我知道必须做这件事的那个瞬间
2023 年。我刚在尼尔森 IQ 花了两年构建消费品预测模型，从零做到 $7M ARR。再之前，六年在德意志银行领导 AI 团队，两年内做到 $10M ARR。从任何标准看，这是一段不错的企业 AI 职业生涯。
但我不断看到同一件事反复发生：一个优秀的软件——库、开发者工具、基础设施产品——在 GitHub 上发布，获得真实的用户喜爱，积累 star，然后完全无法将这些喜爱转化为商业。创始人花整个晚上在回答同样的支持问题。真正有购买意向的人悄悄离开了，因为没人在那里接住他们。
我从两面都见过这个模式。在银行，我评估过数百个供应商产品，看着小团队丢单——不是因为技术差，而是因为响应不够快。在尼尔森 IQ，我看着我们自己的内部工具被低估，因为没人有时间承接支持压力。
差距不是产品差距。是"在场"的差距。
我在德意志银行学到的企业收入经验
2019 年加入德意志银行时，我的任务是在证券服务部门构建一个 AI 团队。我们向内部和机构客户销售 AI 产品。我很快学到了一个反直觉的教训：企业买家不买最好的产品。他们买他们信任的产品。
在那个层级，信任来自响应能力。来自在他们提出具体问题的那一刻——合规问题、集成问题、安全问题——就能回答的能力。不是两天后通过邮件。不是三周后的 30 分钟预约演示。是当下。
我们构建了帮助团队更快响应的系统。用 AI 训练文档。自动化首次接触筛选。效果很好：原本会停滞的对话变成了成交。$10M ARR 就是这样来的——不仅仅是更好的产品，而是在潜在客户有问题时真正在场。
我把这个经验记下了。当时我不知道自己在积累一个公司的论点。
文档机器人变成了一门生意
快进到 2023 年。离开尼尔森 IQ 后我在想该构建什么。从一个简单的观察开始：我一直在查同样的文档、读同样的 README 段落、在 Slack 社区问同样的配置问题。
所以我做了一个文档搜索引擎——一个能通过阅读库文档来回答问题的机器人。简单、个人化、对我有用。
我分享给几个维护开源库的朋友。几天之内他们都在用。几周内他们反馈说 Discord 频道变安静了，GitHub Issue 里"怎么做"类问题变少了，他们花更多时间在写功能而不是答问题。Better Auth 的维护者 Bereket Engida 告诉我，部署这个机器人后他的 Discord 活跃度增长了 10 倍——因为人们终于得到了足够快的回答，于是留下来继续提问。
那就是那个时刻。我不只是在解决文档问题。我在解决"在场"问题。一个收入问题。
没人在讨论的模式
一旦开始寻找，我到处都能看到。在我了解的开源社区、我使用的 SaaS 产品、我在企业岗位上评估的开发者工具——同样的动态不断上演。
一个潜在客户到来。他们有一个真实的问题。这个问题是意向的第一个信号。但唯一的选择是：发邮件（感觉太费劲）或提交联系表单（进入队列等待）。于是他们关闭了标签页。他们跳出不是因为产品不对。而是因为互动的摩擦力高于留下的收益。
失去的 pipeline 背后的数据触目惊心。60% 的收入相关对话发生在非工作时间。78% 的买家选择第一个响应的供应商。B2B 平均响应时间是 42 小时。这三个统计数据放在一起，描述的是每个小团队都在往里倒流量的一个漏桶。
为什么我叫它 AI 入站转化引擎
我纠结了很久该怎么描述 Clarm。"AI 聊天机器人"太小——暗示一个角落里回答 FAQ 的组件。"支持自动化"完全没有收入维度。"线索获取"听起来像个表单。
最终点亮我的框架是我在德意志银行看到的：收入台（revenue desk）。银行里负责在客户发出收入相关信号的瞬间——一笔交易、定价问题、风险咨询——就在场的职能。这个台存在的意义就是确保没有客户信号被忽略，没有对话因为等不到人而消亡。
这正是我想给每个技术型创始人的：一个 24/7 运转的高级收入台，覆盖他们运营的每个渠道，不需要 $150,000（约 ¥1,080,000）年薪，也不需要管理。
AI 入站转化引擎。Clarm。
早期部署教会我的
早期结果比预期更快地验证了论点。GiveLegacy 在网站部署 Clarm 后 90 天内，入站对话从约 760 封邮件咨询增长到 4,624 次 AI 处理的对话——同流量下 6.1 倍提升。25.2% 显示购买意向。60% 发生在非工作时间。渠道在 90 天内从 $0 变成最大入站收入来源。
Better Auth 部署 Clarm 后三个月内从 8,000 增长到 22,000 GitHub star。不是因为产品变了，而是因为社区体验变了——人们得到了足够快的回答，于是保持互动、做贡献、告诉其他人。
c/ua 用 Clarm 的充实功能识别了哪些 GitHub 用户在构建生产系统。这个识别直接促成了他们的首个企业客户。
模式在医疗、开源和 SaaS 中保持一致。差距到处都一样。解决方案也一样。
我放弃了什么（为什么值得）
有时有人问我是否怀念企业 AI 高管职位的稳定。坦白说：一次都没有。
在德意志银行，我在构建让大机构稍微高效一点的系统。在尼尔森 IQ，我在改进消费品预测。两者都有意义。但都不是我想把职业生涯投入的方向。
构建 Clarm，我在解决一个我无法停止思考的问题。我在和那些真正在构建重要东西的创始人交流——他们的产品之所以存在，是因为有人在乎到写下了代码、获得了 star、保持了社区活力。我在给他们一块基础设施，让他们不必在"做产品"和"做销售"之间做选择。
我们现在在哪里
Clarm 是 Y Combinator 支持的公司（YC X25）。我们每周跨网站聊天、Discord、Slack 和 GitHub 处理数千次入站对话。通过 HIPAA 和 SOC 2 合规。支持受监管行业的本地部署。Clarm 在旧金山和苏黎世设有运营中心。
我仍然亲自回复每一封发到 [email protected] 的邮件。 因为作为一家公司的创始人——这家公司的全部意义就是创始人不必手动回答每个问题——这个讽刺我心知肚明。但直接和我们服务的人交流，仍然是理解接下来该构建什么的最好方式。
如果你是一个创始人，坐拥无法转化的流量，或者团队淹没在重复的支持问题中，或者正在因为响应时间而丢失企业级交易——我真的很想和你聊聊。 预约 20 分钟和我聊。 没有销售脚本。只是关于问题的一次对话。
常见问题
Marcus 为什么离开企业 AI 职位去创业？
Marcus 在德意志银行和尼尔森 IQ 领导 AI 团队六年，构建了从零到千万美元 ARR 的 AI 产品。他反复观察到同一个模式：优秀的软件产品因为无法及时响应入站而失去收入。这不是产品问题，而是"在场"问题。他决定用 AI 入站转化引擎来解决它——这就是 Clarm。
Clarm 的名字来源是什么？
灵感来自德意志银行的"收入台"（revenue desk）——一个在客户发出收入相关信号的瞬间就在场的职能。Marcus 想给每个技术型创始人提供同等能力：一个 24/7 运转的 AI 收入台，跨所有渠道，不需要 $150,000 年薪，也不需要管理。
Clarm 的早期部署结果如何？
GiveLegacy 90 天内入站提升 6.1 倍，25.2% 购买意向率。Better Auth 从 8K 增长到 22K GitHub star。c/ua 通过充实功能获取了首个企业客户。模式跨医疗、开源和 SaaS 一致验证。
延伸阅读
如果这篇文章引起了你的共鸣，你可能还想了解 每个技术型创始人都在忽视的隐藏 pipeline 问题，或者 创始人主导销售为什么走入死胡同以及该怎么替代。