我意識到非做不可的那一刻
2023 年。我剛在尼爾森 IQ 花了兩年做消費品預測模型，從零做到 $7M ARR。再往前，是在德意志銀行帶了六年 AI 團隊，兩年內做到 $10M ARR。不管用什麼標準來看，這都是一段不錯的企業 AI 職涯。
但我一再看到同一件事反覆上演：一個很棒的軟體——函式庫、開發者工具、基礎設施產品——在 GitHub 上發布，得到使用者真心的喜愛、累積了 star，卻完全沒辦法把這份喜愛變成生意。創辦人整晚都在回同樣的支援問題，而真正有購買意向的人，因為沒人在那裡接住，就悄悄走了。
這個模式我兩邊都見過。在銀行，我評估過好幾百個供應商產品，看著小團隊丟單——不是輸在技術，而是輸在回應不夠快。在尼爾森 IQ，我看著自家的內部工具被低估，只因為沒人有空扛起支援的壓力。
這道落差不是產品的落差，而是「在不在場」的落差。
我在德意志銀行學到的企業營收經驗
2019 年加入德意志銀行時，我的任務是在證券服務部門建立一個 AI 團隊，向內部和機構客戶銷售 AI 產品。我很快學到一個違反直覺的道理：企業買家不會買最好的產品，他們買的是自己信得過的產品。
在那個層級，信任來自回應的速度。來自在他們丟出具體問題的那一刻——合規、整合、安全——就能當場回答的能力。不是兩天後才回信，不是三週後排一場 30 分鐘的示範，就是當下。
於是我們打造了幫團隊更快回應的系統：用 AI 訓練文件、把首次接觸的篩選自動化。效果很好，原本會卡住的對話一個個變成了成交。$10M ARR 就是這樣來的——靠的不只是更好的產品，而是在潛在客戶有問題時真的在場。
我把這個體會記了下來。當時還不知道，自己其實正在替一家公司累積它存在的理由。
文件機器人變成了一門生意
時間快轉到 2023 年。離開尼爾森 IQ 後，我一直在想接下來該做什麼。一切從一個很簡單的觀察開始：我老是在翻同樣的文件、讀同樣的 README 段落、在 Slack 社群問同樣的設定問題。
所以我做了一個文件搜尋引擎——一個會讀函式庫文件、然後回答問題的機器人。簡單、為自己量身打造、對我很有用。
我把它分享給幾個維護開源函式庫的朋友。沒幾天，他們全都用上了。幾週後他們回報說，Discord 頻道安靜了下來、GitHub Issue 裡「該怎麼做」這類問題少了，他們有更多時間寫功能、而不是回問題。Better Auth 的維護者 Bereket Engida 告訴我，導入這個機器人之後，他的 Discord 活躍度成長了 10 倍——因為大家終於能夠很快得到答案，於是願意留下來繼續發問。
那一刻我懂了。我解決的不只是文件問題，而是「在不在場」的問題，是一個營收問題。
沒人在討論的模式
一旦開始留意，我到處都看得到。在我熟悉的開源社群、我自己在用的 SaaS 產品、我在企業任內評估過的開發者工具——同一套戲碼不斷重演。
一個潛在客戶上門了。他有一個真實的問題，而這個問題正是意向的第一個訊號。但他能做的只有兩件事：寄信（懶得弄），或填聯絡表單（送出去排隊等回覆）。於是他直接把分頁關掉。他離開，不是因為產品不對，而是因為互動的麻煩大過留下來的好處。
流失 pipeline 背後的數據很驚人。60% 和營收有關的對話發生在非工作時間。78% 的買家會選第一個回應的供應商。B2B 平均回應時間是 42 小時。這三個數字湊在一起，描繪的就是一個漏水的桶，每個小團隊卻還不停地把流量往裡倒。
為什麼我叫它 AI 入站轉換引擎
我為了該怎麼描述 Clarm 想了很久。「AI 聊天機器人」格局太小——讓人以為只是縮在角落回答 FAQ 的小元件。「支援自動化」完全沾不上營收。「名單獲取」又聽起來像個表單。
最後讓我豁然開朗的，是我在德意志銀行看到的那個概念：營收台（revenue desk）。它是銀行裡的一個職能，客戶一發出和營收有關的訊號——一筆交易、一個定價問題、一通風險諮詢——就立刻到場。這個台存在的意義，就是確保沒有任何客戶訊號被漏接，也沒有任何對話因為等不到人而胎死腹中。
這正是我想交到每位技術型創辦人手上的東西：一個 24/7 運轉的高階營收台，覆蓋他們經營的每一個通路，不用付高薪，也不用花心力管理。
AI 入站轉換引擎。Clarm。
早期部署教會我的
早期成果驗證這套論點的速度，比我預期還快。GiveLegacy 在網站導入 Clarm 後的 90 天內，入站對話從大約 760 封郵件諮詢，成長到 4,624 次由 AI 處理的對話——同樣的流量，成長了 6.1 倍。其中 25.2% 展現出購買意向，60% 發生在非工作時間。這個通路在 90 天內，就從 $0 變成最大的入站營收來源。
Better Auth 導入 Clarm 後的三個月內，GitHub star 從 8,000 成長到 22,000。產品沒變，變的是社群體驗——大家能夠很快得到答案，於是持續互動、貢獻，還把它推薦給別人。
c/ua 用 Clarm 的名單富化功能，找出哪些 GitHub 使用者正在建置正式環境系統。光是這個辨識，就直接促成了他們的第一個企業客戶。
這個模式在醫療、開源和 SaaS 都一樣成立。落差到處都一樣，解法也一樣。
我放棄了什麼（為什麼值得）
偶爾有人問我，會不會懷念企業 AI 高階職位的那種穩定。老實說：一次都沒有。
在德意志銀行，我做的是讓大機構稍微更有效率一點的系統。在尼爾森 IQ，我做的是把消費品預測做得更準。這兩件事都有意義，但都不是我想把整個職涯押上去的方向。
做 Clarm，我解決的是一個自己怎麼想都放不下的問題。我天天在跟那些真正在做重要東西的創辦人交流——他們的產品能存在，是因為有人在乎到願意動手寫下程式碼、贏得 star、把社群維繫住。我要給他們的，是一塊基礎設施，讓他們不必在「把產品做好」和「把銷售做好」之間二選一。
我們現在在哪裡
Clarm 是 Y Combinator 支持的公司（YC X25）。我們每週橫跨網站聊天、Discord、Slack 和 GitHub，處理數千次入站對話。已通過 HIPAA 和 SOC 2 合規，並支援受監管產業所需的地端部署。Clarm 在舊金山和蘇黎世設有營運中心。
我到現在還是親自回覆每一封寄到 [email protected] 的信。 身為一家公司的創辦人——而這家公司存在的意義，就是讓創辦人不必再手動回答每個問題——這當中的反差，我自己再清楚不過。但直接跟我們服務的人對話，始終是搞懂接下來該做什麼的最好方法。
如果你是創辦人，手上有轉換不了的流量、團隊被重複的支援問題淹沒，或者正因為回應太慢而丟掉企業級的交易——我真的很想跟你聊聊。 預約 20 分鐘和我聊。 沒有銷售話術，就只是針對問題好好談一次。
常見問題
Marcus 為什麼離開企業 AI 職位去創業？
Marcus 在德意志銀行和尼爾森 IQ 帶了六年 AI 團隊，做出從零做到千萬美元 ARR 的 AI 產品。他一再看到同一個模式：明明是好的軟體產品，卻因為來不及回應入站而流失營收。這不是產品問題，而是「在不在場」的問題。他決定打造一套 AI 入站轉換引擎來解決它——這就是 Clarm。
Clarm 的名字來源是什麼？
靈感來自德意志銀行的「營收台」（revenue desk）——客戶一發出和營收有關的訊號，這個職能就在現場接住。Marcus 想讓每個技術型創辦人也擁有同樣的能力：一個 24/7 運轉、橫跨所有通路的 AI 營收台，不必付高薪，也不用花心力管理。
Clarm 的早期部署結果如何？
GiveLegacy 在 90 天內入站成長 6.1 倍，購買意向率達 25.2%。Better Auth 的 GitHub star 從 8K 成長到 22K。c/ua 靠名單富化拿下了第一個企業客戶。這個模式在醫療、開源和 SaaS 都同樣成立。
延伸閱讀
如果這篇文章讓你有共鳴，你可能還想看看 每個技術型創辦人都在忽視的隱藏 pipeline 問題，或者 創辦人主導銷售為什麼走入死胡同以及該怎麼替代。