「痛苦是因為做對了」——OpenEvidence 創辦人談 8 次 pivot、招募哲學與建造者心態

本文整理自 Khosla Ventures Builder Forum 的訪談。

沒有人知道自己在做什麼

每一個成功的創業故事，在事後回顧時都顯得理所當然。OpenAI 當然會做出 ChatGPT，Anthropic 當然會成為 AI 安全的領頭羊，OpenEvidence 當然會成為醫師最愛用的 AI 工具。但當你身處其中時，事情根本不是這樣的。

OpenEvidence 共同創辦人暨技術長佐卡里·齊格勒（Zachary Ziegler）在一場創業論壇上，說了一句讓我印象深刻的話：「每個人都會把自己的故事『倒推線性化』（back-linearize），讓它聽起來合情合理。但真實情況是，沒有人知道自己在做什麼。」

他舉了 OpenAI 的例子來說明這個觀點。OpenAI 最初並沒有計畫要做 ChatGPT。它是一家學術研究導向的公司，核心主張很簡單——「如果我們把模型做大會怎樣？」他們後來做了一個 Playground，原本只是讓開發者測試 API 的除錯工具。結果他們發現，使用者開始用 Playground 做各種他們沒預期到的事情。於是他們想：「也許我們應該把這個做成一個產品？」那個產品就是 ChatGPT。

OpenEvidence 的發展路徑同樣迂迴。在找到現在的產品形態之前，他們至少經歷了八次大大小小的 pivot。齊格勒沒有詳細說明每一次 pivot 的內容，但他強調：願意承認「這行不通，我們試試別的」是極為重要的能力。很多創業者會陷入「錨定偏誤」，因為投入了太多時間和資源，而不願意承認方向錯誤。他的共同創辦人丹尼爾·乃德勒（Daniel Nadler）雖然是連續創業者，最大的優點反而是沒有錨定偏誤——他能夠在必要時刻果斷地說「這不對，換一個方向」。

創業的痛苦是常態，不是例外

訪談中，主持人問齊格勒：「你們在荒野中摸索了多久？」他的回答出乎意料：「某種程度上，我們現在還在荒野中。」

即使 OpenEvidence 現在每月處理近 1800 萬次臨床諮詢、估值已達 120 億美元，齊格勒說他還是無法停止思考：下一步是什麼？怎麼讓產品更好？怎麼獲得更多使用者？怎麼攻克下一個前沿？他沒有那種「我們成功了，可以放鬆了」的感覺。

對於正在創業的人，齊格勒給了一個非常誠實的訊息：這件事真的很痛苦。他說得很直白——「比我描述的還要痛苦」。人們不常談論這一點，因為成功故事總是被包裝得光鮮亮麗。但真相是，你會花大量時間撞牆、懷疑自己、看著數據沒有起色、不知道該堅持還是該轉向。

然後他說了一句我認為是整場訪談最重要的話：「痛苦不是因為你做錯了什麼。痛苦是因為你做對了。」

這句話的意思是：如果你選擇去解決真正困難的問題，而不是去做那些容易但不重要的事情，你必然會經歷痛苦。那些容易的事情——募資、裝修辦公室、規劃行銷策略、建立精美的官網——做起來感覺很好，因為你可以看到明確的產出。但真正困難的事情——讓產品達到「這東西真的 awesome」的標準——過程是不舒服的，你會不斷撞牆，不斷質疑自己的方向。

齊格勒的建議是：接受這種不舒服。把所有「看起來像工作」的事情都放到一邊，專注在那個最核心、最困難的問題上。接受你會感到很糟糕、很不確定的事實，然後繼續做下去。

「這個人是不是你見過最聰明的人？」

OpenEvidence 現在有 65 位員工，其中 25 位是工程師。這個團隊規模支撐著美國 40% 醫師的使用量。齊格勒分享了他們的招募哲學，核心只有一個問題：「這個人是不是你見過最聰明的人之一？」

如果答案是「是」，錄取。如果答案是「否」，不錄取。就這麼簡單。

他們不太看重經驗。不太看重這個人擅長技術棧的哪個部分。這些東西在他們看來都會「平均掉」——真正聰明的人，你給他什麼問題，他最終都能搞定。

他們更看重的第二個特質是「自主性」（autonomy）。齊格勒的描述是：他們要找的不是「員工」，而是「同儕」。他們要的人，不是那種需要你分配任務、盯著進度的人，而是你可以完全信任，讓他拿一大塊問題去獨立解決的人。

這種招募哲學背後有一個核心信念：公司的成敗取決於大約十個關鍵決策。這些決策的品質，遠比你做了多少決策重要。人多不會幫助你做出更好的決策。事實上，人多可能還會稀釋決策品質，因為你需要花更多時間在協調和溝通上。

關於招錯人的經驗，齊格勒也坦承他們有過。他描述了一種常見的情境：你雇了一個人，這個人不算差，確實有在做事，但就是有什麼地方不太對——你覺得需要一直「帶著他」，沒辦法完全放手。當時因為太忙、要做的事情太多，很難察覺這個問題有多嚴重。但當這個人離開後，你會驚訝地發現：原來這個問題比想像中大得多。

所以他們現在的標準很簡單：除非這個人明顯是「最聰明的人之一」，否則不雇。

模型進步是利多：把基礎模型當引擎

ChatGPT 問世至今將近三年，AI 領域的變化速度驚人。很多應用層公司都在擔心：如果基礎模型公司往我的領域擴張，我該怎麼辦？齊格勒對這個問題的看法相當淡定。

他認為，現在這一代的大型語言模型已經非常強大，但模型與模型之間的差異沒有那麼大。GPT-3.5 和 GPT-4 之間當然有差距，但如果你的應用在 3.5 上「勉強可以運作」，那麼在 4 上它就會運作得更好。這不是需要你徹底重新設計產品的那種變化。

他們把基礎模型視為「引擎」。每當 OpenAI 或 Google 或 Anthropic 推出更好的模型，他們就換上新引擎，產品自動變好 5%、10%。這種架構讓他們可以專注在自己的核心價值上——對醫療場景的理解、對資料來源的把關、對使用者工作流程的優化——而不是去追趕模型能力的軍備競賽。

齊格勒給創業者的建議是：你要做的事情，最好是現在的模型「勉強能做」，而且隨著模型進步會「自動變更好」。如果你的產品必須等到某個尚未存在的模型能力才能實現，那你的時機判斷可能有問題。反過來說，如果模型進步是你的敵人而非朋友，那你可能在錯誤的賽道上。

我們在中間，不是開始也不是結束

訪談最後，主持人請齊格勒給在場的創業者一些臨別建議。他說：「現在是令人興奮的時刻。雖然感覺已經發生了很多事，但我認為我們還在中間——不是開始，也不是結束。」

他認為，從這個階段到「最終狀態」的距離，可能跟從「ChatGPT 之前」到「現在」的距離一樣大。換句話說，我們才走了一半的路。大部分人還是過度關注基礎模型本身，而沒有足夠關注這些模型可以做什麼、以及當各個垂直領域的應用都成熟之後，世界會變成什麼樣子。

這個觀點對於正在考慮創業方向的人來說是一個重要的訊號：應用層的機會遠遠沒有被挖掘完。我們只是「觸及表面」而已。

齊格勒在訪談中還提到一個他個人非常期待的下一個大躍進：AI Agent。他認為，目前的「co-pilot」模式——你問 AI 問題、AI 給你答案——已經非常強大，但還有一個等量級的躍進尚未發生，那就是 AI 能夠「在世界中行動」。

他舉了 AI 行政助理的例子。他說他一直在尋找一個真正能用的 AI 行政助理，但問題是：行政助理需要「做事」，不只是「回答問題」。它需要幫你排會議、寫信、協調行程——這些都是「推動」（push）的動作，而非「拉取」（pull）的動作。要讓這類 Agent 達到 co-pilot 同等的可靠性，還有很長的路要走，因為它是多步驟的任務，任何一步出錯都會導致整個流程崩潰。

但齊格勒相信這會發生，而且當它發生時，影響會跟 ChatGPT 出現時一樣巨大。

我的觀察：創業的反直覺真相

聽完齊格勒的分享，我最大的感觸是：創業的真相往往是反直覺的。

反直覺一：痛苦不是做錯的訊號。大多數人在感到不舒服時，會本能地想逃離——換一個比較舒服的任務、做一些比較有「產出感」的事情。但真正困難的問題本來就不舒服。如果你一直很舒服，可能代表你在逃避最核心的問題。

反直覺二：人多不會讓你做出更好的決策。我們直覺上會認為團隊越大、越專業化分工，決策品質會越高。但齊格勒說公司成敗取決於大約十個關鍵決策，而這些決策的品質跟團隊大小無關。一個五人團隊如果每個人都是頂尖的，可能比五十人的普通團隊做出更好的決策。

反直覺三：經驗不是最重要的。我們習慣用經驗來評估一個人——他做過什麼、待過哪些公司、有多少年資歷。但齊格勒說他們招人只看一件事：「這個人是不是你見過最聰明的人之一？」這個標準聽起來很主觀，但它指向一個核心——認知能力和學習能力比過去的經驗更重要。

反直覺四：模型進步是朋友，不是敵人。很多做應用層的公司會擔心被基礎模型公司「降維打擊」。但如果你的產品架構設計得好，每一次模型升級都是免費的能力提升。真正的護城河不是技術，而是對場景的深刻理解和使用者的信任。

這些反直覺的真相，解釋了為什麼創業這麼難——它要求你違背很多自然的直覺反應。而能夠做到這些的人，往往也是那些最後能脫穎而出的人。