当大多数AI创业公司还在想着“帮用户做得更快”时，有一家公司选择了另一条路——“替用户做完”。
这家公司叫Outset。它的产品是一个AI主持的用户研究平台。不，不是那种帮你转录会议记录的AI，而是一个真正能扮演访谈主持人、自动追问、实时分析、生成洞察报告的AI研究员。
结果呢？HubSpot用它几天内完成了100+个深度用户访谈。Microsoft用它把Copilot的留存率提升了5%。Away的研究员一个人一夜之间完成了75个访谈。
而你可能从来没听说过它。
因为在中国媒体铺天盖地报道ChatGPT、Claude、Midjourney的时候，Outset悄悄地在企业用户研究的细分赛道上，跑出了一条令人惊讶的商业化路径。
今天我们就来拆解它。
为什么“替代”比“辅助”更值钱
先理解一下传统用户研究有多痛苦。
假设你是某SaaS公司的研究员，产品经理说“下周要了解用户对AI功能的真实反馈”。你需要：
- 写访谈提纲
- 招募受访者
- 安排时间
- 做20-30个一对一的视频访谈（每个45-60分钟）
- 转录录音
- 编码和分析
- 写报告
这一套下来，一个人最少2-3周，多则1-2个月。
而且最贵的环节不是分析，是访谈本身。一个有经验的研究员，一天最多做4-5个深度访谈，大脑就过载了。
Outset的产品逻辑很简单：让AI来做访谈。
你只需要设定研究目标、编写问题框架。Outset的AI主持人会自动邀请受访者，按你设计的提纲进行对话，甚至能根据回答临时追问和探测——就像一个有经验的人类主持人那样。
访谈完成后，AI自动进行跨访谈的主题聚类、情感分析、引文标记，生成一份研究报告。
这就是“替代”而不是“辅助”。
大多数AI产品在做的是“辅助模式”：人类干90%的活，AI帮忙提速10%。Outset做的是“替代模式”：人类只干10%（设计问题框架、解读结果），AI干剩下的90%。
为什么“替代模式”的商业价值更高？因为客户为Outset买单的逻辑，不是“节省了一点时间”，而是“做了一件之前根本做不到的事”。
HubSpot的研究团队过去一年最多做4轮深度研究。用Outset后，他们可以连续做12轮研究，每轮还能扩大样本量。这不是效率提升，这是能力跃迁。
它的商业模式里藏着关键信号
Outset走的是Enterprise PLG路线——产品驱动增长，但买单的是企业。
在官网上，你找不到“免费版”和“Pro版”的比价表。Pricing页只有一行字：Get custom pricing（获取定制报价）。整个转化漏斗是：填写邮箱→预约Demo→销售跟进→企业合同。
这不是巧合。它的客户名单（HubSpot、Microsoft、WeightWatchers、Glassdoor、Away）告诉你：这是一个平均客单价在5万-50万美元年费的Enterprise SaaS。
这套模式对中国B2B创业者的启示很直接：
第一，产品必须“足够厚”。 如果你的AI产品只能做“帮我改改文案”这类辅助性工作，企业不会愿意走定制报价流程。只有当AI产品能接管一个完整的工作流（而不只是一个环节），企业才会认真地坐下来谈合同。
第二，建立可量化的ROI叙事。 Outset官网上到处都是“100个访谈几天完成”“Copilot留存率提升5%“这类数字。不是模糊的”提高效率“，而是精确到“从X到Y”。
第三，用头部客户拉动长尾。 先用产品打动HubSpot和Microsoft的研究团队，然后所有中等规模公司的研究员都会想“微软都在用它，我是不是也该试试”。
为什么是你而不是ChatGPT？
你可能会问：既然GPT-5/Claude-4这么强了，为什么用户不直接用通用模型做研究？
这个问题的答案，恰恰是Outset最核心的竞争壁垒。
第一层是工作流封装。 通用模型只能回答单次提问。Outset封装了整个“设计→招募→执行→分析→报告”的闭环。你能想象让ChatGPT帮你招募受访者、安排时间、自动发送提醒邮件吗？不能。这是产品的工作。
第二层是领域知识。 好的用户研究访谈远不止“问问题”。研究者需要知道什么时候该追问、什么时候该沉默、怎么探测矛盾的回答。Outset的AI主持人经过专门调优，能在“友好的聊天”和“深度的探索性提问”之间切换。
第三层是数据网络效应。 用Outset做的每个访谈都在改进它的模型。你的访谈越多，它越了解你的用户群体、你的行业术语、你的研究框架。迁移成本随着使用时间线性增长。
第四层是合规和企业信任。 Outset拿到了企业级安全认证，与微软等大厂签了DPA（数据处理协议）。这不是一个周末能搞定的SaaS wrapper能做到的。
AI创业者能抄走的3个动作
动作一：找到“AI替代”而非“AI辅助”的工作流
判断标准很简单：如果这个工作流去掉AI，人类是不是需要另一个全职的人来干？如果是，这就是“替代”的机会。
用户研究如此，记账（比如Booke AI）、法律文档审阅（比如EvenUp）、保险理赔处理——这些赛道都在发生同样的“替代”革命。
动作二：用“10倍时间压缩”做锚点
Outset的核心传播点不是“AI访谈质量好”，而是“100个访谈几天完成”。这是一个任何企业管理者一听就懂的锚点。
找到你产品对应的“X到Y”叙事。最好是10倍级别的压缩。
动作三：先做Enterprise PLG
别急着做免费版。如果你的产品能解决一个明确的企业级问题（帮企业省钱或赚钱），直接走“Demo→定制报价→企业合同”的路径。
这不仅提升客单价，更重要的是——企业合同的续约率远高于个人订阅。
学不来的先发优势
当然，Outset也有运气成分。
它们进入市场的时间点（2022-2023年）正值AI能力大爆发，但企业用户对AI的信任度还比较保守。Outset用“AI主持访谈”这个相对安全的应用场景，建立了一套企业信任体系，然后用这套信任体系去卖更激进的产品。
还有创始团队的背景。据公开信息，团队来自Google和Facebook的产品和研究部门，本身就有深厚的用户研究网络。HubSpot的研究负责人可能本来就跟他们认识。这种人脉资源，不是跟随者能复制的。
但话说回来，哪家成功的创业公司没有点运气和关系呢？关键是当运气来了的时候，产品准备好了。
写在最后
每次AI能力大升级，都会有一波“替代”浪潮。
2023年是“AI辅助写作”——Jasper、Copy.ai这类产品。 2024年是“AI coding agent”——Devin、Cursor这类产品。 2025-2026年，我们看到的是“AI替代专业工作流”——Outset替代研究员、Booke AI替代会计、EvenUp替代律师助理。
它们的共同特征是：不满足于“帮人类做得更快”，而是实实在在地“把工作做完”。
下一个被替代的专业工作流是什么？
取决于你能不能找到那个“人类不想干但又不得不干”的环节，然后用AI把它吃掉。
这就是Outset教会我们的事。
声明：本文中Outset的营收、用户数等财务数据未公开，文中分析基于公开信息（官网、案例、第三方排行）的合理推断，不构成投资建议。Knowt用户数“500万+“和”50% AP考生“来自官网声称，未经第三方审计。