摘要：把 AI 真正地 融入企业日常运营，处理开票、物流配送、病历录入这些琐碎事务。

她做的事情算不上什么前沿热点。

不是训练更复杂的模型，不是推出多模态产品，也不是在视觉 AI 上创新突破。

她选择的是最务实的路径：

把 AI 真正地 融入企业日常运营，处理开票、物流配送、病历录入这些琐碎事务。

但就是这条“最不好看”的路线，在 2025 年 8 月，赢下了顶级风投的下注：

由 a16z 和 Conviction 联合领投，完成 2100 万美元融资（约合人民币 1.5 亿人民币元）；

创始人是一位 00 后 MIT 辍学生、前量化研究员——Jessica Wu。

（图片：财富杂 志头条， Jessica Wu 和 Neil Deshmukh 是 Sola 的联合创始人 ）

2025 年 8 月 30 日，科技访谈节目 EO 频道发布了对这位 Jessica Wu 的一段专访视频。她说： “很多企业不是不想用 AI，而是根本用不上。你得先把最底层的流程打通。”

她的公司叫 Sola，她的目标也很明确：

AI 要在企业落地，得先跑通那 5 个关键场景。

我们通过对 Jessica Wu 的深度访谈，复盘 Sola 从 YC 起步到完成 1.5 亿人民币融资的全过程。

也尝试回答这个关键问题：

在这轮 AI 应用热潮中，什么样的创业公司，才有真正的商业化变现能力？

第一节｜Citadel 到 YC，为什么她选了最难啃的一口？

她原本的履历，足够光鲜、亮眼。

MIT 数学和计算机科学双专业，大学还没毕业就拿到多个基金 offer，很快成为 Citadel（世界规模最大的对冲基金之一,） 最年轻的量化研究员之一。每天在一堆表格和公式中处理交易模型、评估概率、决策执行。

但她说，那时候，“每次周末被叫去加班，我都觉得很痛苦。我很清楚，这不是我自己的事业。”

直到有一天，在公司内部系统中处理发票和金融流程，她崩溃了。

她亲自尝试写自动化脚本，但哪怕学过编程，写个简单的浏览器脚本也仍然极其困难。原因不在代码，而是现实世界的系统太老、太碎、太难用了。

她回忆说：“就算你是 MIT 背景、会写代码的人，对接老系统都觉得难，更别说普通运营人员。”

这不是一个人的烦恼。当她与未来的联合创始人 Deshmukh 聊起对流程工具的感受时，发现他在麻省总医院（MGH）做医院系统时，也遇到同样的问题：

麻省总医院用的工具太老、太脆弱，稍微动一下就可能让整个系统都崩掉。

这段亲身经历，成了他们做 Sola 的出发点。

很多人创业，起点是看到了新机会；而他们的起点，是被“系统难用逼疯了”。

于是，她们申请加入 Y Combinator。和很多人带着产品想法不一样，他们进 YC 的时候，还不知道要做什么，只知道这个问题大概什么样。

她说：“我们进 YC 时，没有明确方向。前一个月就是找准一点事，把它干到底。”

YC 给她们最重要的一条建议是：

“不要等产品做完才卖。先假装有产品，看客户买不买。”

所以 Sola 最初的 Demo 是个假的前端，背后几乎没代码，但他们开始找客户聊天、试着卖出去。有客户明确表示感兴趣，他们立刻回去开发产品，然后再回来交付。

这听起来反直觉，但能逼你聚焦在“客户愿不愿意用”这个最核心问题上。

在这个过程中，她逐渐明确了方向：重点不是做工具，而是帮企业摆脱那些繁琐却必需的重复工作。

而她们最早瞄准的，就是那些最繁重、最基础、最不受 AI 创业者青睐的企业工作流。

她没有从 ChatGPT 启发、也不是看了哪场发布会才决定创业。

她看到的，是真实企业里那些又旧又碎又没人想管的工作：

发票对账、货运派单、表单录入、门户系统重复填表……不是未来的场景，而是客户今天、现在、每小时都在手动干的事。

Sola 的第一批用户，告诉她：“你们要是能把这块自动化了，我现在就买。”

她没有绕弯子，也没有设计一个大而全的平台，而是直接跑这五个场景：

① 发票处理 / 应付账款

企业日常的发票流程是最复杂： PDF、邮箱、ERP、财务表格交叉往来，全靠人工对，表单出错就影响付款。

Jessica 说：“客户用 Sola 自动发出发票、处理付款，这些都是实打实的关键业务，出错了可不像 AI 生成内容那样重新来一遍就行。”

② 医疗信息录入

医院、保险、远程医疗平台都有自己的老系统，很多连 API 都没有。

护士或行政人员每天要把文件、预约、检查报告从系统 A 复制到系统 B，再导出上传。

“这些工作又关键又重复，你不能出错，也不能中断。”

Sola 通过录制人操作路径，把这类跨系统的录入自动化。

③ 货运流程管理

从下单、分配货运商、发邮件确认、更新状态，全流程过去靠运营手动跟踪。

她说：“物流系统特别散，你得跳三个平台才能确认一单发货情况。”

Sola 让 AI 自动做这些盯盘动作，并根据规则做出决策和填表。

④ 律所文档处理

律师事务所也是他们的客户之一。

看起来文档很多，但其实结构性很强、重复性很高，比如起草模板、合规文本、流程审批等。

“他们不是缺人，是太贵。一个小时好几百美金的律师，却在改一个可自动填的表格。”

⑤ 企业内部系统串联

大量企业并没有一体化系统，而是多套系统拼凑：既有 内部门 户，又有 Excel 表格，还有 Web 页面和外部邮件，各管各的。

这些流程不能用传统软件跑，只能人工在各个窗口间来回切换操作。

Jessica 说：“这些流程也没有 API，也不能集成。你得看着人怎么干，然后让 AI 照着来。”

这五个关键场景的选择，都是客户的真实需求在推动。

所以 Sola 做的不是创造未来，而是帮客户甩掉历史包袱。

Sola 的第一版产品，有多简单？

只有两个功能：

一个是录制你在电脑上点击、输入、跳转的过程；

一个是回放这些操作，让电脑自动照做一遍。

Jessica 回忆说：“早期产品只能在你自己的电脑上重复操作，也看不到它到底做了什么。”

就是这么个简陋的原型，她们拿去和客户谈。不是靠承诺，而是靠验证：有人愿意点进去看看，你就知道方向对了。

不是闭门造工具，而是让产品真正应用到业务中。

这个过程中，她们拒绝了不少人。

Jessica 回忆说：“我们不得不拒绝一些重量级客户，尽管我们很想合作，但产品还没准备好。”

她举了个例子：某家头部律师事务所，想用 Sola 自动处理文档流程。

本可以是一个极具背书力的客户。但她们最后还是没接。因为上线就意味着承诺，承诺就意味着不能出错。

她们不是怕失败，是知道如果出错，就可能失去整个赛道的机会。

我们服务的都是企业的核心业务，如果我们的系统出问题，他们的整个运营就会受影响。

最难的一次，是圣诞节部署。

一个客户希望在业务最安静的时候上线系统，也就是大家休假的时候。她们二话没说答应了。团队全员进办公室，整个圣诞周都在完成部署、测试、上线。

Jessica 没有渲染什么创业热血，只说了一句：

“我们那时候还小，客户愿意相信我们，我们就必须把事情做好。”

对她们来说，产品不是演示，不是许诺，更不是刷图表。

能不能用，能不能上线，能不能稳定运行，这才是核心。

她们后来构建起了可复盘、可配置的流程逻辑，可以支持客户在云端多实例运行，也可以动态调整录制动作，还能标注出每个步骤背后的数据点和判断条件。

但这套系统的基础，是她们一行行代码亲自写出来的，最初就是一个简陋的MVP（最小可行产品）。

她说： “真正难的，不是造个产品，而是能不能持续交付，然后不断维护。”

Sola 做的不是聊天机器人，也不是一套很聪明的推荐算法。 它做的是：看你怎么做事，然后接手帮你做下去。

Jessica 的描述非常具体：

“你打开网页，点击菜单，下载文件，再把结果复制到另一个系统……我们让 AI 把你这些动作看下来，记住步骤，复现流程。”

它不像传统 AI 产品那样，从文本理解开始； 而是从观察人的实际操作开始，把手工工作变成自动执行。

这也决定了产品面向的不是工程师，而是一线运营人员、财务、法务，甚至前台。

她说：“我希望一个从没写过代码的人，也能用 Sola 帮他处理流程。”

这听起来很像早年的“无代码”热潮。但 Sola 做得更往前一步： 它不要求你设计流程，而是录下你做事的方式，然后让 AI 自动学会。

“我们不依赖 API，也不需要系统对接，用户只要像平时那样操作一次就行。”

这是为什么 Sola 在很多传统行业能迅速落地的关键。

物流公司没有统一平台，医疗机构没有标准接口，律所用的还是上世纪的桌面软件…… 这些地方你无法通过“集成”去做自动化，但可以通过模仿人来完成自动执行。

Jessica 的判断是：

现实世界的流程很混乱，很分散，很难自动化。

但就是这些最基础的操作，真正影响着业务能否正常运转。

她不是想让 AI 做出决策，而是先把 AI 放在执行现场，把那些必须完成的任务先做完。

她们的产品理念很清晰：

不是替你做决策，而是在你需要的时候，能够及时接手；

不是从0到1重新设计流程，而是从1到100帮你优化流程；

不是创造新任务，而是减掉原本你手动做的那一堆。

“我们跟客户说：你可以把我们当成一个非常可靠的操作助手，帮你每天跑重复任务，而且永远不会掉链子。”

这也解释了为什么她们对稳定性如此敏感。

Jessica 对此有清醒的认识：“如果我们宕机，不是客户晚几分钟收到回复，而是他们没法发货、没法付款，整个业务被打断。”

在消费类 AI 工具里，出点错、晚点回复，用户可能只是吐个槽；

但在 Sola 这样的企业类 AI 应用里，出错是要赔钱、失客户、掉信用的 。

因此她们一直坚持两个原则：

第一，能不能运行得稳定；

第二，能不能让普通人上手就能用，不需要重新培训团队。

这套逻辑，让 Sola 在传统企业中获得了“最省心工具”的口碑。

她们没去宣传模型多先进，而是告诉客户：“你先录一次，我们来处理；出了问题，我们能修。”

没做什么华丽的功能，客户一旦上手，就舍不得了。

到 2025 年下半年，很多大模型的问题已经不在技术本身，而在于企业的业务流程没打通，所以 AI 落不了地。

Jessica Wu 没做“聪明”的产品，也没走“性感”的路线。 她做的是：从最琐碎的操作里，找到最刚需的入口。

她没有说“我们比别人更懂 AI”，她只说了一句特别简单的话：

现实中的企业，各种软件都不相通。

面对这种现状，她们的策略很务实：不去颠覆现有系统，而是先承接那些不能出错的关键环节：发发票、录表单、派货运、做对账、填文书。

企业级 AI 工具的真正考验，从来不在参数、幻灯片和路线图。

而是从某一刻起，有一家真实公司，把核心业务交给你负责。

“客户愿意把流程托付给你，这件事，

比模型精度多几个点更重要。”

来源：趣闻捕手一点号