AI 新創如何開發第一批企業用戶?

Sandi Wu, Analyst (吳岱蓉 / 分析師)

負責 Accelerator 與投資。加入 AppWorks 前,任職於富邦產險電子商務部,負責線上投保平台的專案管理及 Email 行銷,喜愛探究數字背後的意義。曾前往芬蘭交換學生半年,期間走遍半個歐洲,喜歡寂靜的自然風景勝過繁華的現代都市。畢業於台大財金系,擔任系女排隊長,熱愛美食、排球、旅遊及挑戰新事物。

新創企業在創立初期、尚未打開知名度之前,想找到第一批客戶,總是會十分挫折。尤其是目標客戶是面對企業 (To B) 的新創,相比面對個人消費者 (To C) 的新創,常常需要花更多的時間與人力,才能接觸到目標客戶中對的單位。說服用戶單位後,因為企業採購有一定的流程,所以還需要再花更多的時間與人力在相關單位間一個個打通關,才有機會完成成交。在這過程中,開發企業客戶,更像是利用陸軍 (創辦人親自參與或是由業務團隊負責) 做地推,需要持續努力,才能闖過一個又一個關卡,順利攻下客戶,相對之下,若是開發個人消費者,則較適合利用空軍 (包括大眾媒體、網路或社群媒體) 來操作議題、病毒行銷、投放網路廣告等方式來進行業務開發。

AppWorks Accelerator 的校友中,有許多面對企業客戶的新創,我訪問了其中三位 AI 新創的創辦人,整理出他們在創立初期,有哪些由創辦人親自負責開發企業客戶的方法,並將其中最適合他們的方法分享給大家:

1. 陌生開發:更重要的是獲得產品回饋

多數消費者,在接到陌生開發電話的時候,通常都不太願意花時間談話、甚至擔心對方為什麼可以取得自己的資訊。然而,當新創在聯繫潛在的企業客戶時,陌生開發往往比想像的有效,不管是打電話、發 email、直接登門拜訪,至少有機會獲得五分鐘的時間。

儘管陌生開發相對容易,但後續的轉換率可能會讓人感到挫折。AW#17 的校友 Ocard,是一個提供給品牌或店家使用的 AI 顧客管理 (CRM) 系統,Ocard 創辦人陳逸生 (Vinek Chen) 認為,平均來說,打電話、發 email 給 100 位潛在企業客戶,大約可以獲得 30 次談話的機會,30 次中可能有 15 次獲得 Demo 的機會,15 次中真正成交的可能只有 5 個。

陳逸生進一步指出:「這過程很辛苦,但最重要的,是可以透過這個機會,獲得寶貴的使用者回饋,而進一步調整自己的產品。」剛開始 Ocard 團隊四個人積極的進行陌生開發,三個月內向上百店家 Demo 產品,卻只成交了兩家,然而在陌生開發的過程中,陳逸生發現,初期他們只有開發協助店家的會員集點功能,並不足以吸引客戶,於是 Ocard 內部快速地調整產品,新增了問卷、抽獎等功能,讓企業客戶有更多工具去做 CRM,兩年內已成功開發超過 1,000 家以上的企業客戶。

2. 找尋合作夥伴:事半功倍的互惠關係

身為一位創辦人,必須時時從目標客群的角度去思考。這些目標客群,他們通常會聚集在哪裡?平常接收資訊的管道是什麼?實體或網路上不同的資訊管道有什麼差異?來自香港的 Easychat ,開發的聊天機器人 (Chatbot),整合了 Facebook Messenger、LINE、WeChat 及 Whatsapp 等通訊軟體,提供一站式的智能銷售及客戶服務。Easychat 創辦人陳正達 (Alan Chan) 分享,他們的目標客戶是電商公司,一開始在開發電商客戶的時候,就先問自己說,電商會聚集在哪裡?他想到的答案是「電商開店平台」,在香港,Shopline 是最大的電商開店平台,於是他先專注在 Shopline 上的電商,並透過 Instagram 與店家聯繫,但一開始回覆率只有一成。

後來陳正達加入 AW#16,並開始在台灣發展業務。透過 AppWorks 為每屆加速器團隊舉辦的 Mentor Day,認識了台灣最大的品牌新零售、虛實融合 OMO 平台 91APP,Easychat 因此成為了 91APP 的技術夥伴,91APP 會向其客戶推薦 Easychat 的服務。除此之外,現在在電商開店平台 Waca 及 EasyStore 上,可以直接在後台啟用 Easychat 的服務,大大提高了 Easychat 的能見度,提升獲取客戶的效率和品質。對於開店平台來說,提供好用的加成服務給他們的客戶,是他們非常重要的考量,這樣互惠互利的關係,讓 Easychat 和電商平台的合作,更加緊密和彼此信任。

3. 朋友引薦 (Warm Referral):朋友的朋友也會成為助力

看到一間新開的餐廳,多數人會先猶豫要不要進去吃,但如果是朋友大力推薦,那絕對會大大增加嘗試的機會。業務開發也是一樣,對於全新的產品或是公司,要如何取得企業客戶的信任,透過雙方認識的人來引薦,就很重要,尤其對於較封閉的產業來說,更是格外重要。

AW#17 的校友 Aniwear,是來自香港的新創團隊,專為獸醫設計能夠快速檢測寵物心臟的軟硬體整合方案,Aniwear 創辦人麥年豐 (Joe Mak) 在剛開始開發業務的時候十分挫折,多次試著直接到獸醫院想和醫生談話,但都被櫃檯人員阻止,甚至還被趕出來。終於有一次和一位朋友聊到自己在做獸醫產業的服務,這位朋友介紹了另一位在動物保護團體工作的朋友,這位新朋友再輾轉介紹身為獸醫師的朋友給麥年豐,這才逐漸打開了獸醫產業的大門。

有了這樣的經驗後,麥年豐發現在獸醫產業,推薦和權威性是很重要的。於是來台灣發展後,就邀請中興大學獸醫教學醫院心眼科總醫師詹益萍擔任公司的顧問,從此之後,和新客戶談話的時候,只要提到專業獸醫師的名字,就可以多增加一分專注和一分信任。

以上三個方法,不僅是 AppWorks Accelerator 三位校友,透過實戰驗證的有效方法,根據我的觀察,也是許多 AppWorks Accelerator 校友中,面對企業的 AI 新創普遍使用的進入市場策略 (Go-To-Market Strategy)。

在與他們的訪談中,三位創辦人不約而同都分享了一件重要的事:不要認為沒有馬上成交的生意,就是一筆失敗的生意。在這過程中,有可能客戶給予的回饋是負面的,或是和某些客戶談了幾次,但暫時沒有要立即簽約,可能會因此懷疑自我、懷疑自己的產品,但千萬不要輕易放棄這個和潛在客戶之間的關係連結,持續的寄 email 或是電話關心潛在客戶,維持良好的關係,有時候只是時機未到,時機適合的時候,自然會有機會成交。

【歡迎所有 AI / IoT、Blockchain / Crypto 的創業者,加入專為你們服務的 AppWorks Accelerator

Photo by rawpixel on Pixbay

創業者必讀的 Trustable AI 最新規範懶人包

Liying Wang, Legal Master (王琍瑩 / 法務輔導長 & 明日科技法律事務所主持律師)

帶領內建法務團隊,提供企業經營、合約協商、紛爭處理等各方面法律諮詢,輔導建立營運管理機制,必要時也協助團隊尋求「突破框架」的解方。曾任 HTC 全球營運資深法務經理、萬國法律事務所科技法律部律師,也曾服務於士林地方法院、台北高等行政法院。美國西北大學法學碩士、政大法學士、政大 EMBA,具備美國紐約州與台灣律師執照。

這是我家前陣子出現的真實對話,一刀未剪。

我:如果有一輛無人車,出車禍的時候會保護比較多人,另一輛會傷害比較多人,你選那一輛?

孩子:我選保護很多人的。

我:如果為了保護比較多人,有可能害車子裡的你死掉,你選哪一輛?

孩子:還是選保護很多人的。

我:如果車子裡不只有你,還有媽媽呢?

孩子:還是選保護很多人的,媽媽跟我一起去天堂沒關係。

我:如果車子裡只有媽媽呢?

孩子:那我要選保護媽媽。

孩子天真的回答,卻是典型人工智慧應用的 Trolley Problem 倫理兩難,假設回答問題的不是使用者而是車廠,加上商業利益的考量,問題將更為複雜。無論保護多數人的選項多麼道德正確,最終,銷量第一的,恐怕還是能優先保護使用者的無人車吧!無人車或許是極端的例子,但人工智慧演算法不知不覺、方方面面介入我們的日常生活,已是創業者、開發者與使用者必須共同面對的真相。

推動 Trustable AI 為什麼又急又重要?

從 Google 搜尋引擎、Siri 語音助理、Facebook 廣告置入、Netflix 影片推薦……到 UberEats 訂餐外送,每一項服務都因為演算法的優化,為使用者帶來方便,同時為企業增加營收。起初,演算法只是約略猜測我們想買什麼、想看什麼、想吃什麼。隨著數據資料的大量累積與交互運作,演算法開始知道一些「不足為外人道」的秘密,例如,誰最近剛懷孕、誰準備離職跳槽、誰又暗戀著誰。然後,無論願不願意,演算法可能比我們更瞭解我們,這些關於「自己」的一切,會成為貸款的信用分數、看病的用藥依據、犯罪的呈堂證供。如今,我們也都見證了人工智慧演算法回過頭來操縱個人意志,決定我們該買什麼、該看什麼、該吃什麼,甚至票投給誰。終於,我們變成演算法期待的那個模樣,但究竟哪一個才是「真正的自己」?所謂「更好的自己」誰說了算?而眼前活生生的「自己」,有沒有絲毫抗辯的權利?

事實上,所有機器學習 (Machine Learning) 的模型及成效,都取決於人為的建構,尤其現今主流的深度學習 (Deep Learning),連開發者都只能判斷運算結果的好壞,卻無從得知 AI 如何作成決策,是名符其實的演算法黑箱。即便暫不考慮 False Positive 與 False Negative 的問題,開發者也很難如同賣菜刀的師傅兩手一攤說:「刀子可以切菜也可以殺人,工具是中立的啊!」更何況,機器學習的每一筆訓練資料 (Training Data),都是人類社會既已發生的事實,當歷史經驗存在偏見 (Bias) 未經校正,演算法的產出就必定是偏見的重現。試想,如果國家的警力部署,是依據各地犯罪率高低的歷史資料自動演算的結果,那麼部署嚴密的區域因為破案率提高,在後續犯罪率的統計、警力的部署也將形成循環性的偏差。開發者有意或無意的決定,都可能造成難以預期的結果,也因此,「可信任的人工智慧」(Trustable AI) 成為全球開發者亟欲突破的難題。

Trustable AI 主要的探討,是如何盡可能減少演算法黑箱的節點,提升公平性、當責性與透明性 (Algorithmic Fairness, Accountability and Transparency; FAT),技術難度或營業秘密再也不能作為演算法偏見或歧視的藉口。美國國防高等研究計劃署 (DARPA) 自 2017 年推動為期長達五年的「可說明的人工智慧計畫」(Explainable Artificial Intelligence Program; XAI),就是希望在 Trustable AI 與機器學習的成效二者權衡之間,尋求最佳解。

歐、美、亞三地最新的 Trustable AI 規範在說些什麼?

演算法對人類社會的影響既深且廣,開發者探討 Trustable AI 議題,不能缺少人文與社會科學的研究。所幸,隨著 Trustable AI 技術領域日臻成熟的同時,相關法律論述也在今年上半年逐漸成形。一切的開始,或許要回溯到「家喻戶曉」的歐盟 GDPR (General Data Protection Regulation) 個資保護規範,說到 GDPR,業界對它的認識不外乎「史上最嚴個資法」

事實上,除了個資的蒐集、處理與利用等隱私保護機制外,GDPR 也相當強調 Trustable AI 在法規上的具體實踐。例如,當「自動化個案決策」(Automated Individual Decision-Making) 完全經由演算法自動產出,且該決策對用戶產生法律效果或類似重大影響時,應賦予用戶請求解釋、表達意見、拒絕適用,或以「工人智慧」人為介入判斷的權利。此外,GDPR 為了避免人工智慧應用,對於個人的基本人權與自由產生重大危害,針對「特種個資」(Special Categories of Personal Data) 保護更為嚴格,包括種族、政治立場、宗教信仰、工會會籍、基因、生物特徵、健康狀況、性生活或性取向等,只有在符合特殊要件的前提下,才允許採用特種個資做為演算法的輸入資料。

GDPR 影響所及,技術領域長期關注的 Trustable AI,終於在法律層面開啟對話。近期最受全球矚目的三項法案包括:

歐盟:「可信任的人工智慧倫理規範」七大關鍵要素

歐盟執委會 (European Commission) 去年 6 月甫成立的人工智慧高級專家小組(High-Level Expert Group on AI; AI HLEG),在同年 12 月整理出一份規範草案,廣泛徵詢各界意見之後,於今年 4 月正式頒布「可信任的人工智慧倫理規範」(Ethics Guidelines for Trustworthy AI),強調七大關鍵要素:人類自主性與監督 (Human Agency and Oversight)、技術穩健性與安全性 (Technical Robustness and Safety)、隱私與數據監理 (Privacy and Data Governance)、透明性 (Transparency)、多元性、非歧視性與公平性 (Diversity, Non-Discrimination and Fairness)、社會與環境福祉 (Societal and Environmental Well-Being)、當責性與咎責機制 (Accountability)。

這份倫理規範不具強制性,各會員國也不急著增修既有法規,使得以上的內容看起來像高大上的精神喊話。但是,執委會將參考現行實務與試辦成果,持續演譯規範內容,預計 2020 年初再度釋出新版。因此,我們建議 AI 開發者觀察的重點,在於透過目前文件預見政策與法規的走向,包括:將來不同產業細部化的分類規範、自律組織或第三方認證機構的形成等等。尤其,這份倫理規範將 Trustworthy / Trustable AI 區分為合規的 (Lawful)、倫理的 (Ethical) 和穩健的 (Robust) 三種面向,僅僅合規是不夠的,開發者也要努力爭取另外兩個面向的加分題。此外,草案用語「Trustworthy AI made in Europe」已經更正為「Trustworthy AI for Europe」,明確表示無論 AI 系統的「產地」是不是在歐盟境內,只要「使用」行為在歐盟境內,這份倫理規範都有所適用。事實上,執委會也一再強調,最終目標期待這份倫理規範成為真正接地氣、能實作的「全球共識」。

美國:國會草擬「演算法問責法案」,強化使用者權利

今年上半年,美國國會針對數位隱私、人臉辨識、基因資訊等領域,提出多項法案,都值得開發者關注。其中針對 Trustable AI 議題,美國民主黨 Ron Wyden 等國會議員共同草擬了「演算法問責法案」(Algorithmic Accountability Act of 2019),特別限制大型企業 (年收入超過 5,000 萬美元,或用戶數、裝置數超過 100 萬件) 的人工智慧應用。法案認為大型企業的產品或服務傾向於依賴 (而非消除) 演算法偏見,因此必須藉由外部拘束力加以導正,包括授權聯邦貿易委員會 (Federal Trade Commission; FTC) 訂定規範,要求高風險自動化決策系統 (High-Risk Automated Decision System) 進行影響評估 (Impact Assessment),強化使用者的權利,而非相反地予以邊緣化。

這份法案雖然針對大型企業、並以 FTC 為執法單位,新創團隊的開發者仍然可以經由法案所欲處理的具體情境,來檢視並優化自己的開發項目。舉例來說,機器學習領域普遍應用的「剖析建檔」(Profiling) 與「推薦系統」(Recommendation),可能由於演算法偏見,導致特定弱勢族群即便使用相同平台服務,卻無法接觸某類住宅建案、某些工作機會或某種貸款方案。事實上,Facebook 在今年 3 月已經與各該領域主管機關協商和解,針對住房 (Housing)、僱傭 (Employment) 和信用貸款 (Credit Offers) 這些敏感項目,正式宣佈新的廣告投放措施,禁止使用年齡、性別或郵遞區號來鎖定投放對象,並對整體分眾功能 (Targeting Categories) 加以限縮,甚至在房屋租售的項目,將一勞永逸地建構新的搜尋工具,讓每一位使用者都能搜尋到美國境內每一則廣告。

亞洲:新加坡居於領先地位

新加坡對於 Trustable AI 的規範進程,在亞洲各國之中儼然居於領頭羊地位。先是去年 11 月由金融管理局 (Monetary Authority of Singapore) 針對金融產業提出「人工智慧與資料分析行為準則」(FEAT Principles),隨後今年 1 月再由個人資料保護委員會 (Personal Data Protection Commission) 頒布「人工智慧監管模式框架」(A Proposed Model Artificial Intelligence Governance Framework),為非特定產業的一般性人工智慧應用提供指導方針。無獨有偶地,這份監管框架與前面提到的歐盟倫理規範一樣,強調自己是動態文件 (Living Document),不具強制性,並將隨著技術進程與各界反饋持續更新。

而相較於高大上的歐盟倫理規範,新加坡的監管框架已經針對內部監理的架構與措施、人工智慧決策的風險管理、營運管理、與使用者關係維護等四個面向,提供開發者具體可資遵循的步驟,甚至引用 UCARE.AI 與新加坡 Parkway Pantai 醫療集團有關醫療費用的預測分析 (Predictive Analysis) 作為實作案例。這個個案的挑戰性,在於醫療資料的蒐集、處理、利用本來就受到相關法規的嚴格監管,而個案涉及類神經網絡的深度學習演算法黑箱,也正是 Trustable AI 的透明性要求最常卡關的痛點。

依據監管框架的介紹,個案在 Trustable AI 的公平性、當責性與透明性各個環節,都已規劃對應流程,一方面藉由演算法自動化決策,來降低人為主觀評價欠缺一致性的問題 (最常見就是受到病患收入水平或保單承保範圍的影響),另一方面也確保健全的人為反饋迴路 (Human Feedback Loop) 能夠介入運作,甚至在演算法內建人為撤銷機制 (Manual Override Protocol) ,以便必要時能夠安全地終止演算法的運作。

結語

從 2016 年 Microsoft Tay 失控之前的樂觀,到今年初 Open AI 對釋出開源碼的猶豫,人類漸漸學會對機器感到敬畏,也終於明白所謂「工具中立性」其實意味著,它的亦正亦邪完全掌握在人類手裡。眼前這些 Trustable AI 最新規範趨勢,不約而同展現這樣反覆辯證的歷程,提醒我們不要過於相信人類,也不要過於相信機器。

換言之,Trustable AI 所有規範都指向同一個方向——人類應當有權力 (也有責任) 決定什麼情況要信任「人工智慧」、什麼情況要依賴「工人智慧」。要達到這個目標,首先必須認清人類和機器各自的強項與侷限,但是這一題太難,因而需要在制度面加以規劃,包括事前的管理、事中的檢驗與事後的救濟,缺一不可,供各位創業者、開發者參考。

【歡迎所有 AI / IoT、Blockchain / Crypto 的創業者,加入專為你們服務的 AppWorks Accelerator

Photo by geralt on Pixbay

創業者別落入的募資迷思

Jessica Liu, Partner (劉侊縈 / 合夥人)

主導東南亞市場以及區塊鏈領域的投資,擅長激發創業者的潛能,熱愛與他們討論商業模式。2010 年進入渣打銀行負責數位行銷和產品線上跨售,讓她燃起對 Consumer Internet 的熱情,2014 加入 AppWorks 擔任經理,先後負責加速器、東南亞投資案等,2019 年升任合夥人。畢業於南加州大學 (USC) 商學系,談到美食和旅行時,眼睛會發亮。

在 AppWorks Accelerator進駐的新創團隊,每週都可與 AppWorks 的 Partners 安排 Office Hour,一起討論他們近期碰到的難關、未來的發展策略等「Google 無法解答的問題」。透過頻繁且深度的面對面交流,不僅可讓我們更了解各團隊的狀況,每位 Partner,也能從各自的專業角度,提供個人化的回饋、建議、給各團隊,加速他們在 0-1 時期,找尋 PMF (Product Market Fit) 的過程,更重要的,加深創業過程中的學習、領悟。

在我的 Office Hour 中,很多人會劈頭就說他要募資,要募多少錢、估值多少?在進入正式的募資架構或策略討論前,我往往會先退一步了解,這個團隊目前的營運財務狀況、什麼事情是要用募資的錢來解決,和團隊溝通募資之後可能出現的狀況是否能夠承受。然而,我一直覺得媒體過分注重報導哪些新創「成功從創投募到資」,過度神化了創業的階段性里程,讓人忽略了「募資」其實只是一種手段。對於募資,幾個在新創團隊中常出現的迷思,我從成本、目的和時間的角度,和大家分享:

迷思 1:股權融資比跟銀行借錢便宜?

首先,若採取股權籌資,以成本來說,其實是相對昂貴的方式。由於它不是實質的借貸關係,表面上沒有「短期」還錢的壓力。但進階一點的創業者就知道:不要錢的最貴。

用簡單的例子比較一下,假設籌資的金額是 500 萬新台幣。如果今天是從銀行貸款這 500 萬,假設年利率 10%,五年後,利息成本約當 305 萬新台幣。如果今天是股權投資,500 萬稀釋股權 15%,五年後,公司蒸蒸日上但投資人要出場了,估值假設是 1 億新台幣的情況下,當初同樣的 500 萬,變成要回饋 1500 萬給投資人。如果創業者是一位會對股東和銀行負責的人,從數學上來看, 這就是一個 305 萬和 1500 萬的差別。實際的狀況,當然會比這個例子再複雜一些,包含對公司的掌控權,投資人關係維護的機會成本等。

然而,兩種籌資的方式,也會有不同的風險。五年後,萬一公司狀況不甚理想甚至必須關閉,如果是借貸,公司還是得連本帶利還清貸款。在台灣,新創公司貸款通常還會需要負責人簽連帶保證,這意味借款人還不出錢來時,可以向連帶保證人求償。所以這筆錢,如果是用在現金流周轉,那還錢可能不是太大的問題,但如果是投資在開發成果未知的商品、服務或商業模式上,新創公司就會有相當大的壓力。相反的,如果公司用股權融資來的錢,投資在不確定性高的未來成長,若盡力後卻仍然失敗賠掉,這筆錢通常沒有返還的壓力。

迷思 2:錢可以解決我一百種困境,我要錢!

另一個,則是目的上的迷思。有種情況叫做:你覺得你需要錢,但其實你不需要。這特別適用在還沒有找到 PMF 就出來募資的團隊。

表面上,錢可以解決很多問題。它可以用來請更多工程師開發更多功能、可以請更多業務跑更多不同的客戶、可以花更多的行銷預算帶進更多訂單。然而,沒有 PMF 的新創團隊,通常會出現幾種狀況:可能對產業的了解不夠深,沒有解對問題;可能是解決的方法,市場無感;亦有可能是,這是一個太小的問題,市場不願意付錢。無論如何,結果團隊會發現,錢不但不能幫助找到 PMF,反而可能會阻礙你找到它,延後正視上面這些這些狀況的時機。事實上,今天如果投入更多資源,就可以解決所有的問題,那其實就沒有新創存在的空間,因為那是大企業的絕對優勢。

另一種常常會出現的募資目的,是為了填補營運資金 (Working Capital)。當一家新創公司開始成長,會需要越來越多的現金,來滿足日常的營運。這筆錢,跟公司的實際獲利或虧損,往往沒有直接的關係,多數是因為現金流出與流入的時間差所造成。

B2B 和有庫存的公司最常發生這種狀況。舉例來說,一間賣筆記本的新創。有天某家企業客戶用一本 1,000 元的價格,訂了 100 本筆記本。筆記本一本成本 200 元,這時必須先用 20,000 元 (200 x 100),將筆記本生產出來寄給客戶,然後再等 45 – 90 天,客戶才會付錢進到帳戶。帳面上這是一樁好到不行的生意,淨賺 80,000 元,只是前提要有初始的 20,000 元,作為製作筆記本的 Working Capital。

然而,用股權募資通常不是解決 Working Capital 最好的方式。除了前面提到的高成本外,這並沒有解決這門生意負現金流的根本問題。更不用說,創投的投資之所以是風險投資,是因為這些錢通常會投資在產品研發、累積專利等能創造長期成長和堆高競爭者進入門檻的策略上,它追求的是 10 倍甚至 100 倍的回報,而不是短期的現金周轉。有很多方法可以解決短期營運資金的缺口,有可能是給予更優惠的 Payment Term 折扣,鼓勵客戶提早付款,也有可能是調整商業模式,甚至是向銀行貸款,募資反而是相對差的選項。

迷思 3:我快沒錢了,所以要募資!

最後,是募資時間點的問題。很多時候,新創團隊來討論募資時,公司的銀行帳戶,只剩下不到六個月的現金水位。這彷彿是一個再三天就要餓死的人,現在才開始插秧種稻。先別說募資其實是一個全職的工作,對於危在旦夕的新創團隊來說,沒有這樣的餘裕,將公司重要的火力,放在不是本業的事情上。整個募資的過程,從第一次與投資人會面,到最後錢真的進到銀行,順利的話,至少就得花上六個月的時間,不順利的話,團隊也已經沒有後路可以退。

更重要的,是在這個時間點上的壓力,會大大壓縮與投資人的談判籌碼,從估值、稀釋比例,甚至員工認股,都有可能拿不到較有利的條件。最差的狀況,是為了解燃眉之急,草率地與不適合的投資人進行交易,造成日後發展更大的障礙。在現金水位持續下降的狀況下,新創團隊更應該仔細檢視每個月的財務狀況,並盡快控制大幅失血,這可能意味著人事縮編、減少行銷花費,甚至在業務上,要挑選能更快速結案的客戶。

最後提醒,募資是一種籌錢的手段,而不是一種策略。籌錢的手段有非常多種,向創投募資沒有特別厲害,也不代表特別成功,向銀行借錢更不意味是魯蛇。充分認識各種資金管道,對的問題用對的籌資方式解決,才是一位創業者要培養的能力。

【歡迎所有 AI / IoT、Blockchain / Crypto 的創業者,加入專為你們服務的 AppWorks Accelerator,透過每週 Office Hour,和我們一對ㄧ探討策略、成長、募資】

Photo by nattanan23 on Pixbay

林之晨 (AppWorks 董事長暨合夥人) 專訪,AI 與 Blockchain 有哪些創業機會?

Alyssa Chen, Associate (陳敬旻 / 投資經理)

負責 Accelerator,喜歡陪伴創業者打造出屬於自己的火箭。來自台中,加入前任職於華山文創園區,負責台灣新銳文創品牌的營運招商與媒體合作。除關注設計藝文議題,也喜愛網路新創產業的活力。曾於 AppWorks 實習一年。畢業於政大德文系、政大國際傳播所。喜歡旅遊與花草,最愛亞洲食物。

成功的創業者,必須善於掌握趨勢與機會,才能顛覆現況、創造改變。AI 與 Blockchain 是正在進行中的巨型典範轉移,現在,就是 AI / IoT 與 Blockchain / Crypto 創業最好的時機。

問題是,當面對這兩波大浪,有哪些契機,是創業者應該把握並乘浪而行?為了回答這個問題,繼今年初探討「AI / Blockchain 新創如何有效提高成功機率?」之後,我再度安排 AppWorks 董事長暨合夥人 Jamie 林之晨坐下來,好好為我們分享他的觀察。

多年來,Jamie 與 AppWorks 始終站在第一線,協助創業者,也因此對創業,有更全面的觀察。AppWorks Accelerator 從 2010 年成立至今,校友已累積共 328 支活躍新創團隊、925 位創辦人,是大東南亞 (東協 + 台灣) 規模最大的創業者社群。去年八月的 AW#17 開始,AppWorks Accelerator 限定招募 AI / IoT 與 Blockchain / Crypto 團隊。

今年三月進駐的 AW#18,共有 31 組新創團隊,其中 17 組以 AI / IoT 為主、16 組以 Blockchain / Crypto 為主 (有 2 組團隊同時涵蓋)。這群優秀的創業團隊中,有 21 組國際團隊,分別來自香港、馬來西亞、印度、越南、澳洲、新加坡、美國等地。有前 Google、Microsoft、Ripple、Uber、Amazon 高管所創辦的公司,也有來自 Y-Combinator 的校友,顯示 AI 與 Blockchain 所帶來的典範轉移,正在全球各地上演,吸引更多優秀創業者投入。AppWorks Accelerator 也將持續限定招募這兩個領域的新創團隊,直到下一個更巨大的典範轉移出現為止。

在這一年加速器期間,密切輔導這群 AI 與 Blockchain 創業者後,Jamie 分享他觀察到 AI 與 Blockchain 新創可以把握的三大創業機會,以下是他的第一人稱分享整理:

AI 機會 1:自動化高人力成本的工作

AI 最顯著的用途,就是優化高成本人力在做的事。例如律師,一小時的機會成本是上萬甚至好幾萬新台幣,若律師把他們寶貴的時間,花在找判例、判決書,閱讀判決書,進而從中找到有用的參考案例,這對他們來說,是浪費時間。如果有 AI 可幫助他們更快找到所需要的資料,就可以讓他們把時間花在更有價值的事情。個人單位時間成本越高,應用 AI 的需求越強,為社會創造的價值也越高。

以 AW#13 團隊 Lawsnote 法學資料庫為例,他們利用機器學習 (Machine Learning) 的技術,將大筆法律相關的資料、數據加以分類、分析,再根據不同的目的,提供給使用者,致力於節省法律人的時間。

Lawsnote 共同創辦人 Barry 郭榮彥創業的起心動念,即來自之前當律師時,用了傳統的法學資料搜尋系統後,有時還是必須回頭用 Google 查詢,因為不管是介面的便利性,還是搜尋結果,兩者都與實際需求有落差。而 Lawsnote 利用演算法,依照關聯度,將對使用者較有參考價值的資料依序排列,而這也正是律師們最喜歡的一個功能,通常看了前面三個搜尋結果,就可以找到需要的答案

Lawsnote 在 2016 年 7 月正式上線,第一年每個月有約兩萬名法律人使用,使用者留存率更高達 65%,是草創期的兩倍。2017 年 9 月產品開始收費後,MAU (Monthly Active Users,月活躍用戶數) 進一步成長到 3 萬人,創業剛滿兩年,Lawsnote 已達到損益兩平。

AI 機會 2:做人類本來做不到的事情

第二個運用 AI 的創業機會,是去解決人類本來做不到的事情。例如,原本人類做決策時,一次通常只能考慮三、五個因素,但 AI 可以一次考慮三萬、五萬個因素。舉例來說,當 Facebook 在判斷一位用戶,為何要停留在 FB 首頁多一點時間?他為何喜歡這篇,不喜歡那篇內容?這些問題可能就有上萬個因素得要考慮。若你要叫一個人坐在電腦前面,猜測用戶現在到網站後,下一秒要看什麼內容?看什麼廣告?在即時的情況下,人類根本沒辦法考慮到那麼多因素,並同步判斷該提供什麼內容跟廣告才好,但現在有了 AI 就可以。所以這就是為什麼 Facebook 現在首頁和廣告的優化做得那麼好,運用 AI,一秒鐘可以判斷極大量因素,這是人類做不到的事。

所以創業者可以思考,有什麼決策判斷是得考慮很多因素,以前做不到,現在有了 AI 可以做到?很多 AI 新創在為電商做推薦系統,不管是做內容、廣告,或是客服的優化推薦,其實都是同一個脈絡。如果雇用一位客服專員坐在 Call Center 裡跟消費者互動,可能沒辦法即時地做出最佳的推薦,因為當下能夠考慮的因素太少了。但若做一個聊天機器人,可以同時考慮很多因素,那推薦效果就會比人類好。

例如 AW#16 團隊 Rosetta.ai,即提供電商品牌一鍵建置推薦引擎,他們把商品資料標上 40 種以上參數,可搭配不同的消費者輪廓,即時分析偏好,做出因應推薦。Rosetta.ai 其中一個客戶,是 AW#15 團隊、來自韓國的服飾電商 Codibook,已有超過百萬消費者,業務範圍包含日本、韓國、中國、台灣、新加坡、北美、澳洲。他們使用了 Rosetta.ai 的推薦引擎,營業額成功提高了 40%,客單價也提升了 32%。像這樣的加速器校友合作案例,也是我們很樂見的情景。

同樣來自 AW#16 的香港團隊 Easychat,可即時掌握消費者在電商中的行為軌跡,讓企業能夠主動向消費者進行對話銷售,電商轉換率最高可增至 300%。目前 91APP、WACA、EasyStore 等電商開店平台,都是技術夥伴,可以串接 Easychat 的服務。

AI 機會 3:普及化工具

第三個明顯的機會是在 AI 普及化的過程中,怎麼樣讓更多人更容易地去使用,換句話說,就是 Auto ML、Auto Deep Learning、Auto CNN、Auto RNN 這類型的工具。當年,讓電腦從文字介面變成視窗介面後,就多了 100 倍人可用;把電腦從鍵盤介面變觸控介面,又多 100 倍人可用。今天的小孩,可能一歲半就學會用 iPhone,但我們當年也許要到七歲、十歲才開始使用 PC 和鍵盤。所以,創業者可以去思考,怎麼把 AI 的訓練和應用變得更簡單,就可以讓 10 倍、100 倍的人運用。

舉例來說,如果建立一個客服機器人,能讓客服主管,甚至每一位客服同仁們都可以根據自己的工作習慣訓練自己的 AI 客服,這個 AI 虛擬化身,就可以完全符合他的需求,讓他的工作做得更好。

現在人類還沒做到那步,那麼該如何幫助人類達到那一步?並不是讓每個人都去用 Google 訓練好的 Google Assistant,而是讓每個人可以訓練自己的 Assistant,未來社會一定會往那個角度去,在這過程中,也會為創業者帶來很大的機會。

而如果你是 Blockchain 創業者,目前看到的明顯機會則有以下三個:

Blockchain 機會 1:改善交易的速度跟方便性

Blockchain 還是要回到初衷,改善人跟人、組織與組織間交易的速度跟方便性。現在看起來不論是 Bitcoin 或以太坊,在解決這件事上,都有點疊床架屋,在本來的機制下想用一些彌補方式達到類似效果,而不是用一個原生的方式在解決問題。

人與人及組織與組織交易有不同形態。例如當人買東西時,小額消費會用零錢支付,數目大一點會用紙鈔,額度再大一點會刷卡或是 ATM 轉帳,更大的話要去匯款,可見從來沒有一種支付工具,可以一次解決所有交易需求。但現在的 Blockchain 世界裡,大家好像覺得設計出一種公鏈,就可以解決所有交易需求,我覺得這恐怕很難存在。在真實世界,會有不同解決方案,在 Blockchain 的世界,應該也會有不同的應對方法。

我覺得創業者可以思考,要怎麼解決一種特定的交易需求?不同的交易需求,應該都有不同的公鏈或支鏈能搭配應用。我覺得現在 Blockchain 世界裡,大家已經意識到不是 “One chain to rule it all”,不可能光靠一種鏈解決所有問題。

Blockchain 機會 2:不同 DApp 適用不同場域,解決不同問題

第二個機會,就是現在有很多 DApp 想要運用公鏈開發去中心化的解決方案。一開始,開發者也會期待有一種公鏈可以滿足所有 DApp,但現在看起來並不是這樣,這世界逐漸走向,開發不同的公鏈,設計給不同的 DApp 使用。現在有這麼多不同公鏈,每位 DApp 的開發者可以去思考,要解決什麼問題?應該可以運用什麼樣的公鏈?所以不同公鏈就會變成不同的小生態系,那每個不同的小生態系,都會有不同的創業機會進來。

我覺得 DApp 的開發者可以去思考,比如說今天 Cosmos 公鏈越來越成熟,那它有什麼特色?這些特色可以讓你打造一個 DApp,去解決一個本來無法解決的問題。

之前很多人都在期待以太坊可以變成一個全能的公鏈,現在大家理解到不是這樣,有不同的公鏈出現,所以 DApp 的開發者,就不該再一味地期待以太坊變全能、等待以太坊發展到某個程度,才能讓我去解決什麼問題;而應該是去找到某個公鏈、它可以提供怎樣的環境,讓我去開發 DApp,去解決某個我想解決的問題。

Blockchain 機會 3:隨著產業位移速度,在對的時間點做對的事

現在 Blockchain 世界裡,DApp 的發展還在偏早期階段。若參考當初 Internet 早期發展的經歷,就是博弈、遊戲類,這些娛樂類型的服務,會有比較多早期使用者和付費用戶。Blockchain 的創業者,如果不是要做底層的公鏈或比較大的 DApp,可以考慮開發這種博奕、遊戲類產品,或是其它娛樂性質的東西給用戶。

以 Netflix 為例,Netflix 知道它的最終任務,是讓消費者更方便的享受數位內容。但當年網路的基礎建設還沒到位,所以它先從 DVD 郵寄的服務開始,透過幫大家簡化看影片的流程,先累積用戶基礎,建立用戶對品牌的信任。接下來等到網路基礎建設成熟,它便開始做串流、再等到用戶量夠大時,它就開始自製原創內容。

所以創業者要隨著產業位移速度,在對的時間點做對的事。若 Netflix 在二十年前創業時,就投入做原創內容,它面對的第一個難題就是,產業的成熟時間點還沒到,即便有這樣的創業理念,卻沒有相關的產業動能支持。創業者如能配合產業發展的生命週期,可以幫助你走得更長遠。

對於想要運用 AI、Blockchain 這兩道巨大板塊位移,但尚未決定題目的創業者,以上,就是 Jamie 的提醒,希望對你有所啟發。期待 10 年之後,你就是那位 AI 世界的 Elon Musk、Blockchain 世界的 Mark Zuckerberg。

【歡迎所有 AI / Blockchain 創業者加入專為你們服務的 AppWorks Accelerator

吳昕霈 (WeMo Scooter 創辦人暨執行長):關於創業,我在麥肯錫、英特爾工作所學到的事

Antony Lee, Communications Master (李欣岳 / 媒體公關總監)

負責媒體與社群溝通相關輔導。加入 AppWorks 前有 18 年媒體經驗,是台灣第一批主跑網路產業的記者,先後任職《數位時代》副總編輯、《Cheers 快樂工作人》資深主編、SmartM 網站總編輯。畢業於交大管科系,長期關注媒體產業變化,熱愛閱讀商業與科技趨勢、企業與人物故事,樂於與人交流分享,期許自己當個「Internet 傳教士」。

這兩年多來,在台北市的街頭,陸續可以看見綠白顏色搭配的電動機車穿梭其中。這是 2015 年成立的 WeMo Scooter (威摩科技),結合「共享經濟」、「綠能環保」等概念,提供給民眾的另一種交通服務選擇。使用 WeMo 的電動機車,只需要下載 App,註冊後就能在搜尋附近的機車,不需要傳統鑰匙,就能以 App 發動、租借、騎乘與還車。

WeMo 的服務對象,主要是針對在市區內有短程移動需求的民眾。目前,WeMo 在台北市全市以及新北市的板橋與新店兩區,共投放超過 2,000 輛電動機車供民眾租用,前 6 分鐘 15 元 (24 歲以下 9 元)、往後每分鐘 2.5 元 (24 歲以下 1.5 元),置物箱中則內含抹布、兩頂安全帽以及衛生頭套,以符合使用者個人衛生。

WeMo 同時也是 Appworks Accelerator #12 校友,創辦人暨執行長吳昕霈 Jeffrey,則是一手主導 WeMo 發展的關鍵人物。擁有美國南加州大學電機系學 / 碩士、哥倫比亞大學 MBA,曾先後擔任英特爾產品開發工程師、麥肯錫專案經理,擁有亮眼的學歷,以及在頂尖企業工作的經驗,吳昕霈在 35 歲這年,放棄在海外 15 年的優渥生活與高薪,返台創業,期許以永續經營發展的理念,透過 WeMo 改變交通樣貌,建立更美好的城市生活。

究竟英特爾、麥肯錫的工作經歷,如何成為吳昕霈的創業養分?WeMo 前三年的創業之路,他又是如何運籌帷幄?吳昕霈與所有創業者分享他的珍貴經驗,以下是採訪重點整理:

中年創業的眼界與起手式

Q: 和多數年紀很輕就選擇創業的人相比,你可算是「中年創業」,在國外有相對完整的學歷與工作經歷,為什麼會想要脫離舒適圈,選擇回台灣創辦 WeMo?

A: 對創業者來說,創業都是一股衝動,儘管在當下擁有的,不是完美的創業知識,但那時會覺得已經是最完美,就衝了。

我在當時最簡單的初衷與念頭,就是回台灣。因為在海外工作十年,都是在美商大公司,在 35 歲這個人生階段,我開始思考:我的下一個人生階段,想要在哪裡待最久?我的答案很明確,就是台灣、我們的家。

有了這個決定,再來就是思考:回來台灣,我可以做什麼?以我當時的狀況,其實還是可以待在麥肯錫,或加入其他大公司,創業是很後來才突然出現的念頭。主要原因,是因為繼續待在大公司這條路已經不太適合我的人生規劃了,因為多了一些顧慮,比如若繼續待在麥肯錫,大部分時間需要出差,肯定還是無法長時間陪伴家人。

另一方面,我希望選個挑戰性高的工作。若在台灣加入大公司,做的事情對我來說不是那麼有趣,或是很多外在國外看到的新趨勢、新商業模式,在台灣都沒有。那時我就想,在台灣還是有很多機會存在,那就我來做吧!後來也很嚴謹的做了一些市場研究,發現「共享智慧機車」這個題目很有吸引力,所以就離職創業。

Q: 那時你研究了哪些創業題目?怎麼會選擇現在這個?

A: 研究了還滿多題目。我還在麥肯錫的時候,有參與幫台灣做一份類似經濟轉型的白皮書,針對不同面向的問題進行研究,包括空氣汙染、食安問題、外資投資金額在亞洲後段班十多年,這段過程對我的創業有一些啟發。

此外我也在思考,對一個資源與經驗有限的創業新手來說,我有什麼切入點?考量到希望在台灣做有關永續經營 (Sustainable) 的題目後,我們本來想做跟食安有關的創業,因為在那個時間點,看來機會不小。但後來發現,食安相關的產業,本來就是紅海,接著慢慢研究發現,WeMo 這個主題是藍海,在台灣是完完全全沒有做過的東西。

Q: 在英特爾或是麥肯錫這樣產業頂尖的企業服務過,對你的創業有哪些幫助?和其他工作經驗不多、很年輕就創業的人來說,有哪些優勢?

A: 我覺得創業的知識與能力,是不斷學習和累積的過程。工作沒多久就創業的人,學習曲線是在創業時爬升,我則是透過在大公司的工作來完成。

如果一定要比較了話,我會覺得我一開始選的天花板比較高一點。因為我已經知道,這個題目的潛力夠大,我們一開始就是詳細評估過,覺得 WeMo 的需求量、潛在用戶,光在台灣就很大了,台灣有近 1,400 萬台機車、平均每人有一台機車 (扣掉老人、未成年、無駕照者),機車密度全球最高,光是台灣就有可能是幾十億的營收,所以我們進可攻退可守。我相信對創投來說,我們的題目與所在的產業也是有吸引力的。

Q: WeMo 現在有約 100 名員工,扣掉外勤的換電人員,內勤人員約 50 人,1/3 為研發團隊,整體平均年齡僅 30 歲,你怎麼在短短兩年內招募到這麼一批戰力?畢竟,不太可能有「電動機車資深業務開發」這種人才,某種程度找來的都是產業新人。

A: 我覺得優秀人才不能只會做本來在做的事。在業界十年的工作經驗,不代表他是強者,頂多只代表他把一個技能學會了,我不會以這樣的標準評斷人才,我更在意要具備熱情、解決問題能力、邏輯思考,以及是否擁有願意動手做的態度。聽過不少新創,每年走一輪人的案例,滿幸運的,我們每年的離職率不算高,大概在 10% 以內,我們第一號員工還在,希望他一輩子都不會走。

用 Delivered on Promise 建立員工信任

Q: 怎麼把優秀、一起打拼過的員工留下來?

A: 我覺得關鍵是溝通、信任。在公司的大多數環節,我都希望盡可能 Delivered on Promise (說到做到),我覺得這很重要。我們在內部跟大家說會做的事,頂多晚一、兩個月,但一定會做到。例如,我一開始跟團隊與車廠說,我們從一輛車開始,到 30 輛、200 輛、1000 輛車,結果都做到了…。在我們一開始什麼的都沒有的時候,就是要回到人與人之間最基礎的信任,如果沒有獲得團隊的信任,後面什麼都不用講。

我在英特爾與麥肯錫學到的經驗,就是從一開始就要很透明地跟大家講公司的實際情況。讓大家有相同的資訊與目標,知道怎麼一起努力往前走,然後我們就都有 Delivered on Promise,這才是關鍵,福利、願景這些事情,只能騙一次、騙一年,公司還是要忠實呈現現況,以及一直進步。

Q: 對新創來說,內部與外界的變化這麼快,隨時都可能 Pivot,怎麼做到 Delivered on Promise?

A: 你說的沒錯,但我們是軟硬體整合的創業,有硬體的限制在,所以 Pivot 的幅度不會太大。絕大多數的軟體或網路創業,商業模式可能徹底轉換,當初進來的人,以為要做這件事,結果 3 個月、6 個月後這些事情都不做了,而我們的目標與願景是打造宜居城市、改變城市生活、以機車為主體,這些事情不會改變。

當然,創業的策略一定會轉彎、東西會延遲,我們要調整產品和服務越來越符合消費者需求。但我覺得就是期望管理,跟我剛講的信任有關,就算再怎麼嘗試,今天突然說什麼不做了、要改變作法,都會傷害到團隊的信任跟期望。我們盡量不要這樣。

Q: 在創業從 0 到 1 這個階段,最重要的是找到 PMF (Product-Market Fit),感覺你們很少談這段過程,是不是來得很順利?

A: 不能說很順但來得很快。我們大概在台北市投放 1,000 台機車時,PMF 就來了。Jamie (AppWorks 董事長暨合夥人林之晨) 每次都說,PMF 真的來了就會知道。沒錯,因為用戶使用數據的成長斜率馬上就不一樣。PMF 來臨的時候,我們就是努力把服務做好,然後多了車子、增加了便利性,到了某一天消費者就突然大量來了。

當然,對我們來說,目前的成長速度還不夠,我們必須要再投放更多機車創造更快的成長。因為我們投放車輛有非常明確的網路效益,投放機車的密度增加一倍,使用率差不多會有四倍成長,這個神奇的公式,每種創業模式都不同,要真的去做才能驗證。

至於為什麼我很少講從 0 到 1 的部分?一是它真的發生太快,我們的 PMF 大約在第三個月就意識到它來了;二是越來越多人注意我們,談論的都是未來計畫,鮮少去討論之前發生了什麼。

Q: 對新創來說,PMF 來得很快雖然很好,但從外人來看,會有另外一個挑戰,就是後勤作業往往跟不上,譬如投放 100、1,000 輛機車,或是多一倍、兩倍的使用率,它需要後勤的能量,不會只是同樣倍數的成長,可能更接近等比級數成長,你怎麼應付這種狀況?麥肯錫的經驗有幫助嗎?還是靠自己摸索?

A: 簡單說,就是 PMF 出現後,大公司的作法與制度也要來了。團隊間,不能只是很天真地跟大家建立「我們都是一家人」這種感覺,得要接受成長必經的痛。

這時,會有員工因為不習慣開始抱怨,這時更要加強溝通,要怎麼解決後勤的問題。我們希望每位員工,都能是非常跨領域整合的,應該說新創普遍都是這樣,但我們是軟體、硬體、行銷、運營和數據都要齊頭並進,每個功能缺一不可,在混亂當中慢慢把後勤能量建立起來。

挖掘出關鍵 Insight

Q: WeMo 現在正站在「共享經濟」與「電動機車」兩個風口上,但既然是風口,在政策、法規、使用行為、產業結構等面向上,變化也很快,要如何因應?

A: 面對這樣的環境,我覺得最需要洞察力,從一堆現象中找到最重要的問題去解決。這是在麥肯錫最重要的訓練之一,就好像冰山,多數人只看到海面以上的部分,但冰山絕大部分都在海面以下,不容易被看到,麥肯錫教會我不斷挖掘冰山下面的部分,不只是看現象,而是看底層更重要的事情。

在營運初期,我們確實有挖到一些關於消費者的 Insight。因為我們的服務,牽涉到民生與交通,政府又要管理,所以必須是業者、政府和消費者都要一起合作,這件事才會成功,但我一開始就決定要掌握住消費者這端,唯有消費者做為我們的後盾,才有辦法去完成其他部分。

在這個方向上,我們必須想辦法把消費者體驗做到極致,我們很重視使用率這個指標。我們的使用率,在剛開始幾百輛機車時,大概從每天一次、兩次慢慢爬上來,在突破 1,000 輛時,使用率瞬間就來到五、六次了。

對我來說,用戶是根本,只要使用率不斷提升,我們就能持續將污染的交通工具轉為綠能,用戶與使用率也代表民意基礎,所以市政府就會比較支持我。因為我們的初衷,是希望讓城市變得更美好,本來就不是要跟城市對槓,用使用率去跟政府部門溝通,代表我們的服務符合民眾的需求,這造就我們後來與政府的合作比較順暢。

有些朋友常常會半開玩笑地說我花太多時間與金錢,把服務做得太好了。但這是我的堅持,我們就是要不斷提升服務品質、使用者體驗,這樣才能持續提高使用率,這也是我們長期持續努力的方向。

Q: 身為 AppWorks #12 的校友,自從 2016 年加入這個社群之後,對你在創業這條路上有哪些幫助?

A: 我覺得有兩件事情幫助很大。第一,是身邊有一群同樣在創業的人互相扶持。創業的日子其實很孤單,這是很重要的支撐,在 AppWorks 這個社群中,看到大家都一直在往前走,我心靈就得到慰藉了,在這裡,大家都很像老朋友一樣,儘管未必能常常碰面,但只要見面很自然就能相談甚歡,知道大家都在為各自的夢想打拼,大家也一定都在為你加油,如果真的成功,校友們一定會真心地為你感到高興,他們自己也會感受到榮耀,對我來說就是最大的鼓勵。

第二,我最愛的是 AppWorks 提供給校友們的 Master Team (編按:AppWorks 內有全職的財務會計、法務、PR、人才招募、設計等 Master,依據各自的專業經驗,免費協助校友們) 對我們幫助非常大。基本上就像是一通電話服務就到的感覺,只要我們開口,AppWorks 的 Master 們都非常樂意幫忙,盡可能提供各種資源與專業,對新創來說,這真的是很奢侈的事情,像我過去在麥肯錫,這類服務都是要花錢買的,以上兩點,是我覺得最棒的地方。

Q: 非常開心知道 AppWorks 對你真正有幫助。展望未來,在現有的基礎上,WeMo 有什麼新的發展計畫?

A: 成為台灣第一的交通品牌,肯定是我們長期的目標。所以下一步,勢必會從現在的台北市、新北市 (新店區、板橋區),進軍其他主要城市,只要有好的機會我們就會進入,這只是時間點問題。

更長遠一點,我們計畫把這整套 Know-How 輸出海外。東南亞、歐洲的主要城市,都是會考慮的範圍,只是策略會再彈性一些,因為各地的民情與法規不相同。從成立一開始,我們就預留了整套未來所需的架構,在科技與系統上,我們努力做得更紮實,例如機車定位、用戶找車、機車啟動、支付費用這一整套流程,在全球中,我們是很有競爭力的。

此外,我們也可以透過搜集大數據,提供智慧城市的解決方案,透過機車這個載具,在智慧城市的應用上,做各種創新服務。例如,在機車上裝攝影機、感測器,將蒐集到的數據回饋給政府,或是利用這些數據去做各種創新應用。

【歡迎所有 AI / Blockchain 創業者,加入專為你們服務的 AppWorks Accelerator