跳转至

Vladimir Keil（Lio）

  • 背景: Lio 联合创始人兼 CEO，做企业采购（procurement）的多 agent 系统。公司创办于 ChatGPT 发布前数周（他自述"我们就在那个 ChatGPT 突破前几周开始的"），办公地在纽约与慕尼黑。a16z 是投资方（Seema Amble 写过《Investing in Lio》）。
  • 首次收录: a16z / Lio，2026-10-02
  • 本库中的位置: ⚠️ 本库第一个做"实体世界采购"的应用层创始人。本库此前的垂直 AI 材料覆盖客服（Decagon）、法律（Legora）、医疗行政（Lassie）、服务业运营（Netic）、二手车（Kavak）；⚠️ 而他做的是"造一架飞机/一座数据中心所需的数千家供应商"那一侧——这一层此前在本库里是空的。

⚠️ 读他时该知道的：他只有一期材料，而那一期是投资方频道访问被投公司。公司的业务声明全部是自述，本库一条未核实。 本页收录他的理由是框架与一手场景，不是业绩数字。

立场与关注点

来源：a16z / Lio

一、⚠️ 他最该被引用的一条：发票软件只覆盖了这份工作的 20%

  • 他们先做了那个"清晰流程"（[00:12:04]）：检索信息 → 跨文档比对 → 推回 SAP 或 Oracle。
  • ⚠️ 然后那条发现："那就是整个软件市场的 100%——那就是发票软件，那就是今天人们怎么建它的。但它其实只占这份工作、这个待办任务、这个问题的 20%。因为 80% 的问题是：万一这张发票是欺诈的？万一有不匹配？万一我们不走 happy path？"
  • 所以流程 agent 对他们成了"支线任务"，他们很快转去做例外处理。
  • ⚠️ 本库标注：这是本库第一次看到"例外处理就是护城河"这条判断被一个创始人配上比例，而那条判断原本出自同场的 Seema Amble 三个月前的框架。详见 AI 的商业模式与价值捕获。

二、⚠️ "系统记录里的那个数"与实际工作量差两个量级

  • 他的核心场景（[00:04:00]–[00:05:00]）：ERP 里是"铝 8K"，而看不到的是供应商曾回推要 10K、一个成本工程师跑了三周 Excel 和 3D 建模。销售侧的类比：一份签字背后是约 30 场利益相关方会议、500 封邮件、20 张 Excel。⚠️ "采购里大部分工作其实发生在 ERP 或任何系统记录之外。"
  • ⚠️ 而那条损失机制是他最具体的一段（[00:23:11]）："有人发来一条确认：抱歉，这个零件会晚两周到。而这是一个采购经理邮箱里 500 封邮件中的一封。如果他们漏了这封邮件，上亿美元的损失就造成了……因为他们在系统记录里存的唯一东西就是一个日期：不是这个星期三，是下个星期三。"
  • 所以他对 agent 的要求不止检索："我们的 agent 不只是检索信息，它们还要做决定——这件事有影响吗？什么样的影响？我们怎么解决？"

三、信任是人的问题，而 human-in-the-loop 是双向的

  • ⚠️ "没有一家公司、没有一家企业是从第一天就上全自动谈判 agent 的。没人这么干。为什么？因为它们第一天既不信任我们，也不信任这项技术。"（[00:16:06]）
  • ⚠️ 而 HITL 对他们本身是学习机制："我们有一个整体上完美的采购谈判者，但我们并不确切知道一家 Fortune 10 企业是怎么运作的。通过人在环里这套做法，我们把所有反馈和所有习得喂给我们的 agent，然后它们就突然信任我们去跑 1 万次、2 万次、10 万次谈判了。"（[00:17:07]）
  • 他对在位者信任的不对称（[00:11:04]）："我们必须去赢得信任。在位者已经有信任了——但这也意味着它们可以毁掉信任，如果它们发得太早、产品不work。"
  • 他明确保留了始终带人的那一类（[00:17:07]、[00:19:08]）：数百万美元级、要分析 3D 模型与技术图纸的谈判"刻意始终有专家在环里"（agent 跑几个小时 → 问成本工程师要反馈 → 继续）；以及关系型采购（他举的例子是营销与播客服务）——"采购的人在乎关系，所以他们在乎语气"。

四、⚠️ 两条很反直觉的论证

  • ⚠️ "以前没人谈的那部分支出，风险基本为零"（[00:18:08]）："企业在 agent 之前对 5 万以下的一切就是不在乎，因为它们没有这个人力。" 他甚至给了别人一条提示："你可以直接给一家企业开一张 4 万的发票，它们大概不会来谈……除非它们有 Lio 的 agent。" 落点："那么现在有一个糟糕的谈判 agent 的风险是什么？基本为零。我们也许会错过一些谈判，但这比什么都不做好。"
  • ⚠️ 机会的两面切分（[00:30:16]）："他们一天做一千次、但其实一天想做零次的事是什么？"（→ 自动化）vs "他们一天做零次、但如果一家企业一天做一千次就会有疯狂 P&L 影响的事是什么？"（→ 创造以前不存在的活动）。⚠️ 本库认为后一面是本库此前较少见的一条企业 AI 价值来源。

五、⚠️ harness 的 80% 天花板，以及他为什么指向 Jev 那类模型

  • 基础模型被他明说当成大宗商品（[00:34:17]）："我们用所有供应商的多个模型，我们真的把它看成一种大宗商品。"
  • ⚠️ 边界：有些用例"基础模型 + harness 可以走到这份工作的 100%"；另一些"你可以有最好的基础模型、最好的 harness，还是只能到 80%"（[00:35:18]）。两个例子是 should-cost 建模 与 价格对标，卡点是数据不公开（"都是专有数据，通用模型没法在上面训"）。
  • ⚠️ 他给的方向（[00:36:18]）："也许不是训一个 LLM，而是像现在冒出来的 Jev 这类模型在做的——你用文本数据训它，但输出其实是一个结果，或者就是那个完美的价格。"（⚠️ 字幕作 "Jeff"/"Jev"，本库据第二处判定。）
  • ⚠️ 而他对"为什么 harness 做不到"的解释是一个很好的认识论例子（[00:36:18]）："如果你给我一份 BCG 的报价和一份麦肯锡的报价，它们可能做完全一样的工作，但价格可能差 10 倍，而我完全不知道哪个更好。可如果你把它给一个采购经理，他一上手就会有一种直觉。" 而直觉写不成规则——"如果你让他们把规则写下来，他们做不到。"
  • ⚠️ 本库标注：这是本库第一次看到一个第三方应用层创始人、在完全不同的垂直里，独立把 Jev 那类模型指认为自己天花板的解法。⚠️ 但他只是"在思考、已开始微调"，没有已兑现的结果；且他与 Diogo Almeida 同在 a16z 的内容生态里，不构成完全独立佐证。

六、⚠️ "自建只能到 70%，而 70% 的性能不等于 70% 的自动化"

  • ⚠️ 他主动把门槛降到底（[00:40:19]）：Lio 三年前那个"把报价单信息录进 SAP"的首个爆款用例，现在是招聘作业题——"我们把它给候选人，他们有 8 小时来做。"
  • ⚠️ 然后给出那条判据，本库认为这是目前对"企业要不要自建"最锋利的一句（[00:41:20]）："是的你能在 8 小时里建出来，但你只能做到比如 70% 的性能。而问题是：70% 的性能或准确率，并不意味着 70% 的自动化。你可能有 70% 的性能，但你仍然需要做 100% 的工作，因为 70% 不算多——所有人还是得去核对数据。所以也许你甚至制造了比以前更多的工作。"
  • 他给的解法清单与判断（[00:43:23]–[00:44:25]）：最后那 20% "真的很重要——它们重要是因为要进生产"，而要跨过去需要harness：集成、记忆、工作流，有时还需要垂直数据；按帕累托，"那 20% 可能占掉 80% 的工作量"。他给大企业的建议很克制："你可以做这件事，但那么采购、以及一支 AI 采购 agent 的队伍，就该成为你的核心能力之一。而你该评估这对你是否说得通。"

七、组织：85% 工程师，而 FDE 的 KPI 是把自己自动化掉

  • ⚠️ "看 Lio 的组织结构，85% 的人是工程师。即使那些头衔不是工程师的人，大多也有工程背景。原因是我们显然不想做成一家咨询公司。"（[00:50:30]）
  • ⚠️ FDE 的 KPI 被设成自我消解（[00:51:30]）："他们的 KPI 就是：你的工作字面意义上就是把你自己自动化掉。然后你把自己自动化掉了，你就去做下一个任务。" ⚠️ 本库记这是第一次看到"把自己自动化掉"被写成明确考核口径。 详见 AI 与就业。

八、⚠️ 为什么选采购：三条件相乘，以及一条毛利套算

（[00:52:32]–[00:58:40]）

  • ⚠️ 他对这个品类的诊断是最适合迁移到其它垂直的一条："有 500 个采购工具"，而"没有人喜欢和采购打交道——请求方讨厌，供应商讨厌，甚至采购部门里的人自己也讨厌"。⚠️ "那如果有一千个工具，到底是怎么了？原因是所有那些工具只是把流程变得更有效率了，仅此而已。但它们从来没有改变那些人实际上怎么工作。" 而他们实际上在邮件、Microsoft Teams、Excel 和 PowerPoint 里工作，"而那里是零 AI 的"。
  • 三条件：① 高情绪（"如果你和这些人聊，他们真的很沮丧"）；② 枯燥且小众（"很容易震撼到他们——他们看到的真正上一次革命是 20 年前"）；③ 疯狂的商业影响（"数据中心怎么建、飞机怎么造、汽车怎么造、无人机怎么造"）。
  • ⚠️ 那条毛利套算："要让毛利提高 1%，你需要多做 10% 的收入、10% 的销售。所以如果你只是做到 1% 的节省，它就等于 10% 的销售。"（⚠️ 与具体毛利率绑定的经验比例，本库未核实适用范围。）
  • 落点与推广："你把这三件事组合起来，你就有了一个万亿美元的商业机会……但大概也有其它东西同样是情绪化的、枯燥的、而且有疯狂的商业影响。"

九、双边都上 agent：他把零和的那一项隔离出来了

  • ⚠️ 渠道扩张的论证靠的是客户的议价权（[00:45:26]）："在这些工业公司里，采购对供应商有更大的权力——你对你的供应商规定它们该用什么、质量必须如何、必须怎么回应一份 RFQ。所以机会就是：如果我们服务采购部门，而它们能规定供应商该用什么，那我们为什么不也把它们推向 Lio 的 agent……从而同时拥有这笔交易的两边？" ⚠️ 本库标注这条有适用边界：它在采购强势的行业（汽车、工业）成立，在采购弱势的行业不一定。
  • ⚠️ 对"两边都上谈判 agent 不就零和了"的回答（[00:47:28]）："价格是 5000 件其它任务的结果，而在那 5000 件其它任务上，双方的激励是完全一样的。销售想要尽可能少的摩擦，买方想要非常快的上市时间。"
  • ⚠️ 本库记下一个期内没被提出的缺口：当买卖双方用的是同一家供应商的 agent 时，这家供应商在"价格"这唯一一项零和任务上的中立性如何保证？

相关页面