产品时要跟客户坐在一个电话里，为指标负责。品味没法外包，把客户的痛理解到“比客户自己还懂”的程度，自动化才有下手的地方。

一句话收尾：聊天框是最容易做的 AI 形态，却往往是最偷懒的那种。真正值钱的方向，是让 AI 住进流程里，安静地把事办完，就像那辆没有司机的 Waymo，你只管说去哪。