我知道必須做這件事的那個瞬間
2023 年。我剛在尼爾森 IQ 花了兩年建立消費品預測模型，從零做到 $7M ARR。再之前，六年在德意志銀行領導 AI 團隊，兩年內做到 $10M ARR。從任何標準看，這是一段不錯的企業 AI 職業生涯。
但我不斷看到同一件事反覆發生：一個優秀的軟體——函式庫、開發者工具、基礎設施產品——在 GitHub 上發布，獲得真實的使用者喜愛，累積 star，然後完全無法將這些喜愛轉化為商業。創辦人花整個晚上在回答同樣的支援問題。真正有購買意向的人悄悄離開了，因為沒人在那裡接住他們。
我從兩面都見過這個模式。在銀行，我評估過數百個供應商產品，看著小團隊丟單——不是因為技術差，而是因為回應不夠快。在尼爾森 IQ，我看著我們自己的內部工具被低估，因為沒人有時間承接支援壓力。
差距不是產品差距。是「在場」的差距。
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。我們向內部和機構客戶銷售 AI 產品。我很快學到了一個反直覺的教訓：企業買家不買最好的產品。他們買他們信任的產品。
在那個層級，信任來自回應能力。來自在他們提出具體問題的那一刻——合規問題、整合問題、安全問題——就能回答的能力。不是兩天後透過郵件。不是三週後的 30 分鐘預約示範。是當下。
我們建立了幫助團隊更快回應的系統。用 AI 訓練文件。自動化首次接觸篩選。效果很好：原本會停滯的對話變成了成交。$10M ARR 就是這樣來的——不僅僅是更好的產品，而是在潛在客戶有問題時真正在場。
我把這個經驗記下了。當時我不知道自己在積累一個公司的論點。
文件機器人變成了一門生意
快進到 2023 年。離開尼爾森 IQ 後我在想該建立什麼。從一個簡單的觀察開始：我一直在查同樣的文件、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——一個能透過閱讀函式庫文件來回答問題的機器人。簡單、個人化、對我有用。
我分享給幾個維護開源函式庫的朋友。幾天之內他們都在用。幾週內他們反饋說 Discord 頻道變安靜了，GitHub Issue 裡「怎麼做」類問題變少了，他們花更多時間在寫功能而不是答問題。Better Auth 的維護者 Bereket Engida 告訴我，部署這個機器人後他的 Discord 活躍度成長了 10 倍——因為人們終於得到了足夠快的回答，於是留下來繼續提問。
那就是那個時刻。我不只是在解決文件問題。我在解決「在場」問題。一個營收問題。
沒人在討論的模式
一旦開始尋找，我到處都能看到。在我了解的開源社群、我使用的 SaaS 產品、我在企業崗位上評估的開發者工具——同樣的動態不斷上演。
一個潛在客戶到來。他們有一個真實的問題。這個問題是意向的第一個訊號。但唯一的選擇是：發郵件（感覺太費勁）或提交聯絡表單（進入佇列等待）。於是他們關閉了分頁。他們跳出不是因為產品不對。而是因為互動的阻力高於留下的收益。
失去的 pipeline 背後的資料觸目驚心。60% 的營收相關對話發生在非工作時間。78% 的買家選擇第一個回應的供應商。B2B 平均回應時間是 42 小時。這三個統計資料放在一起，描述的是每個小團隊都在往裡倒流量的一個漏桶。
為什麼我叫它 AI 入站轉換引擎
我糾結了很久該怎麼描述 Clarm。「AI 聊天機器人」太小——暗示一個角落裡回答 FAQ 的元件。「支援自動化」完全沒有營收維度。「名單獲取」聽起來像個表單。
最終點亮我的框架是我在德意志銀行看到的：營收台（revenue desk）。銀行裡負責在客戶發出營收相關訊號的瞬間——一筆交易、定價問題、風險諮詢——就在場的職能。這個台存在的意義就是確保沒有客戶訊號被忽略，沒有對話因為等不到人而消亡。
這正是我想給每個技術型創辦人的：一個 24/7 運轉的高級營收台，覆蓋他們運營的每個渠道，不需要高昂年薪，也不需要管理。
AI 入站轉換引擎。Clarm。
早期部署教會我的
早期結果比預期更快地驗證了論點。GiveLegacy 在網站部署 Clarm 後 90 天內，入站對話從約 760 封郵件諮詢成長到 4,624 次 AI 處理的對話——同流量下 6.1 倍提升。25.2% 顯示購買意向。60% 發生在非工作時間。渠道在 90 天內從 $0 變成最大入站營收來源。
Better Auth 部署 Clarm 後三個月內從 8,000 成長到 22,000 GitHub star。不是因為產品變了，而是因為社群體驗變了——人們得到了足夠快的回答，於是保持互動、做貢獻、告訴其他人。
c/ua 用 Clarm 的充實功能識別了哪些 GitHub 使用者在建立生產系統。這個識別直接促成了他們的首個企業客戶。
模式在醫療、開源和 SaaS 中保持一致。差距到處都一樣。解決方案也一樣。
我放棄了什麼（為什麼值得）
有時有人問我是否懷念企業 AI 高管職位的穩定。坦白說：一次都沒有。
在德意志銀行，我在建立讓大機構稍微高效一點的系統。在尼爾森 IQ，我在改進消費品預測。兩者都有意義。但都不是我想把職業生涯投入的方向。
建立 Clarm，我在解決一個我無法停止思考的問題。我在和那些真正在建立重要東西的創辦人交流——他們的產品之所以存在，是因為有人在乎到寫下了程式碼、獲得了 star、保持了社群活力。我在給他們一塊基礎設施，讓他們不必在「做產品」和「做銷售」之間做選擇。
我們現在在哪裡
Clarm 是 Y Combinator 支持的公司（YC X25）。我們每週跨網站聊天、Discord、Slack 和 GitHub 處理數千次入站對話。通過 HIPAA 和 SOC 2 合規。支援受監管產業的本地部署。Clarm 在舊金山和蘇黎世設有營運中心。
我仍然親自回覆每一封發到 [email protected] 的郵件。 因為作為一家公司的創辦人——這家公司的全部意義就是創辦人不必手動回答每個問題——這個諷刺我心知肚明。但直接和我們服務的人交流，仍然是理解接下來該建立什麼的最好方式。
如果你是一個創辦人，坐擁無法轉換的流量，或者團隊淹沒在重複的支援問題中，或者正在因為回應時間而丟失企業級交易——我真的很想和你聊聊。 預約 20 分鐘和我聊。 沒有銷售腳本。只是關於問題的一次對話。
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 領導 AI 團隊六年，建立了從零到千萬美元 ARR 的 AI 產品。他反覆觀察到同一個模式：優秀的軟體產品因為無法及時回應入站而失去營收。這不是產品問題，而是「在場」問題。他決定用 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）——一個在客戶發出營收相關訊號的瞬間就在場的職能。Marcus 想給每個技術型創辦人提供同等能力：一個 24/7 運轉的 AI 營收台，跨所有渠道，不需要高昂年薪，也不需要管理。
Clarm 的早期部署結果如何？
GiveLegacy 90 天內入站提升 6.1 倍，25.2% 購買意向率。Better Auth 從 8K 成長到 22K GitHub star。c/ua 透過充實功能獲取了首個企業客戶。模式跨醫療、開源和 SaaS 一致驗證。
延伸閱讀
如果這篇文章引起了你的共鳴，你可能還想了解 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。