编者按：Tomasz Tunguz 是 RedPoint 的合伙人，他经常会写一些博文，解释创业公司碰到的问题。本文是他对AI创业公司所遇问题的一些归纳与总结，以及他所给出的一些建议。
自从写了《人工智能代理：面向机器学习初创企业的GTM》(The AI Agency: A Novel GTM for Machine Learning Startups)之后，我遇到了很多这样运营的公司。这些初创企业利用机器学习颠覆了传统上由机构主导的行业：法律、会计、招聘、翻译、收债、营销……我将很快在该地区描绘一幅这样的场景图。如果你在经营一家人工智能公司，我很想听听你的意见。
在会见这些创新企业时，我注意到它们面临四个战略问题。
首先，卖给代理商还是做代理商?
这是一个早期的战略问题，也许是人工智能机构将面临的***个战略问题。许多初创公司一开始向代理商销售产品，然后就遇到了瓶颈。
传统代理公司对软件的重视程度不足以产生定价权、开发快速的销售周期，或者改变业务运营方式，以***化ML创新的价值。在某些情况下，机构会出卖自己的时间。生产率的提高并不意味着收入的增加。其他时候，代理公司更愿意像以前那样运作。
因此，产品市场契合度较弱。构建一个业务是可能的，但很难实现起飞。在这一点上，你是继续你的业务还是与你的客户竞争呢?
大多数成功的初创公司都决定通过建立代理机构来与客户竞争。相反，他们伪装成一个拥有完全不同引擎的机构，一个由算法驱动的引擎。合并后的公司市场规模更大，毛利率也比传统代理商高。
第二，相对于竞争对手，如何给产品定价?
起初，许多人工智能代理的价格相对于市场有很大的折扣，原因有两个。收集培训数据至关重要，而且比初始收入更有价值。他们以差异化的方式推销自己的技术，买家带着一些怀疑的态度接触企业，这也压低了价格。这是两个短期价格逆风。
最终，人工智能机构应该将价格定在可比水平，甚至溢价。他们应该发展定价权。他们将比竞争对手更快地提供更高质量、更一致的工作产品。
第三，如何雇佣劳动力?
目前市场上主要有四种模式：全职员工、渠道合作伙伴、客户员工或真正的市场。在我所见过的创业公司中，他们的决策并没有一致的模式。
有些公司雇佣全职员工主要是为了高质量地控制端到端用户体验。一些公司与渠道合作伙伴(BPOs、咨询机构、营销机构)一起进入市场，这些渠道合作伙伴从技术中获益，将产品销售给现有的客户群，并提供该机构不愿提供的技能。还有一些公司为完成工作的个体承包商创造了一个熟练的劳动力市场。也有使用客户内部的团队来让软件发挥作用。
所以说没有什么标准模式，主要是因为每个行业都有自己的发展和动态来控制它。
不过，劳动力问题是一个很重要的问题。它影响利润率、生成反馈数据以改进ML模型和销售流程的能力。这是值得测试和弄清楚的。许多人工智能机构从一个模型开始，然后迁移到第二个模型。
***，AE的***类型是什么：熟悉领域还是熟悉技术?
在我见过的所有公司中，更多的公司似乎成功地使用了领域内的AEs。
在代理销售中，关系是最重要的。买家要么喜欢他们的代理商，要么讨厌他们的代理商。这种两极性质的关系加强了AEs与现有代理商的联系，谁应该更快地增加和推动销售更快。
此外，许多人工智能机构专注于企业账户，以推动更高的ACVs。与软件供应商相比，这种策略与为获得更大的TAM而降低毛利率的交易是一致的。雇佣更多高级AEs遵循这种高端策略。
在这种创新的GTM中，这些战略问题似乎是最重要的战略问题。不同的路径将导致不同的业务模型、数据聚合和利润结构。
以上这些战略问题或许作为AI机构创业者的你也会遇到，那么，你有哪些更好的解决方式呢?
