Showing Posts From
保險業務
客戶明明聽懂了卻一直「再想想」？行為科學家：你賣的是「未來」，而大腦天生討厭未來——把「現在每天正在流失的東西」講出來
你一定遇過這種客戶：你把保障缺口算得清清楚楚，他全程點頭，最後說一句「我懂了，讓我再想想」——然後人就消失了。你會忍不住懷疑：是我講得不夠清楚嗎？ 行為科學家 Nancy Harhut 在 2026 年 6 月 3 日的 DesignRush Podcast 專訪裡給了一個讓人安心、也讓人警醒的答案：問題不在他沒聽懂，而是人類大腦的出廠設定，本來就跟「未來才兌現的好處」過不去。而保險，剛好是世界上最純粹的「未來才兌現」商品。 Nancy Harhut：用大腦的原廠設定賣東西，而不是跟它對抗 Nancy Harhut 是 HBT Marketing 的共同創辦人暨創意長，客戶包括 H&R Block、AARP、Transamerica 這些金融與保險品牌。她把 25 條行為科學原理整理成一本得獎著作《Using Behavioral Science in Marketing》（拿下 2023 年美國行銷協會的 Leonard L. Berry 行銷書獎）。 她整套方法論的前提，是一句很多業務不願承認的話："People don't make decisions the way you think they do. They're not necessarily fully engaged. They're not very rational. They're way more emotional." （人們做決定的方式，跟你以為的不一樣。他們未必全神貫注，也沒那麼理性，而是感性得多。）換句話說，你花力氣把產品講得更「合理」，很可能是在對一個根本不用理性決策的大腦講道理。Harhut 的做法相反：先承認大腦怎麼運作，再順著它設計訊息。 意圖—行動落差：客戶真心想買，卻被「當下偏誤」綁住 Harhut 點名一個專有名詞——意圖—行動落差（intention-action gap）。它指的不是客戶不想，而是客戶真心想、卻一直沒動："We intend to do something, we intend to get to it a little bit later, we'll do it next week or next month or next year, we're going to do it. But then we don't." （我們打算做某件事，打算晚一點再處理，下週、下個月、明年再說，我們真的有打算要做。但結果就是沒做。）背後的引擎是「當下偏誤（present bias）」：大腦只渴望立即的回報，並且嚴重低估未來的好處。保險的痛點正好踩在這裡——它的全部價值都在「未來」，而你的客戶活在「現在」。你說「以後你會很有保障」，大腦聽到的是一個跟今天無關、又模糊又遙遠的承諾，於是它選擇拖延。 所以 Harhut 的整套解法，不是把未來講得更動人，而是想辦法把好處從「以後」搬到「現在」。以下三個槓桿，就是搬運工。 三個把「未來」拉回「現在」的訊息槓桿 損失趨避（Loss Aversion） 做法： 別算「未來能得到什麼」，改算「現在每天正在流失什麼」。 這是 Harhut 最有殺傷力的一招。她引用行為經濟學的核心發現："People are actually twice as motivated to avoid the pain of loss as they are to achieve the pleasure of gain." （比起追求獲得的快樂，人們避免損失的動力，其實是它的兩倍。）她舉了一個住宅隔熱（home insulation）的經典案例。同一個產品，兩種講法：一種說「裝了隔熱，你每天可以省下 75 美分」，另一種說「沒裝隔熱，你每天正在損失 75 美分」。結果："When they told people they were going to lose 75 cents a day, 150% more people said, yes, I want the home insulation." （當他們告訴人們「你每天正在損失 75 美分」時，答應要做隔熱的人多出了 150%。）數字一模一樣，框架一反，接受率跳了一倍半。把這個機制套進保障對話，差別就出來了—— 別說：「這張醫療險，未來住院一天能賠你三千。」 改說：「你現在沒有這塊，等於是每天用自己的存款在替自己的健康風險自保。同樣是每天幾十塊，差別只在於：這筆錢是進保險公司的池子，還是哪天從你帳戶裡一次扣走。」 關鍵動作是：把抽象的「未來保障」換算成一個「現在正在流失的小單位」。每天、每杯咖啡的錢、每個月。當損失被切到夠小、又貼在「現在」，大腦的趨避本能才會醒過來。 社會認同（Social Proof） 做法： 不要說「很多人買」，要說「跟你一樣的人」都這樣做。 當客戶猶豫時，他其實在問一個沒說出口的問題：「做這個決定的我，會不會是個傻子？」社會認同就是在替他消除這個風險。Harhut 的定義裡有一個常被忽略的精準限定詞："Social proof is the idea that if a lot of other people, especially people like me, are doing something, I feel comfortable following their lead." （社會認同的意思是：如果很多人——尤其是「跟我一樣的人」——都在做某件事，我會比較安心地跟著做。）重點在 "people like me"。對一個 38 歲、兩個小孩、剛換工作的客戶說「我們公司有十萬保戶」，他無感；但對他說「我手上有好幾位跟你一樣、孩子還在念小學、又剛跳槽的家庭，他們在這個階段都會先把這塊補起來，原因是……」——這句話的份量完全不同。社會認同要瞄準的不是「人多」，而是「像他」。 互惠（Reciprocity） 做法： 在開口要求成交之前，先給出一個對方沒預期到的價值。"When you do something for someone, when you give them a gift, when you do a favor for them, even if they didn't ask for it, once they're the recipient, they feel obliged to return the favor." （當你為某人做了什麼、送了禮、幫了忙，即使對方沒開口要求，一旦他成了接受的一方，就會覺得有義務要回報你。）注意「even if they didn't ask for it」——互惠的力道，來自於「出乎意料」。所以最弱的互惠，是客戶要什麼你給什麼（那叫服務）；最強的互惠，是你主動遞上一份他沒想到、卻剛好戳中他處境的東西：一份幫他整理好的現有保單缺口分析、一張他公司團保到底保了什麼的白話對照表、一個跟保險無關但他正在煩惱的稅務小提醒。先給，而且給得出乎意料，成交那一刻的天平就已經往你這邊傾了。 把這三招收進一個檢查框：訊息夠不夠「大腦友善」 Harhut 把這套東西統稱為「大腦友善訊息（brain-friendly messaging）」——讓訊息順著大腦運作，而不是跟它作對。她給了四個檢查點：訊息必須顯眼（noticeable）、好懂（understandable）、好記（memorable）、可行動（actionable）。"I'm talking about serving up our marketing messages in a way that works with the brain and not against it." （我說的是，用一種順著大腦、而不是逆著大腦的方式，把訊息端出來。）下次寫完一段保障建議，先別急著發，拿這四個點過一遍：客戶會「注意」到嗎？他三秒內「看得懂」嗎？明天他「記得住」其中一句嗎？最後——這段話有沒有給他一個「現在就能做的下一步」？很多提案卡在最後一關：講得很完整，卻沒有一個此刻可執行的動作，於是大腦理所當然地把它歸進「以後再說」。 Harhut 在訪談尾聲還丟了一個給業務的自我提問，值得貼在桌前："One of the biggest things that we can do is we can ask ourselves, Why not?" （我們能做的最重要的事之一，就是問自己：為什麼不？）不是問「我要怎麼說服他買」，而是反過來盤點「他現在到底卡在哪個『為什麼不』」——是怕做錯（給社會認同）、覺得不急（用損失趨避把代價拉到現在）、還是覺得欠你不夠（用互惠先給）。把每一個「為什麼不」拆掉，剩下的，就是行動。📎 這篇拆的是 Nancy Harhut 在 DesignRush Podcast 專訪裡談的三個槓桿，但原訪談還聊了「標籤效應（labeling effect）」怎麼讓客戶照你給的身份去行動、以及她替 Nationwide 操刀、創造 6,800 萬美元增量營收的實際案例設計。想看完整的 25 條原理與更多金融保險品牌的實戰拆解，她的《Using Behavioral Science in Marketing》一條原理配一個真實案例，是值得放在手邊翻的工具書。
把收入當資產管理：他靠一個「現金流水庫」帳戶做到 $350M AUM、600 個家庭——Kitces #493 拆解 David Mozeika：客戶亂花錢不是意志力問題，是帳戶架構問題
「先存再花」這句話，每個業務員都跟客戶講過，每個客戶也都點頭過。然後下個月，錢還是不知道花去哪了。 2026 年 6 月 9 日上線的 Kitces Financial Advisor Success Podcast 第 493 集，給了這個老問題一個完全不同的答案。來賓 David Mozeika 的立場很乾脆：客戶亂花錢不是意志力問題，是帳戶架構問題。你不需要叫客戶「更自律」，你需要把他的錢改一個流向。 而這套方法的成績單是：$350M AUM、600 個客戶家庭、年營收約 800 萬美元。 David Mozeika：從保險通路出身，把「現金流」做成整家公司的核心 David Mozeika 是新澤西州 Red Bank 的 RIA「TOMORO」創辦人，在金融服務業超過二十年，從保險通路起家，後來走向獨立顧問模式。TOMORO 現在有 17 名員工、3 位主導顧問，營收結構也很特別：費用制規劃服務佔不到 10%，其餘大約一半來自保險佣金、一半來自資產管理費——保險在他的模型裡不是附帶品，是支柱之一。 讓他值得被拆解的原因是：多數顧問把「現金流規劃」當成理財規劃裡最不討喜的一塊（沒人喜歡被檢討記帳），他卻把它倒過來做成獲客和留客的引擎，甚至為此開發了一套軟體 Currence，把自己的方法論產品化給其他顧問用。 現金流水庫帳戶：收入不進支出帳戶，先進「水庫」 Mozeika 的核心診斷是：美國家庭有一個「資金流向」問題。"Americans have a flow of funds problem, meaning that their money flows in the wrong direction." （美國人有一個資金流向的問題——他們的錢流錯方向了。）流錯方向是什麼意思？薪水直接進支出帳戶（checking account），而支出帳戶的設計目的就是付錢。"The default is to spend because the checking account is really nothing but an expense account." （預設動作就是花掉，因為支出帳戶說穿了不過是一個費用帳戶。）他的解法是在收入和支出之間插入一個中繼站，他稱之為「水庫」（reservoir）。做法具體到可以直接照抄：假設客戶每月收入 $10,000，全部先進水庫帳戶，再排程自動轉 $9,000 到支出帳戶，作為計畫內的生活額度。水庫設一個目標水位，通常是月支出基準的三倍——以這個例子來說大約 $27,000。水位以上的每一塊錢，就是「溢流」，自動成為投資、保障或其他財務目標的對話題材。 注意這個架構的巧妙之處：客戶的儲蓄不再是「月底剩下的」，而是「一開始就沒流進支出帳戶的」。Mozeika 把這個翻轉講得很直白："Why don't we just put people in a position where they're saving every dollar that comes into their life and then choose how much money they want to be allowed to be spent?" （我們為什麼不乾脆讓人處在一個「進來的每一塊錢都先是儲蓄」的位置，然後再選擇自己被允許花多少？）這跟「預算管理」是兩回事，他甚至刻意切割。一般家庭每月有 600 到 900 筆交易，逐筆記帳檢討是極度耗工又注定失敗的方法。水庫架構完全不管你錢花在咖啡還是計程車——它只管一件事：流進支出帳戶的錢，永遠只有計畫內的額度。 無意識消費 vs. 無意識儲蓄：改的不是行為，是預設值 一般人講 lifestyle creep（生活方式膨脹），Mozeika 給它取了一個更準的名字：無意識消費（unconscious consumption）。加薪了、領獎金了，錢進支出帳戶，然後不知不覺生活水準就上去了——沒有人「決定」要多花錢，是帳戶架構替他決定的。 水庫帳戶做的事情，就是把同一股力量反過來用："You're just changing the default position. And you're making, you're letting gravity work in your favor as opposed to working against you." （你只是改變了預設位置。你是在讓重力幫你，而不是跟你作對。）加薪之後，多出來的錢預設留在水庫，水位漲得更快，溢流更多——除非客戶有意識地決定提高生活額度，否則儲蓄率自動上升。Mozeika 觀察到一個有趣的副作用："People literally become addicted to their savings rate... as opposed to addicted to the consumption." （人們真的會對自己的儲蓄率上癮……而不是對消費上癮。）對業務員來說，這一段最值得細品的是它背後的銷售邏輯：Mozeika 從來不糾正客戶的消費行為，他只重新設計錢的路徑。沒有說教、沒有罪惡感、沒有「你應該少喝一點手搖」——客戶不會在這個過程中感到被審判，自然也不會抗拒。行為金融學講了二十年的「預設值的力量」，他把它做成了一個任何銀行帳戶都能複製的服務。 防禦層：保險不是被推銷的商品，是現金流計畫裡的一個流向 水庫的溢流要去哪裡？Mozeika 的規劃框架有四個支柱：保障（protection）、成長、遺產規劃、現金流。而他對保障的態度，濃縮在一句話："I believe creating wealth is just as much about avoiding loss as it is finding gains." （我相信創造財富，避免損失和尋找獲利同樣重要。）「Defense wins championships」——防守才能贏冠軍。在他的架構裡，保險是現金流的三個出口之一（消費、防禦、投資），不是一個獨立登場、需要被「推銷」的商品。當客戶已經看見自己的收入像水一樣流過水庫、分配到不同方向，「要不要為這條收入流本身保險」就變成一個自然的問題：這份收入是你最大的資產，如果這個資產不在了，要不要為它的完整重置價值投保？ 另一個值得抄的細節是他的用詞紀律："I never talk about needs. The word need really never comes out of my mouth. I always talk about wants." （我從不談「需要」。「需要」這個詞幾乎不會從我嘴裡說出來。我永遠談「想要」。）「需求分析」是整個保險業的標準話術，但 Mozeika 認為「需要」是顧問替客戶下的判斷，「想要」才是客戶自己的決定。一字之差，把保額從「你應該買多少」變成「你想為家人留下什麼」。 順帶一提，他的會議命名也貫徹同一套哲學：客戶沒有「review meeting」（檢討會議），只有「calibration session」（校準會議）。檢討是向後看、評判過去；校準是向前看——人生大部分時間都偏離航道，顧問的工作是持續比對「理想位置」和「目前位置」，把客戶不斷拉回航道。一個只是換了名字的會議，客戶的心理感受完全不同。 Income Under Management：AUM 之外的另一門生意 這套方法後來長成了一個產品。Mozeika 和合夥人發現市面上沒有任何帳戶工具能有效支撐水庫架構，於是自己打造了 Currence，把「收入管理」（Income Under Management, IUM）系統化——自動處理帳戶路由、轉帳排程、校準追蹤，並開放給其他顧問使用。 他在節目裡對同業說的這句話，可能是整集最有商業洞察的一句："Everyone on this call likely is in the assets under management business. But what I'll tell you is that if you're also in the income under management business, it'll drive your assets under management business." （在座每個人大概都在做「資產管理」這門生意。但我要告訴你的是：如果你同時也做「收入管理」這門生意，它會反過來推動你的資產管理生意。）邏輯不難理解：管資產的顧問，要等客戶「有錢了」才有東西可管；管收入的顧問，從客戶的第一份薪水就開始建立關係，而水庫的每一次溢流，都是一次自然發生的資產配置對話。$350M AUM 不是靠找到 600 個有錢家庭，是靠把 600 個家庭的收入流管好，讓資產自己長出來。 回到開頭那句話：客戶亂花錢，不是意志力問題,是帳戶架構問題。同樣的，業務員約不到下一次見面、找不到談保障的切入點，很多時候也不是話術問題——是你跟客戶之間，缺一個讓對話自然發生的結構。📎 這篇只拆了水庫帳戶和防禦層的主幹。Kitces 第 493 集的完整節目頁（2026 年 6 月）還有更多這篇沒展開的內容：Mozeika 帶新客戶做的「現金流練習」完整流程（inflows、outflows、capital flows 三種資金流的拆法）、他從保險通路轉型獨立 RIA 的完整心路、TOMORO 如何把三個獨立 practice 合併成「客戶屬於公司而非個人」的團隊模型，以及他對終身壽險與萬能壽險的完整論證。一個半小時的訪談加全文逐字稿都在頁面上，值得留給一段完整的通勤時間。
你的陌生電話現在先被 AI 接走了——保險教練 Michael Weaver：留給 AI 守門員的話只能有 10 個字
你大概有過這個經驗：手機響了，螢幕上跳出 Whoscall 的紅色標籤，你看一眼就按掉。現在事情又進化了一步——iOS 26 的「來電篩選」會直接替機主接起陌生電話，用 AI 語音問對方「請問你是誰、有什麼事」，再把對方的回答轉成一行文字顯示在螢幕上。機主看著那行字，決定接、掛、還是封鎖。這功能支援繁體中文，不用改地區設定就能開。 也就是說，如果你是靠電話開發吃飯的業務員，你的「第一印象」已經不是你的聲音、語氣、節奏——是一行字幕。而且是被 AI 轉錄、可能還轉錄得不太準的一行字幕。 2026 年 6 月 8 日，The Insurance Buzz Podcast 第 460 集專門處理了這個問題。主持人 Michael Weaver 給的答案短得驚人：留給 AI 守門員的話，五到七秒，大約 10 個字。多一個字，都是在降低接通率。 Michael Weaver：帶過上萬名保險業務員的電話開發教練 Michael Weaver 是 Weaver Sales Academy 的創辦人，這是一家專門訓練保險業務員的機構，至今帶過超過一萬名美國保險從業人員，學員累積的保費銷售成長超過兩億美金。他自己就是保險業務員出身，和太太 Courtney 一起主持 The Insurance Buzz，這個節目在保險銷售圈做了四百六十多集，主題從話術、心態到團隊招募都有。 第 460 集是一集只有 8 分 24 秒的單人短講，起因是一位學員 Ray Sively 的提問：現在打陌生電話，接起來的常常不是人，是手機內建的 AI 守門員——這要怎麼打？Weaver 的回答，等於是把傳統的語音留言策略整個翻新了一遍。 你的開場白現在是「被轉錄成文字後審判」：AI 來電篩選改寫了第一次接觸 先把場景講清楚。根據銷售科技公司 Apten 在 2025 年的分析，Apple 的來電篩選流程是這樣：電話還沒響，AI 先攔截，要求來電者報上姓名和來電目的；你的回答被即時轉錄成文字（上限大約 250 個字元）顯示給機主；機主讀完那行字，才決定要不要接。Google Pixel 的通話篩選更是行之有年，台灣自己還有幾乎人手一裝的 Whoscall 在前面再加一道過濾。 Weaver 在節目裡點出這件事的本質："They're gonna read it and they're gonna make the decision." （他們會「讀」那段話，然後做決定。）注意這個動詞——是 read，不是 listen。過去三十年，電話開發的教學都在教你怎麼「講」：聲音要有精神、語速要穩、開場 30 秒要交代你是誰、為什麼打來、能帶來什麼價值。但當第一次接觸變成一行字幕，整套規則就失效了。你精心設計的 30 秒開場白，被 AI 壓縮轉錄之後，在螢幕上看起來就是一坨可疑的長文——而沒有人會為了一坨長文接起陌生電話。 這跟「話術好不好」已經沒有關係了。這是媒介變了：你的開場白要為「轉錄文字」而寫，不是為耳朵而寫。 兩條鐵律：Keep it simple、製造好奇——為什麼 30 秒語音留言會直接殺死接通率 Weaver 給的框架只有兩條規則，而且他在節目裡刻意重複了一次，怕你沒聽進去："Keep it simple, generate curiosity. I'm gonna repeat myself one more time." （保持簡單，製造好奇。我再重複一次。）第一條是簡單。傳統語音留言的失敗模式，是業務員想在留言裡「把銷售做完」：講公司、講方案、講費率、講優惠期限。Weaver 直接說不行——"You received information, you're not gonna go into rates, you're not gonna go into any of that." （就算你手上有資料，也不要講到費率，不要講到那些細節。）第二條是好奇。留言唯一的任務，是讓對方產生「這通電話到底要講什麼」的缺口，缺口才會驅動回電。Weaver 用機主的視角解釋："If I can't figure out what the call is about, I'm probably not gonna call." （如果我搞不清楚這通電話是幹嘛的，我大概就不會回了。）這句話乍看跟第二條矛盾——搞不清楚不是才有好奇嗎？不是。機主要能在一秒內看懂「這是誰、找我有事」，但不知道事情的內容。前者是清楚，後者是懸念。30 秒留言的問題就在這裡：它把內容講完了，懸念沒了；或者它太長，連「這是誰」都讓人懶得解析。兩種死法，殊途同歸。 而這兩條規則最妙的地方是：它們同時適用於語音留言和 AI 守門員。因為在 AI 篩選的世界裡，這兩個東西本來就合流了——都是「一段被非同步消費的短訊息」，差別只是一個用聽的、一個用讀的，而用讀的那個，對長度更不留情。 五到七秒的逐字稿：Weaver 給 AI 守門員的三個版本 Weaver 在節目裡先給出語音留言的基本公式，逐字是這樣："John, this is Michael from XYZ Insurance Company. I've got a really important question for you. Please give me a call back." （John，我是 XYZ 保險公司的 Michael。我有一個很重要的問題想問你。請回我電話。）名字、身分、一個未揭露的「重要問題」、一個行動指示。完了。沒有方案，沒有費率，沒有「耽誤您兩分鐘」。 接著他把同一個公式再壓縮，變成丟給 AI 守門員的版本——因為 AI 會把你的話轉成螢幕上的一行字，所以要更短。他給了三個變體："Hey John, it's Michael. I have a really important question for you." （嗨 John，我是 Michael。我有一個很重要的問題要問你。）"Hey John, it's Michael from XYZ Insurance Company. Something extremely important." （嗨 John，我是 XYZ 保險公司的 Michael。有件非常重要的事。）"Hey, it's Michael, I really need to talk to you." （嗨，我是 Michael，我真的需要跟你談談。）然後他自己掐了表："What is that? Seven, six seconds? Five seconds? That's it." （這多長？七秒、六秒？還是五秒？就這樣，夠了。）把這三句放回 iPhone 的篩選畫面想像一下，你會發現它們的共同點：轉錄成文字之後，每一句都像朋友傳來的訊息，不像推銷腳本。「我有一個很重要的問題要問你」出現在螢幕上，跟「我們公司目前推出醫療險專案優惠活動」出現在螢幕上，是兩個世界——前者讓人想知道是什麼問題，後者讓人按下封鎖。 這裡有一個容易忽略的細節：三個版本裡有兩個提到了名字但只有一個提到公司。Weaver 的取捨邏輯是，對舊客戶或轉介紹名單，「人名 + 重要的事」就夠了，熟悉感本身是鉤子；對完全陌生的名單，加上公司名是為了過「這是誰」那一關，但代價是字幕變長、推銷感變重——所以後面的內容要砍得更兇。要熟悉感還是要正當性，取決於名單的溫度，但總長度的天花板不變：五到七秒。 最後值得放大的一點是，Weaver 對「資訊留在哪裡」的紀律。費率、方案、細節，全部留在接通之後的真人對話裡，一個字都不進字幕。這不只是長度考量——當 AI 守門員、來電辨識、垃圾電話資料庫都在用「文字特徵」判斷你是不是推銷電話，你留在字幕上的每一個銷售詞彙，都是在幫演算法把你分類到垃圾桶。字幕的工作是換到接通；銷售的工作，從接通之後才開始。📎 這篇只拆了 460 集的核心框架。原始節目是一集 8 分鐘的單人短講，Weaver 親口示範這些逐字稿的語氣和節奏——這恰好是文字轉述最還原不了的部分，建議直接點開來聽（也可以在 Apple Podcasts 訂閱）。如果你想看的是整套「從撥號到報價」的轉換率方法，Weaver 在 Weaver Sales Academy 有完整的訓練課程，The Insurance Buzz 四百六十多集的庫存裡也有大量話術和異議處理的實戰集數，這篇完全沒碰到。
保險業務員的下一個對手不是同業：Sequoia 押 4200 萬美金給 AI 經紀人 WithCoverage，已搶走 700 家美國公司
3 月初，Sequoia 倫敦辦公室合夥人 Julien Bek 在自家網站貼出一篇 《Services: The New Software》。一句話的核心主張：「下一個 1 兆美金的公司，會是一家『偽裝成服務業』的軟體公司。」這篇文章在 X 上拿到接近 300 萬次瀏覽，Fortune 在 4 月 21 日專文放大後，徹底成為矽谷這個月最被反覆討論的論點之一。 對所有靠中介費吃飯的人——保險經紀、房仲、財務顧問、會計師、律師——這篇文章值得花一個小時逐字讀。因為它不是預測 AI 會幫你做什麼，而是在跟你的客戶解釋：你那一行的整個商業模式，可以被替換成什麼樣子。 Julien Bek 的「Services is the New Software」：為什麼 6 倍的市場是新獵物 Bek 的論點建立在一個經濟結構上的觀察：每花一美金在軟體，企業就要花六美金在人力服務。"For every dollar spent on software, six are spent on services." （每花一美元在軟體，就花六美元在服務上。）過去二十年，矽谷把巨大的價值灌進那「一」美金的軟體市場——從 SaaS 到雲端到 LLM API。但那六美金的服務市場，因為勞動成本太高、利潤被人力吃掉，過去 VC 不會真的去碰。 Bek 的判斷是：AI 把交付服務的邊際成本砍到接近零，這六倍的市場第一次變成「可被軟體公司吞下」的獵物。所以下一個兆美金公司不會賣訂閱、不會賣 token，會直接賣「客戶原本花錢請人做的那件事」——但用一小群人加上一堆 AI 去交付。"The next $1T company will be a software company masquerading as a services firm." （下一個一兆美金公司，會是一家偽裝成服務業的軟體公司。）這句話的關鍵字是「masquerading as」。從財務報表上看，這家公司會被歸類為服務業；但骨子裡的成本結構、毛利率、規模化方式，全部是軟體公司的玩法。 Copilot 賣工具，Autopilot 賣工作：兩種 AI 公司的本質差別 Bek 的第二個重要切割，是把 AI 公司分成兩種："A copilot sells the tool. An autopilot sells the work." （Copilot 賣的是工具。Autopilot 賣的是工作本身。）Copilot 模式：你還是請了一個律師、一個經紀人、一個顧問，但他們現在配備了 AI 工具，效率變高。客戶付的還是專業人士的工資，AI 幫專業人士節省時間，價值大部分留在那個專業人士身上。 Autopilot 模式：客戶付錢給一家公司，這家公司直接交付完成的成果——可能是一份談判完的合約、一個重新組好的保單、一份財報，過程中誰用 AI、誰是人類，客戶不在乎。價值留在公司本身，不留在某個專業人士身上。 Bek 認為 2025 年最快成長的 AI 公司多半是 Copilot；2026 年的競爭主軸會切換到 Autopilot。原因很現實：Copilot 的天花板就是它服務的那個專業人士的薪水，而 Autopilot 直接吃掉整個職位的預算。 Intelligence vs Judgement：哪些工作最先會被 Autopilot 吃掉 Bek 在文章裡又給了一個更有用的工具：把工作切成「智力（intelligence）」和「判斷力（judgement）」兩個維度。"Writing code is mostly intelligence. Knowing what to build next is judgement." （寫程式主要靠智力。知道下一個要做什麼，靠的是判斷力。）智力型工作有相對清楚的對錯——寫程式、做數學、查法條、比對保單條款。判斷力型工作沒有標準答案——要不要 push 客戶現在簽、這個案子值不值得接、客戶心裡真正擔心的是什麼。 Bek 給 AI-native 新創畫的甜蜜點很具體：已經被外包出去的工作 + 智力含量重 + 判斷力含量輕。 「已經被外包出去」很重要——因為這意味客戶心理上已經接受「我自己不做、付錢請別人做」。剩下的問題只是：付錢給誰、用什麼形式付。 「智力重判斷輕」也很重要——這是 AI 目前真正打得贏的場景。律師閱讀一千頁併購文件找風險點？AI 強。律師判斷這次合併該不該做？AI 弱。 把保險經紀的工作攤開來看就會冷汗。傳統經紀人 80% 的時間做的是：閱讀保單條款、比較不同保險公司的方案、跑詢價、整理風險清單、跟核保溝通。這些幾乎都是「智力重、判斷輕」的工作，還已經是被外包出去的。剩下 20% 真正需要判斷力的——客戶到底擔心什麼、什麼樣的保障結構符合他這階段的人生風險——其實才是 broker 的真正壁壘。 問題是現在很多經紀人連那 20% 都沒在做。 WithCoverage 拆解：當 broker 被換成「扁平費 + AI 政策掃描」會發生什麼 Bek 文章裡最具體的案例就是 WithCoverage。這家公司今年 1 月 14 日剛拿到 Sequoia 跟 Khosla 共同領投的 $42M B 輪。創辦人是 Opendoor 共同創辦人 JD Ross 跟前 Compound 早期成員 Max Brenner。 Ross 在 X 上的自介寫得很直白：「我上一家公司取代了房仲。今天我這家公司 WithCoverage 拿了 4,200 萬美金，要取代保險經紀人。」 WithCoverage 的商業模式有三個改變： 第一，計費方式從佣金改成扁平費。 傳統 broker 拿保費的百分比，所以 broker 的利益跟客戶相反——保費越高、broker 賺越多。WithCoverage 直接收一筆透明的服務費，跟保費脫鉤。 第二，用 AI 做政策掃描。 AI 引擎會自動讀完保單，找出條款裡的陷阱、保障缺口、跟市場標準不一致的地方，然後丟到幾十家保險公司之間做競標，最後給客戶一份逐條的風險拆解。 第三，人類專家負責真正需要判斷力的部分。 Bek 在 Fortune 的訪談裡用一個數字描述這件事的槓桿："[A customer] paid $100 for a service, but you offer them the same service for $80, but you can still do it at a high gross margin because you're using a lot of AI to deliver that service." （客戶原本付 100 美金買一個服務，你只收他 80 美金，但因為大部分交付靠 AI，你還能維持很高的毛利。）效果是什麼？根據 The Insurer 跟 Crowdfund Insider 的報導，WithCoverage 已經服務超過 700 家美國公司，包含 GoPuff、Eight Sleep、Blank Street、Hungryroot、Thirty Madison。其中 Hungryroot 一年省下 30 萬美金，Thirty Madison 省下 20 萬美金以上。Bek 給的形容更殘酷：「每個 WithCoverage 的人類專家，能服務的公司是傳統 broker 的 10 倍。」 讓我們把這個 10 倍翻譯成台灣業務員聽得懂的版本：你今天能服務 80 個客戶，明天 AI 加一個業務助理可以服務 800 個。如果這 800 個客戶的服務品質跟你那 80 個一樣好，甚至更好——你的客戶為什麼要繼續用 8 倍的價格找你？ 不是所有 broker 都會被取代：Bek 自己沒講出來的反作用力 Fortune 在文章後段也誠實列出這個論點的幾個破口： 第一，AI 推論成本還在漲，毛利不一定能撐。第二，企業客戶的 GTM（get-to-market）成本沒有解決——說服一家公司換掉用了十年的保險經紀，靠的是信任，不是 AI 比較會找條款漏洞。第三，受監管行業的客戶關係沒辦法在內部化，例如稅務、財務審計，法規本身就要求外部第三方。 最後這一點特別重要。在台灣，很多保險、財務、會計的業務環節，「責任歸屬」是綁在某個自然人身上的——你必須有一個有牌照的真人簽名負責。AI 公司目前還沒辦法承擔這個責任。這是台灣中介人最後一條護城河。 但護城河跟價值不能畫等號。如果你的價值停留在「我是有牌照的人，所以你必須透過我簽」，那你就是個收件中心；只要 AI 公司願意找一個牌照人來蓋章，你就被取代了。 如果你的價值是「我真的懂這個客戶、我真的在幫他想長期問題、我真的能在他結婚生子換工作的時候第一時間調整他的保障結構」——那這篇文章對你是利多。因為 WithCoverage 模式正好幫你把「找漏洞、跑詢價、整理表格」這些低判斷力的雜事自動化掉，讓你終於有時間做你最值錢的那 20%。 Bek 的論點往極端推：再過幾年，市面上只會剩兩種收費方式被客戶接受。一種是 Autopilot 公司，用六分之一的成本交付完成的工作成果。另一種是判斷力的提供者，價格更高、人數更少、但客戶願意付——因為那個判斷力是 AI 給不了的。 中間那個夾層——只是把表格從一個地方搬到另一個地方的「中介人」——會被擠掉。Sequoia 已經押了 4,200 萬美金在這個論點上。問題不是它會不會發生，是發生在你客戶頭上的時候，你正在做的是哪一邊的工作。📎 想看 Bek 完整的論點，可以直接讀 Sequoia 原文，他在文章裡點名了 20 多家 AI 原生新創（Harper、Rillet、Anterior、Crosby、Lawhive 等），並用一張矩陣圖把每家公司放在 Intelligence-Judgement 的座標上，能看到這個論點具體被押在哪些垂直行業。Fortune 的那篇報導額外整理了反方意見，包含 AI 推論成本、enterprise GTM、客戶關係慣性等幾個論點還沒解決的破口，值得對照著看。