Verso，永不入睡的公司

🧑‍🏫 這支影片是法國新創 Verso 的執行長 Lydia 分享：她們只有 4 個人，卻靠一個用 Codex 打造的「公司大腦」，讓公司幾乎全自動運作。值得看的原因是她用具體例子示範 AI 怎麼接手整段真實工作流程，不是只當聊天助手。例如週五下班交辦的研究，週一就交到客戶手上。

• 00:05 講者 Lydia 是 Verso 共同創辦人兼 CEO，與共同創辦人 Camille 一起經營。她說 Verso 本身睡得比她還少
  ↳ Lydia 是 Verso 的共同創辦人兼執行長，和另一位共同創辦人 Camille 一起帶公司。她說公司比她還少睡，意思是系統 24 小時都在自己運作。
• 00:05 Verso 是 AI-native 公司，從第一天起就幾乎完全自主運作。本場主要說明如何借助 Codex 做到，以及這對日常工作的改變
  ↳ AI-native company（AI 原生公司）指一開始就把 AI 當成做事的主力，不是後來才加進去。這場講她們怎麼靠 Codex（OpenAI 的 AI 代理工具）做到，以及日常工作因此怎麼改變。
• 00:43 Verso 的定位是 context provider：提供客戶正確的消費者 context，幫助他們做出可能影響重大財務的商業決策
  ↳ context provider（脈絡提供者）就是提供「背景資訊」的角色。Verso 賣的是消費者的真實想法，讓客戶在做可能牽涉大筆錢的決定前，手上有正確依據。
• 00:43 提供近乎即時的資訊，讓客戶知道消費者怎麼想、如何做決定、為什麼這樣決定。客戶與其 AI agents 可藉此做出真正打動消費者的產品、訊息與視覺
  ↳ 客戶想知道的不只是消費者買什麼，還有他們怎麼想、為什麼這樣選。資料幾乎即時更新，客戶團隊和他們的 AI agents（能自己執行任務的 AI）都能拿來做產品、寫文案、做視覺。
• 00:43 Verso 的 agentic 解決方案端到端串起消費者研究：設計研究、招募受訪者、由 AI interviewer 主持訪談，再經完整分析 pipeline 產出可行動的洞察
  ↳ agentic solution（代理式解決方案）指由 AI 一路自己做完。從設計研究、找受訪者、讓 AI interviewer（當訪問員的 AI）訪談，到分析出能直接拿去用的結論，全部串在一起。
• 01:41 與傳統做法相比，客戶取得消費者洞察的速度快十倍，成本只要一半，因此在市場上擁有真正的競爭優勢
  ↳ 同樣一份消費者洞察，別人還在等結果，Verso 的客戶已經拿到，而且花得比較少。速度快十倍、成本只要一半，這個差距就是客戶在市場上搶先一步的本錢。
• 01:41 產品端到端由 OpenAI 驅動。訪談階段使用 Voice models，也使用 Romain 稍早展示的 Realtime Translation model，該模型一推出就開始採用
  ↳ 整套產品底層都用 OpenAI 的模型。訪談用語音模型跟受訪者對話，也用了能即時翻譯的模型（同場稍早 Romain 介紹過），這個模型一推出她們就馬上用上。
• 01:41 分析階段建立在最新 frontier models 上，是一條精密的 multi-agent pipeline
  ↳ frontier models 指當下最先進的 AI 模型。分析不是丟給單一 AI 就結束，而是 multi-agent pipeline：好幾個 AI 分工接力，像流水線一樣把訪談整理成結論。
• 02:23 本場真正重點：如何打造完全 agentic、自主運作的組織，讓 Verso 以其營收與成長規模，仍能維持極精簡的團隊
  ↳ 前面講的是產品，這裡才是主題：整間公司怎麼交給 AI 自己運作，讓營收和成長持續增加，團隊卻還是維持很小。
• 02:23 公司一切都圍繞 Company Brain（Verso Brain）運作。任何系統要有效且自主，都需要做到三件事：Listen、Think、Act
  ↳ Company Brain（公司大腦，她們叫 Verso Brain）是公司運作的中心。她認為任何能自己做事的系統都要具備三種能力：Listen 聽、Think 想、Act 做。
• 02:57 Listen：收集內部資料（email、行事曆、Slack、Notion）與外部資料，全部透過 Codex automations 編排
  ↳ Listen 是蒐集資訊：內部的 email、行事曆、Slack（聊天工具）、Notion（文件工具），加上外部資料。Codex automations 是讓 Codex 自動去抓資料、整理資料的設定。
• 02:57 Think 有兩個核心元件：intelligence 與 memory。Intelligence 層是 Knowledge Agent，負責索引進來的資訊，並依各使用情境取出最相關的 context，由 Cortex 驅動
  ↳ Think 分成「會判斷」和「會記得」兩塊。判斷這塊是 Knowledge Agent：把進來的資訊建好索引，再依不同任務挑出最相關的背景。影片說它由 Cortex 驅動，但沒有細講。
• 03:32 Memory 是由 Knowledge Agent 管理的彈性資料庫，存放 Verso 的所有資訊與組織 context
  ↳ memory 就是大腦的記憶，一個由 Knowledge Agent 管理的資料庫，裝著公司所有資訊和內部脈絡。「彈性」是指格式不死板，可以隨時增補和調整。
• 03:32 Act 可能是最重要的部分：Brain 透過 tools、MCPs、CLIs 在真實世界採取行動，自主執行 workflows
  ↳ 光會想沒用，還要能動手。tools 是 AI 可以呼叫的功能；MCP 是讓 AI 接上各種外部服務的共通規格；CLI 是用文字指令操作軟體的介面。靠這些，大腦能自己跑完工作流程。
• 04:06 傳統交付一份消費者研究：scoping 約 1 週、fieldwork 3 週、分析再 3 週，流程慢、耗人力又昂貴
  ↳ scoping 是一開始跟客戶確認要研究什麼、範圍多大；fieldwork 是實際找人訪問、蒐集資料。傳統上這三段加起來要七週，每一步都需要人力。
• 04:06 Verso Brain 能取得所有客戶知識與 Verso 的方法論，也能直接操作 Verso 應用程式
  ↳ 這個大腦知道每個客戶的來龍去脈，也懂 Verso 做研究的方法，還能直接進 Verso 自己的系統操作，不只是給建議而已。
• 04:47 原因是產品從第一天就設計成可被 AI agents 完整存取與操控，因此 Brain 能自主完成幾乎所有 Customer Success Manager 的工作
  ↳ 關鍵在設計：產品一開始就讓 AI 能完整讀取和操作，不需要人幫它點按鈕。所以客戶成功經理的工作，大腦幾乎都能自己包辦。
• 04:47 Brain 只在需要人類輸入，或有事情值得注意時，才會通知團隊
  ↳ 人不用一直盯著。大腦平常自己做事，只有遇到需要人拍板的決定，或出現值得注意的狀況時，才會通知團隊。
• 04:47 實例：上週五下午 5 點客戶會議結束，Maxime 在客戶的 Slack 頻道 tag Verso Brain，請它整理剛結束的會議與 email 往來
  ↳ 真實例子：上週五下午 5 點客戶會議一結束，同事 Maxime 就在跟客戶共用的 Slack 頻道裡 tag 大腦，請它整理剛才的會議內容和信件往來。
• 04:47 一個半小時後，也就是晚上 6:23，經過幾輪迭代，fieldwork 已經開始進行
  ↳ 才過一個半小時，到了晚上 6 點 23 分，來回修改幾輪之後，訪談就已經開跑。傳統做法光是前面確認範圍就要花一週。
• 05:39 週一早上，Brain 標記了幾份疑似詐騙的訪談請團隊審查。團隊確認後啟動分析，兩小時後就交付給客戶
  ↳ 週一早上，大腦挑出幾份看起來可能是造假的訪談，請團隊確認。人工確認完才開始分析，兩小時後報告就交到客戶手上。
• 06:18 交付的研究附有完整洞察。因為訪談以視訊進行，客戶能實際看到消費者、聽到他們說的話，據此做出更好的決策
  ↳ 報告不只給結論。因為訪談是用視訊進行，客戶可以直接看到受訪者、聽到他們的原話，比只讀摘要更有感，也更好判斷下一步。
• 06:18 成功關鍵有二：一是結構良好、配備正確工具的 Company Brain（打造起來並不容易）；二是產品從第一天就設計成能讓 AI agents 自然使用與互動
  ↳ 她歸納出兩個關鍵：一是大腦要整理得好、配對工具，她也坦白這並不好做；二是產品本來就要設計成 AI 能順手使用，而不是事後硬接。
• 07:08 因此 Verso 的工程師幾乎把所有時間用在打造產品、改進技術、為客戶創造價值
  ↳ 修 bug 這類雜事被 AI 接走之後，工程師的時間就能放在做新功能、改善技術這些真正對客戶有用的事情上。
• 07:47 以上全部由僅 4 人的團隊完成，講者說這在舊世界根本不可能
  ↳ 做到這些的只有 4 個人。她說如果照沒有 AI 的舊做法，這個人數根本撐不起這樣的業務量。

根據講者說法，Verso 服務約 30 家客戶、交付超過 50 份研究，是由幾個人的團隊完成的？