方格精選

不只是 AI 的 AI 公司 C3.ai:傳奇領袖 Tom Siebel 再領風騷

閱讀時間約 11 分鐘
在 MBA 第二年的秋天,正值課業與求職夾殺的空檔,我參訪了 C3 在 Redwood City 的總部。聽完他們的商業模式與狀況,我對這家公司的未來一片看好,一回到家我就投了履歷。作為在 IT 業打滾四年的顧問,我驚訝地發現 C3 簡直把資訊科技產業的 buzzword :Data、AI、Cloud、IoT 給全包了,連經營模式更融合目前最成功的產業:顧問、產品為一體。簡直就是帶領數位轉型的全新商業模式!
在電話面試這關我簡直自信滿滿,我做過資料科學的研究,能搞代碼也了解 IT 顧問的經營模式,我相信他們能問我的專業問題,我應該可以對答如流。唯一差的就是對行業與公司的理解,於是我開始一頭鑽入 C3 的歷史。沒想到他們問我第一題,卻殺得我措手不及。

傳奇人物 Tom Siebel 的往事

C3 的傳奇故事脫不了其創辦人—— IT 的傳奇人物 Thomas Siebel 。他畢業在電腦還不普及時、連 Windows 都還沒問世的數位蠻荒時期的 1983 ,當時就慧眼獨具地加入了當初只有 40 人的新創公司「軟體開發實驗室」(Software Development Laboratories),開發著當時還沒有人知道是啥玩意兒的「關聯式資料庫」。而往後數十載,關聯式資料庫被證實是 IT 業最重大的發明。而這個小公司也一躍成為世界最大的企業軟體公司之一 Oracle 。
80年代的CRM:旋轉名片夾
Oracle 在 80 到 90 的年代飛速成長,快速成為 IT 業的霸主。而作為創始元老,Tom Siebel 在 1990 年代即任職 Oracle 高管。當時的 Oracle 企業資料庫,主要作為公司的資源管理(ERP)和財務規劃使用。而當客戶銷售們還在路上翻著名片,想著要下一名要拜訪的客戶在哪裏的時候,他發現了這個機會:何不用電子數位的方式,來管理未來的機會與訂單呢?

IT 明星產業 CRM 的起源

於是他提出了「銷售自動化」的解決方案,卻慘被 Oracle 創辦人 Larry Ellison 拒絕。他心有不甘決定走人,馬上被別家公司 Gain Technology 挖去做 CEO。三年後,公司被買走,他終於重拾創業的夢想,開始著手打造屬於以自己為名的銷售管理系統 Siebel Systems,並將擴大經營,把銷售管理搞一個更響亮的名字:客戶關係管理(Customer Relationship Management, CRM)。
如果銷售猶如挖金礦,CRM 幫銷售搞訂單,就等同於賣鏟子給挖金礦的人——注定是個好生意。CRM 被證明為一個極具價值的應用,很快地形成一個龐大的產業。在近年來的市場總額甚至超過 ERP 。而 Siebel CRM 作為這個產業的開創者,自 1993年創立以來,發展一路高歌猛進,在 1996 才不過三年的時間就作為市場龍頭上市。
此時 Oracle 的 Larry 終於意識到機不可失,也不得不回頭來開發自己的 CRM 。兩間巨頭在 90 年代末期一路爭得你死我活、互相纏訟對方不實廣告銷售作假,但 Oracle 始終沒有追上 Siebel CRM 的業績。而 Siebel 的產品體驗,以及在智慧型手機出現以前就強打行動的業務能力,達成高達七成的市占率輾壓市場。在 90 年代軟體作為世界關注的下一波明星產業之時,坐有八千員工、上看二十億業績的 Tom Siebel 也成為一時叱吒風雲的商業領袖。

Siebel 的終局與 C3 的創立

Siebel 的壟斷維持了將近十年。直到 2006 ,CRM 市場已經備受競爭,在 SAP 與微軟的夾擊之下,已經不如從前那般被壟斷。情勢不容再鷸蚌相爭下去,Siebel 才同意被 Oracle 給併購。
收購完成後,CRM 的故事卻沒有被結束,反而由新生代挺過達康泡沫的 Salesforce.com ,苦熬多年終於駕馭雲端之力,以 SaaS 之名異軍突起,CRM 才打破被 ERP 公司壟斷的僵局。至今 SFDC 仍在 CRM 的領域遙遙領先,又是另一段故事了。
Tom Siebel 賣掉 Siebel Systems 以後,就跑去各地遊山玩水了。沒想到在一次坦尚尼亞的旅程中卻慘逢意外。Tom 熱衷於探險、在一次觀賞野生動物中靠得太近,誤觸了象群的警戒區,慘遭大象正面突擊,斷了十幾根肋骨,左腿被象牙刺穿,右腿也被踩得稀巴爛。當時在荒郊野外無法急救的狀況下,趕緊坐 20 小時飛機送回加州治療後,經過十幾次的手術與幾個月的復健,才終於把腿給救回來。
被大象踩到瀕死的故事不知道怎麼成為他創立新公司的靈感,以至於在訪談與會議甚至招股書中都被不斷提及。總之幾個月後,他便聯合創立 Siebel CRM 的老戰友 Patricia House 一同重新殺入創業的戰場,創立了 C3。

C3 所歷經的轉型

C3.ai 在 2009 創立的時候原名為 C3 IoT ,其實是本來是搞能源管理的。C 的意思是碳(Carbon),而 3 的意思是 3 個 M :Measure 量測、Mitigate 緩和以及 Monetize 變現。一開始 C3 的生意是搞了很多傳感器裝在原油開採的儀器上,檢測能源的開採以及成本的控管。而後逐漸發展成利用這些傳感器提供的資料建立一個平台,幫助管理者作最好的決策。
在 2009 當「物聯網」和「大數據」還是新名詞時,C3 就領先群雄開發了這樣的軟體。而後過了幾年,大家的注意力轉移到 Cloud、AI 時,C3 也完美的轉型——把整套平台搬移到公有雲上,相容於所有公有雲提供商,同時為了這些嚴格保密的客戶也提供本地方案。當 AI 浪潮重新襲來,馬上抓住流行的尖端把公司的名字從 C3 IoT 改為 C3.ai ,甚至到後來在紐約證交所上市時直接使用 AI 作為的股票代號,在 AI 浪潮中完美佔領投資人的注意力。

股票代號 AI 的秘密武器:不是 AI

在 C3 開放式的辦公環境裡面,牆上貼著許多人參與 Cousera 的基礎資料科學課程的排行榜。然而 C3 的開發方向與傳統 AI 公司著重公司裡有幾個 PhD 、論文拿了多少獎不同。與其著重在 AI 領域開發的準確率與技術的領先,C3 更著重與客戶的價值。
在供應鏈和生產流程分析這個領域,其實 AI 即便可以套上許多熱門的 Learning 名詞,許多仍是傳統譬如 PCA、回歸分析等統計方法。在以圖像、音頻、NLP為主的新一波 AI 浪潮中,在傳統資料分析這塊並沒有太多用武之地。在資料分析的開放環境裡、要建立這些分析模型其實並不一定要用 C3 方案,找幾個資深的資料工程師來寫 R 或是 Python ,需要 scale 的話兜一些公有雲上現有的演算法模塊,可能也可以搞定。那麼 C3 的獨到之處究竟在哪裏?

專注於少數利基市場

大型企業可以請到在原油產業工作 20 年的專家,也可以找到在統計與資料科學的學術權威,但這兩個派系的行家往往無法把傳統的行業知識與學術研究兜在一起產生價值。C3便是把一些可以產品化的 USE CASE,譬如預測儀器的故障程度,進行預防性的保修、或是檢測原油開採的效能與節約成本,在深度的了解產業後,取最大的公約數製成產品。這樣高度針對產業客製化的產品,更容易讓非常專業特化領域的產業接受。這也是因此 C3 客戶主要便著重在資源開採、能源、國防、銀行業等特殊領域。

客製化的顧問式方案

C3 只有區區數百人的規模,卻有許多高級主管從顧問業跳出來帶槍投靠。這群人不見得對資料科學專精,卻站在行業的最前沿,對產業的趨勢動向了解非常透徹,更熟悉各公司內部的採購流程與需求。這套銷售方法,就是傳統 IT 顧問供應商:譬如 IBM、 Accenture、四大與 MBB 的數位轉型部門,在面對客戶時交付的專案內容。
在矽谷的科技業,許多公司氛圍都非常輕鬆,上班時間隨意,更把總部佈置得像是遊樂園。同為科技業,我們卻看得到 C3 裡頭各種西裝筆挺的與客戶開會。這也是來自 Tom Siebel 的鐵血管理方法,就是要帶出傳統投行顧問等商業領域的專業度,拿出面對傳統大型企業客戶的態度,放下純粹鑽研技術,而真正說服客戶放心買單。
而 C3 同時將顧問解決問題的客製化方案,用產品管理的方式再收斂回一個可以重複銷售的產品。因此在面對類似領域的客戶時,解法可以重用,相比顧問業賣的是「人天」,產品化的平台運營降低了方案設計的人力成本,而雲端的 SaaS 服務也可以壓低運營成本,因此也更能規模化,達成更高的毛利。

在企業軟體界的深厚累積

在企業軟體的領域中,決定要用什麼軟體的採購案其實是個燙手山芋。「穩定」是最重要的考量之一。與其有什麼漂亮的介面、酷炫功能,幾百種演算法任君選擇,不如只有一種作法,但是必須保證永遠不會出包。大家可以忍受一套軟體 10 秒的反應時間,卻沒有人願意承擔出了什麼問題搞得隔壁部門怨聲載道的後果。因此也有個說法:「你不可能因為找了 IBM 被炒魷魚。」就是找了其他軟體商,要是出了差錯,後果自負的意思。在這種風險趨避的想法上,新創公司的方案想要賣進大型企業是非常困難的,何況是保守的能源、原油和國防產業?
這種 IT 界代代相傳的格言,簡直成為老祖宗的智慧。
Siebel 的牌子在此時就非常好用了。有了 Siebel CRM 的成功經驗以外,大家相信案子簽給他,他應該不會輕易把自己牌子砸了。而 C3 更獲得微軟的投資與結盟。得到企業軟體的巨擘加持,讓大客戶買單更加無所顧忌。

C3 的故事:我的結局

結合以上的各項特點,在我對 C3 各項軟體解決方案與架構多加敲打研讀準備面試後,接到面試官的第一個問題卻是:「你從事顧問經驗裡,對於原油與能源這種保守的客戶,你有沒有什麼神奇的方式來說服他們?告訴我,你的獨門妙招是什麼?」
聽到這樣的問題,我卻愣了一愣:沒想到一個 AI 公司,沒有問演算法,沒有問我的資料分析經驗,竟然問的是如此銷售導向的問題。這樣考驗人才的問題,也讓我重新思考 C3 的成功模式,是否不純在 AI,而是更「以人為本」的問題。而細思而得的本文各個論點,也一一在今年的招股書 S1 中呈現而證實。
當然這都是後見之明了。我們都聽過了成功人士的經驗談,我卻覺得應該從失敗中總結。於是我分享這個對產業了解不足,第一關面試就失利的經驗給大家。
沒想到在無限惋惜無緣加入的恰好一年之後,C3.ai 竟然在今年 12 月就在紐交所正式上市。在今年末包括 Doordash 和 Airbnb 等明星公司的 IPO 狂潮裡仍然表現不俗,從 IPO 發行價 $42 到起始交易 $100 最後一路漲破 $130,估值接近 $10B的超級獨角獸,可以說是世人無限看好的公司。
和近期上市的 Palantir 同樣專注資料科學與 AI, C3 玩出了不一樣的方法。其建立的壁壘,也不是普通人玩得起的。C3 的成功上市,證實了企業用的資料科學:不只是演算法,更需要對行業的深厚理解,加上顧問式批判思考的解決問題方法、再加上甲方對乙方的高度信任,才是在大企業中的專案成功之路,也是創造價值的可行之道。
為什麼會看到廣告
    留言0
    查看全部
    發表第一個留言支持創作者!
    人們喜歡把連續的事物給離散化,再加以編碼。譬如整年氣候變化明明是連續的,我們卻分成四季。好像過了立冬,季節代碼就從秋天變成冬天,讓冷冽取代颯爽、霜白取代昏黃。​我們的心智也應該像是對應時間的連續函數,一分一秒的逐漸熟成嗎?還是更貼近 Event Driven 、離散式的成長模型呢?
    怎麼可能天天都被夢想叫起床!如何應對職場負能量?每回工作到厭世,一旦職場倦怠,是不是辭職就一切搞定呢?我相信拿回工作的主導權,駕馭自己的倦怠心魔,才是長久的應對之道!
    工作了幾年後,有不少我認為職場表現最優秀、名校大公司升遷順利的人才,卻說自己從生活以及工作中,找不到成就感與目標。 才三十出頭,傳統上被認為是在職場有些積累,正要大展身手的時間,我卻沒有想到這種「pre中年危機」的症候群會這麼早出現。我才終於正式體認到:職業倦怠潮正悄悄襲來。
    在 MBA 課上,我們學經濟理論,投資分析,市場行銷,領導管理。儘管課程內容包羅萬象,我們卻進行了同一場活動好幾次還樂此不疲。什麼遊戲這麼百玩不膩?這個賭盤完全不需要任何商管領域的知識,贏家卻肯定有著敏銳的商業洞察力。聽來有趣嗎?一起來聊「平均的 2/3」吧!
    離上一次公民課也許超過十年了,小時候老覺得這些制度介紹,實在是枯燥乏味又老生常談。但來到美國加州後,全州一路靠左的價值觀,讓我第一次發現自己不夠 Liberal。而這張自由派奉為圭臬等級的圖,我接觸美國政治文化之前確實沒看過。這篇就讓我們用一張圖來聊聊自由派對於「公平」的看法,與保守派的異議。
    The Social Dilemma 是加上少許杜撰劇情的紀錄片。上架過了兩週,目前仍雄踞在 Netflix 美國區排行榜上前十,並在 IMDB 上獲得 8 分高分。我也看到幾個在灣區科技公司從業的朋友分享,可以說是美國科技圈近日的熱門話題。看完本片,我不禁思考這部片想讓你以為的,究竟是什麼?
    人們喜歡把連續的事物給離散化,再加以編碼。譬如整年氣候變化明明是連續的,我們卻分成四季。好像過了立冬,季節代碼就從秋天變成冬天,讓冷冽取代颯爽、霜白取代昏黃。​我們的心智也應該像是對應時間的連續函數,一分一秒的逐漸熟成嗎?還是更貼近 Event Driven 、離散式的成長模型呢?
    怎麼可能天天都被夢想叫起床!如何應對職場負能量?每回工作到厭世,一旦職場倦怠,是不是辭職就一切搞定呢?我相信拿回工作的主導權,駕馭自己的倦怠心魔,才是長久的應對之道!
    工作了幾年後,有不少我認為職場表現最優秀、名校大公司升遷順利的人才,卻說自己從生活以及工作中,找不到成就感與目標。 才三十出頭,傳統上被認為是在職場有些積累,正要大展身手的時間,我卻沒有想到這種「pre中年危機」的症候群會這麼早出現。我才終於正式體認到:職業倦怠潮正悄悄襲來。
    在 MBA 課上,我們學經濟理論,投資分析,市場行銷,領導管理。儘管課程內容包羅萬象,我們卻進行了同一場活動好幾次還樂此不疲。什麼遊戲這麼百玩不膩?這個賭盤完全不需要任何商管領域的知識,贏家卻肯定有著敏銳的商業洞察力。聽來有趣嗎?一起來聊「平均的 2/3」吧!
    離上一次公民課也許超過十年了,小時候老覺得這些制度介紹,實在是枯燥乏味又老生常談。但來到美國加州後,全州一路靠左的價值觀,讓我第一次發現自己不夠 Liberal。而這張自由派奉為圭臬等級的圖,我接觸美國政治文化之前確實沒看過。這篇就讓我們用一張圖來聊聊自由派對於「公平」的看法,與保守派的異議。
    The Social Dilemma 是加上少許杜撰劇情的紀錄片。上架過了兩週,目前仍雄踞在 Netflix 美國區排行榜上前十,並在 IMDB 上獲得 8 分高分。我也看到幾個在灣區科技公司從業的朋友分享,可以說是美國科技圈近日的熱門話題。看完本片,我不禁思考這部片想讓你以為的,究竟是什麼?
    你可能也想看
    Google News 追蹤
    Thumbnail
    接下來第二部分我們持續討論美國總統大選如何佈局, 以及選前一週到年底的操作策略建議 分析兩位候選人政策利多/ 利空的板塊和股票
    Thumbnail
    🤔為什麼團長的能力是死亡筆記本? 🤔為什麼像是死亡筆記本呢? 🤨作者巧思-讓妮翁死亡合理的幾個伏筆
    交易策略的開發有以下分類 --- 1. 模式導向(model driven): 有明確邏輯, 可以量化、程式化、經科學驗證的模型,不管邏輯源自於技術、基本、籌碼或總經分析, 而以此產生的量化策略稱之; 主要是市場邏輯的演繹 2. 資料導向(data d
    Thumbnail
    自從人工智慧橫空出世,大家都有滿滿的擔憂人工智慧會取代人類的工作,今天我們就要來聊聊這個議題...
    Thumbnail
    這篇文章嘗試從一般使用者的角度,去描述臉書讓我們遇到了什麼問題,而這個問題又怎麼跟 AI 演算法扯上關係。 文章前半《使用者逐漸失去自主權的臉書》將會描述「這件事情是如何發生?」,後半《當 AI 演算法逐漸變成問題》則是說明「為什麼這件事情可怕?」
    Thumbnail
    接下來第二部分我們持續討論美國總統大選如何佈局, 以及選前一週到年底的操作策略建議 分析兩位候選人政策利多/ 利空的板塊和股票
    Thumbnail
    🤔為什麼團長的能力是死亡筆記本? 🤔為什麼像是死亡筆記本呢? 🤨作者巧思-讓妮翁死亡合理的幾個伏筆
    交易策略的開發有以下分類 --- 1. 模式導向(model driven): 有明確邏輯, 可以量化、程式化、經科學驗證的模型,不管邏輯源自於技術、基本、籌碼或總經分析, 而以此產生的量化策略稱之; 主要是市場邏輯的演繹 2. 資料導向(data d
    Thumbnail
    自從人工智慧橫空出世,大家都有滿滿的擔憂人工智慧會取代人類的工作,今天我們就要來聊聊這個議題...
    Thumbnail
    這篇文章嘗試從一般使用者的角度,去描述臉書讓我們遇到了什麼問題,而這個問題又怎麼跟 AI 演算法扯上關係。 文章前半《使用者逐漸失去自主權的臉書》將會描述「這件事情是如何發生?」,後半《當 AI 演算法逐漸變成問題》則是說明「為什麼這件事情可怕?」