聖誕節那週她自己當了七天 chatbot，然後把自己的對話抄回去教機器人
TL;DR
- 2015 年在東京做多語言 chatbot，投資人說這行不通，她的解法是找人假裝成機器人先跟使用者聊，用真人對話驗證需求
- 系統在聖誕連假掛掉一週，她親自上陣當客服，意外發現「像人一樣廢話幾句」反而讓使用者黏著度暴增，回頭把這些對話餵回產品
- 十年做了三個生意，表面上是 chatbot、教育訓練、機器人，底下是同一條線：日本沒有足夠的人
- 日本每年少掉七十到八十萬人口，快要變成一百萬。造船廠訂單排到三年後，產能卻從一年九艘掉到六艘
- 她的第三個事業是爬鷹架的檢查機器人。法律規定每天用之前要人工檢查，實務上幾乎百分之百被跳過
- 融資只募了約三百萬美金，最後一輪停在 2020 年三月。之後靠政府合約當抵押品去銀行借錢，利率大約百分之一
- 最後那段最有意思：日本有一堆賺錢卻因為找不到接班人而收掉的公司，她想買下來，用自己的機器人 Kaizen 一遍
先交代背景。這集是 2026 年 8 月 3 日發佈的 This Week in Startups，主持人是 Jason Calacanis，矽谷那位投過 Uber、Robinhood 的天使投資人，也是 Sequoia 早期的 scout，節目一週三集，基本上是美國新創圈的公共頻道。這次他人在東京，辦完 Founder University 第二屆順便錄幾集。
來賓是綱川明美（Akemi Tsunagawa），日本 Bespoke 的創辦人兼 CEO。她 2009 年從 UCLA 國際開發系畢業，先在 Macquarie Capital 做日股研究銷售，再到 Fidelity International 做機構法人的金融商品開發，2015 年十月出來創業。Bespoke 最有名的產品是 AI chatbot「Bebot」，客戶包含成田機場、地方政府、飯店；2024 年十一月推出給外籍勞工用的訓練平台 BeTrained；2026 年三月又開了第三條線，做世界模型（world model，讓 AI 理解物理空間怎麼運作的模型）驅動的實體空間機器人。
一個金融背景的人，十年後蹲在造船廠的化學槽裡調機器人。這個轉折本身就值得寫。
第一課：先讓人假裝成機器人
2015 年她拿多語言 chatbot 去找投資人，全部碰壁。理由不是技術做不出來，是投資人不相信「人有問題的時候會想跟 AI 講話」。那是 ChatGPT 之前七年，市面上根本沒有一個大家真的在用的 chatbot，所以他們覺得技術上不可能，文化上也不可能。
她的作法很土。找人假裝成 bot 去跟使用者對話，包括她自己，而且不只一次。
Paul Graham 那句 do things that don't scale 大家都會背，但真正做的人不多，因為那很沒面子。你的產品明明號稱是 AI，結果後面坐著一個活人在打字。這件事的價值在於，你不是在測「技術做不做得到」，你是在測「有沒有人要」。前者可以之後再解，後者解不了。
其實她更早之前做的不是 chatbot，是一個類似 TripAdvisor 的在地版網站。做不下去之後她沒有回去看數據，她跑去澀谷十字路口跟六本木站，看到誰拖著大行李箱就攔下來問一堆問題。結果是被六本木站趕出去好幾次，還被明治神宮列為拒絕往來戶，警衛全部認得她。後來她甚至用交友軟體找外國觀光客做使用者訪談。
她自己說，就是這段經驗讓她確定，直接跟終端使用者講話是做出成功產品最快的路。這個道理跟一個二十歲大學籃球員用 vibe coding 做出乾草界的 Bloomberg 的邏輯一模一樣：機會通常躺在沒人願意去看的地方，而你得親自走過去。
系統掛掉的那一週，她學到最貴的一課
2017 年成田機場主動找上門。理由不是「我們想數位轉型」，是「櫃檯前面排長龍，我們的員工一直辭職」。被俄文、韓文、中文輪流吼過的服務台人員，撐不下去。這種需求最真實，因為對方是被逼的。
真正的轉折點發生在某年聖誕假期。工程師更新完軟體，chatbot 直接不動了。那是他們的旺季，客戶包含高級飯店、成田機場、日本政府。她做的事情是接下來整整一週，自己當那個 chatbot，沒睡。
「我回得比任何人都快。」
然後她發現一件反直覺的事：像人一樣的對話，會讓使用者互動大幅提升。她們回頭把那一週她跟使用者的所有對話複製下來，實作進 chatbot 裡，engagement 直接跳起來，連原本沒設定的客群都開始用。
她原本以為 chatbot 就是問一句答一句，越快越好。結果觀光情境不是這樣，你問對方「第一次來日本嗎」「這趟最期待什麼」，滿意度反而更高。但同一家公司做的緊急應變 chatbot 就完全相反，災難發生時使用者只想知道避難所在哪，一句廢話都不能有。
同一個技術，兩種相反的最佳解。你不去現場，你永遠不知道該往哪邊調。
三個生意，同一條線
十年下來她開了三條產品線。表面上看起來毫不相干，投資人也確實很難買單。
| 事業 | 解決的問題 | 技術核心 |
|---|---|---|
| Bebot（2015） | 六千萬觀光客語言不通、服務台人力不足 | 多語言對話、自建 NLP |
| BeTrained（2024） | 外籍藍領勞工沒人能訓練 | 智慧眼鏡錄影、多語言影片、自動生成測驗 |
| 檢查機器人（2026） | 有些工作外籍勞工也補不上 | 錄影建模、世界模型、實體巡檢 |
底層其實是一件事：日本沒有足夠的人，所以任何需要人的環節都在斷。
日本每年減少的人口大約是七十到八十萬，相當於整個山梨縣消失。而且這個數字很快會逼近一百萬。2019 年政府改了法規，把原本只能用「技能實習」名義進來的藍領外國工作者，改成特定產業可以正式當工人進來，待五年，考過試就能待更久。
於是造船廠、工地、飯店、餐廳、看護，全部湧進越南人、印尼人、菲律賓人。問題是現場的日本師傅只會講日文。你要一個做壁紙三十年的老師傅去教越南新人，中間隔著一堵牆。
BeTrained 的解法很直接：給師傅戴上智慧眼鏡，讓他一邊做一邊講「這裡有個小洞，這樣補」，錄下來丟上平台，自動變成多語言訓練影片，看完還會生一份測驗，HR 可以確認這個人真的看懂了。
她也很誠實地講了不太好聽的部分。有些公司真的認真做，會把「不良品是怎麼產生的」錄成影片讓所有主管學。但也有很多公司就是讓外國工人做最基本的活，細活跟重要的活留給日本人。分工這件事，聽起來很中性，實際上就是天花板。
沒人願意做的事，才是機會
第三條線是我覺得整集最好的部分。
客戶用了一兩年 BeTrained 之後跟她說：外籍勞工能幫的就這麼多了，有些活一定要人做，但不是每一件都要。你還能幫我們自動化什麼？
她說我們又不是機器人公司。但她還是照老方法，跑去現場泡著看人家怎麼工作。她現在有一半時間待在造船廠的化學槽裡面，自嘲說「工作從來沒有這麼刺激過」。
第一個切入點是鷹架檢查。法律規定每天使用前要人工檢查每一個接頭，實務上幾乎百分之百被跳過，因為沒有公司有這個人力。跳過的結果是工安意外，嚴重的會死人。
機器人的任務很單純：自己爬上鷹架，抓住接頭，搖一搖，記錄安全或不安全，把報告送給負責的人。這種重複、無聊、單點的工作，天生就是機器人的活。而且一旦機器人做好了，多檢查一次的邊際成本趨近於零，你想一天檢查十次都可以。
技術上卡在造船廠跟工廠到處都是反光的金屬表面，視覺辨識很難處理。但更大的問題是商業上的：鷹架檢查不性感，也不產生利潤，沒有公司想為這個付錢。
於是她又回去訪談，找出同一台機器人還能順便做什麼。答案是塗層厚度檢查。一艘兩百公尺以上的船，光是拿儀器一格一格掃過去測漆膜厚度，就要花超過一千個人工小時。一千小時，反覆掃，而且人會出錯。
這才是真正的商業模式。單一功能賣不動，把三四種檢查疊在同一台機器人上，帳就算得出來了。這跟企業導入 AI 該先搞清楚自己的問題是什麼是同一件事的兩面：技術可行不等於有人要買，你得先找到那個真的在痛、而且痛到願意付錢的環節。
用政府合約去銀行借錢
融資這段對台灣的創業者可能更有參考價值。
Bespoke 總共只募了大約四億五千萬日圓，換算三百萬美金上下，最後一輪停在 2020 年三月，正好撞上疫情爆發。之後就沒再募了，自己養活自己。
她學到的是另一條路：拿政府合約當抵押品去跟銀行借錢。短期貸款借到收款為止，長期最長十年，利率大約百分之一。合約金額多少就借多少。
Jason 在這裡插了一段很有意思的對照。在美國，銀行不借錢給新創，只借給有資產的有錢人。他自己剛創業沒錢的時候，唯一能借到的是信用卡，三十天六十天就要還。等他賺到錢之後，銀行天天打來說要不要貸款，買房子給你前十年只繳利息。這個結構本身就是反的：不需要錢的人拿得到最便宜的錢。
日本的作法是「只要你有獲利，借錢很容易」。這對新創前期不友善，但一旦轉正，融資成本低到不用賣股權。她因此保住了大部分的股份。
（順帶一提，她是單親媽媽，帶著快五歲的兒子跑每一趟出差。上個月受西班牙政府邀請去一個月，她在三個城市各找了一個保姆。這種事我聽了只有佩服，講不出什麼分析。）
把整個公司的過去做成一個可以問話的鬼魂
最後兩段大概是全集最有畫面的。
Bespoke 現在六十五人，一半以上不是日本人，工程端每個人都在用 Claude。去年一位德國工程師要回國，她們決定不補人，因為 code review 已經變快了，與其花力氣招募、訓練、管理一個人，不如讓所有人學會跟 AI 一起寫程式。
Jason 說他現在會問被投資的新創一個問題：你們要開職缺的時候，怎麼決定要請人還是用 AI 自動化？他自己的體感是寫職缺描述這件事，AI 已經完勝人類。他寫了二十幾年職缺描述，以前還花一兩千美金請人寫，因為好的職缺描述能帶來十倍的應徵者。現在他用語音輸入把想法講一遍，AI 接上公司的 Slack、Notion、Gmail，產出的東西結構好到讓他傻眼。
原因其實很白：網路上有幾百萬則職缺公告，全部被索引進模型了。人類史上從來沒有一個人的腦子裡裝著全世界所有語言、所有國家的職缺描述。這個對照跟Whatnot 兩年三萬一千人應徵 PM 只錄取一個講的其實是同一件事的兩端：招募這件事正在被兩邊同時擠壓。
然後 Jason 講了一個他正在做的實驗。他升級到 Slack Enterprise Plus，可以接 API 拿到所有訊息包含 DM，打算讓 AI 讀完公司十年的全部歷史，做出時間軸，然後問它：過去十年我們哪裡可以做得更好？接下來十年該怎麼走？他把這個叫做「第二個 CEO」。
他的團隊還提了一個更狠的：那些待了七年、五年然後離職的人，要不要把他們重建出來？以後有問題就直接問「Jason 的鬼魂」，公司前五年那三筆投資到底發生什麼事。像 Luke Skywalker 可以跟 Obi-Wan 的原力鬼魂講話一樣。
綱川的反應是還在謹慎評估，因為就算她本人不會去看，讓系統讀所有私訊這件事她心裡還是過不去。這個猶豫我覺得比那個點子本身更值得記下來。
真正的大魚：買下那些沒人接班的工廠
最後她講了未來兩年的計畫：先把機器人做到能用，然後去買下幾家小型造船廠或工廠，親自部署機器人，證明效率能拉到什麼程度，再把這套模式帶到海外。
她順口提到一個數字級的機會：日本有大量公司倒閉，不是因為不賺錢，是因為找不到接班人。有獲利、有客戶、有訂單，但老闆老了，沒有小孩，年輕人也不想當工廠老闆。這些公司就這樣關掉。
Jason 當場說我想投資這個，去買工廠吧。
這個現象在鄉下更明顯。小孩到高中年紀就得離開家鄉去城市讀書，畢業之後沒有工作可以回來，於是整個鎮空掉。北海道二世谷附近，房子一美元甚至免費送，條件只是你付稅、別讓它被雪壓垮。現在有一批美國年輕人跑去把那些房子整修好，滑雪季出租，然後在 Instagram 上炫耀。
一邊是人口斷崖，一邊是資產白送。這種錯位通常就是最大的機會所在，只是它長得不性感，而且要你真的搬過去、蹲在化學槽裡、被車站警衛趕出來很多次。
我自己聽完最有感的是那句「我當了一週的 chatbot」。這十年講 AI 的人多到數不完，但真正做出東西的人，往往是那個願意在系統掛掉的時候親自坐下來打字一整週的人。工具會一直換，這個東西不會。
如果這類產業第一線的觀察你也在追，我大部分的筆記都會整理到 wilsonhuang.xyz，訂閱就不會漏掉。
Sources:
推薦閱讀
喜歡這篇文章嗎？
訂閱電子報，每週收到精選技術文章與產業洞察，直送你的信箱。
💌 隨時可以取消訂閱，不會收到垃圾郵件