他先在一家牙科诊所上班，然后数出了 200 小时
2026 年 6 月 3 日，a16z 的 newsletter 刊出了一篇署名文章，作者是 Lassie 创始人 Steijn Pelle。他十年前从阿姆斯特丹搬到旧金山，离开 Robinhood 时是这家券商最早的产品经理之一，之后没有直接创业，而是先到加州 Menlo Park 的一家牙科诊所上班，后来又去了宾夕法尼亚州 Scranton 的一位胃肠科医生那里，按朝九晚五的作息干了几个月，做的是诊所里最没人愿意接手的那部分活：处理保险付款和患者账单。
那时候他一天的工作从下载开始。先登录保险门户，下载一份包含数百笔付款的 PDF；接下来几个小时，把这些付款一条一条录进执业管理系统。录完之后，系统会标出数百名需要开账单的患者，他再把名单打印成 40 页，逐条审阅、核对余额、生成对账单。他用美剧《办公室》里的 Jim Halpert 形容自己那段时间的状态：一个人在别人的业务里做着机械的搬运。
据他自述，他合作的那位牙医和团队每个月在行政事务上花掉 200 小时——超过一个人一个月的全职工时，而且这些时间不花在患者身上。他还提到另一位经营者：在 Dobbs Ferry 自营诊所的 Ed Zuckerberg，结束一天门诊、陪家人吃完晚饭、孩子睡下之后，晚上 11 点还要下楼到家庭办公室自己处理文书。
类比被行政工作占满的经营者白天当医生，晚上当会计，两份工都由同一个人打。
一家牙科诊所的账单处理流程
- 1下载保险付款 PDF
从保险门户下载一份包含数百笔付款的大型 PDF。
- 2逐笔录入系统
把每笔付款一条一条录入执业管理系统，耗时数小时。
- 3打印待开单清单
系统标记出数百名需要开账单的患者，打印成 40 页清单。
- 4核对余额、生成对账单
逐条审阅、核对余额并生成患者对账单。
作者亲手做了几个月诊所行政，从一份 PDF 到 40 页账单
作者离开 Robinhood 后，在 Menlo Park 的一家牙科诊所和 Scranton 的一名胃肠科医生处按朝九晚五工作数月，实地执行诊所的行政流程。
- 下载付款数据
每天的工作从保险门户下载一份包含数百笔付款的大型 PDF 开始。
My days started with downloading a monstrous PDF with hundreds of payments from an insurance portal.
- 逐笔录入
随后几个小时把这些付款一条一条录入执业管理系统。
The next several hours would be spent entering them, one by one, into a practice management system.
- 打印待开单清单
系统标记出需要开账单的数百名患者，作者打印出一份 40 页清单。
I'd print a 40-page list with the names of hundreds of patients that the system flagged as needing a bill.
- 核对并生成对账单
花数小时审阅、核对余额并生成对账单。
I spent hours reviewing, checking balances, and generating the statements.
结果：作者据此判断这种行政负担是行业常态，并称这成为他构建面向小企业的自主代理系统的动因。
不能据此证明：单一作者的实地体验与非随机选择的少数诊所，不能证明全行业的工时分布，也不能证明现有软件无法减少这些工作。
基于证据重建事件顺序，非逐字对话
如果这件事对诊所这么贵，为什么几十年的软件都没有把它消掉？
软件没有消掉这些工作，只是换了人点击的位置
作者把这类企业的共同处境说成两件事。一是经营者大多是被推着上位的：医生想看病，水管工想修水管，美甲师想做指甲，文书工作是他们最后才想碰的事。二是为了把生意做下去，每个人都得完成同样的三项基本动作——把数据录进业务系统、让数据在系统之间进出、和客户完成交互与交易。
传统软件把这三项都留给了人。它给你一个面板、一个队列、一张表单，也许还给你一个更好点的点击位置，但总得有个人去点。数据仍然要靠人从一个系统搬到另一个系统，账单仍然要靠人一条条核对。作者认为 AI 与之前软件的分界就在这里：软件第一次能理解混乱的上下文、跨系统移动，并把活做完。这属于他的判断，目前还看不到可核验的行业事实来支撑。
他给出的规模是：全美超过 50 万家医生诊所处在类似的行政负担下，每家企业每年为这批“老板很难招到、更难留住”的行政人员付出大约 20 万美元。这个数字被用了两次——一次描述人事支出，一次描述 AI 可以替代的行政支出；两次用的是同一个数，没有区分工资、福利、招聘和人员流失各自占多少。
类比软件只提供界面把一堆纸质表单换成屏幕上的电子表单，纸没了，填表的人还是你。
同一件事，两代软件分别做到哪一步
| 小企业必须完成的三项工作 | 传统软件做到哪一步 | 代理系统被期待做到哪一步 |
|---|---|---|
| 把数据录入系统记录 | 提供一个表单或界面，数据仍由人一条条输入 | 系统自己读取来源并把数据写入记录 |
| 把数据在系统之间取出和送回 | 提供一个面板或队列，搬运和核对仍由人负责 | 跨系统取数与回写，不经过人工搬运 |
| 与客户完成交互和交易 | 提供提醒和模板，沟通仍由人完成 | 自主完成预约确认、回访与账单往来 |
让系统真的把这些活接过去，难在哪一步？
难点不在模型，而在三件事必须同时成立
第一是完整和正确。行政工作不能只做八成，尤其是在处理敏感信息或处在受监管行业里。诊所老板要敢把索赔提交、患者沟通、把保险公司返回的理赔结果写回系统这些事交出去，前提是它每次都做对。这背后是对这家生意实际怎么运转的理解，模型能力只是其中一部分。
第二是让一堆互不相干的服务像一家公司一样协作。一家医生诊所背后是几十个保险门户、若干个清算机构（clearinghouse，负责在诊所和保险公司之间转递理赔数据的中间服务）、一套系统记录、一个银行账户，每一样都有自己的操作方式，也都有自己的出错节奏。代理系统要在这些系统之间来回调度，同时承担每一步失败的后果。
第三是触达和见效速度。小企业主的时间被客户和文书占满，很难被销售找到；就算找到了，非技术用户必须能很快装好，而且装上就要看到价值，否则不会试用，更不会形成每天开着的习惯。作者在 Robinhood 见过低摩擦开户的威力，他的联合创始人 Frédéric 是 Superhuman 的第一位产品雇员，那家公司对“用户第一次接触产品的那一刻”抠得极细。三层门槛里，只有第一层和模型本身有关，另外两层是运营和组织问题。
这三个条件叠在一起，听起来像不可能三角。Lassie 自称走到了哪一步？
Lassie 自称的数字：700 家客户、49 个州、每月 30 小时
作者给出的答案是：先自己把这件苦活干一遍，再想办法让客户不用干。Lassie 在前 100 家合作诊所是由公司的人上门安装的，团队坐在老板旁边，看他们怎么把系统记录、银行账户和其他数据源连起来。作者把这称为对 Paul Graham 所说的“Collison installation”的极端化操作：把通常的欢迎邮件换成亲自上门，把产品装好再走。团队自己动手对账过数百万美元的保险付款、提交过数千份索赔、给数百名患者开过账单；这些数字说明他们摸过完整流程，但不能证明产品效果。
换来的经营数字是：Lassie 自称运行在 49 个州的 700 多家小企业里，每个月主要靠口碑新增几十家；平均每家诊所每月获得约 30 小时的人工替代，部分诊所最高达到 190 小时。这三项都是公司自述，文章没有说明“客户”“活跃”或“劳动小时”如何定义。
客户反馈更感性：作者转述客户的评价是“比其它任何产品好一个数量级”，还说有一位客户告诉他，Lassie“挽救了我们的婚姻”。这类轶事没有具体客户身份和验证方式。Lassie 官网另有一组文章中没出现的数字：98% 的入账（posting，指把保险付款记到正确的患者账目上）由系统自主完成；官网演示界面里列着“确认 42 个预约”“入账 12,430 美元”“预约 8 次洗牙回访”这类条目。官网没有说明这些条目来自真实客户、单一诊所还是产品演示。
Lassie 用上门安装换来 700 家客户，所有数字由公司自己公布
作者参与创办的 Lassie 面向医生诊所，提供自主处理行政事务的代理系统。
- 前 100 家亲自部署
团队在前 100 家合作诊所由公司人员上门安装产品，并观察诊所如何连接系统记录、银行账户和数据源。
We installed the product, in person, in the first hundred practices we worked with.
- 扩展到 700 多家、49 个州
文章称 Lassie 已在 49 个州的 700 多家小企业中运行并快速增长。
Lassie is operating in over 700 small businesses across 49 states and growing rapidly
- 以口碑为主要新增渠道
文章称每月主要靠口碑新增数十家诊所。
helping dozens of new ones each month primarily through word-of-mouth
结果：文章称每家诊所平均每月获得约 30 小时劳动替代，部分诊所最多 190 小时；客户看更多患者、按时下班并能休假。
不能据此证明：所有数据来自创始人自述与公司官网自证，无第三方审计、无对照组、无留存或流失数据，“挽救婚姻”等客户轶事无法验证。
基于证据重建事件顺序，非逐字对话
把这几组数字并排放到一起，会发现它们并不在同一个口径上。
把这些数字放到灯下：它们都出自同一个人
最容易被忽略的是两个工时数字之间的关系。文章前面说那位牙医和团队每月花 200 小时做行政，后面说他一年在“除帮助患者之外的一切事务”上花 2,400 小时。200 乘以 12 正好是 2,400，看起来像同一个数字的两种说法，但两处的统计对象和时间窗都没有说明，无法确认它们是一回事，更不能当成两条互相印证的证据。
规模数字的来源问题更明显。50 万家诊所、每年 20 万美元人事支出，没有标注来源、统计年份或抽样方法，“同样处境”的判定标准也没有给出。Lassie 的 700 多家客户与官网“700+ 家医生诊所”是同一个利益方的两种表述，没有说明是不是同一批客户。“每诊所每月 30 小时”里的劳动究竟怎么计量、以什么周期统计，文章没有交代；98% 自主入账只出现在官网，没有样本、统计期和判定标准。
同样属于主张的，还有“消除杂事后可以看两倍的病人”。这是假设性推算，文章没有给出推算依据，也没有实测结果。没有的东西同样重要：没有对照组，没有留存率和流失率，没有错误率，没有定价和收入。所有数字都来自创始人的自述和公司官网，没有第三方审计或复现。官网与文章数字量级一致，只能说明口径统一，不能当作独立验证。
最常被引用的数字，各自缺什么
| 对象 | 来源 | 统计口径 | 独立核验 |
|---|---|---|---|
| 诊所每月 200 小时行政 | 文章自述 | 未说统计人数与年份 | 无核验 |
| 全美 50 万家诊所同处境 | 未标注来源 | 未说“同处境”判定标准 | 无核验 |
| 每年约 20 万美元人事支出 | 文章自述 | 未拆工资、福利、招聘与流失 | 无核验 |
| 700 多家客户、49 个州 | 文章与官网自述 | 未定义客户与活跃 | 无核验 |
| 每诊所每月约 30 小时 | 文章自述 | 未说劳动小时如何计量 | 无核验 |
| 98% 入账自主完成 | 官网自述 | 未说样本与统计期 | 无核验 |
读法：每行是一个数字，从左到右依次看“来源—统计口径—独立核验”三列。来源列区分数字由谁给出：文章自述出自创始人署名文章，官网自述只出现在公司官网，未标注来源指文章给了数字但没指出处。统计口径列只写这个数字在材料里确实缺的那一项，部分说明指数字有了但口径不完整，未说明指连判定标准都没有。独立核验列的“无核验”表示没有第三方或可重复的验证。
那么这些数字对想进入 AI 领域的人还有什么用？
判断这类 AI 能不能落地，先看它敢不敢接责任
回到最初的问题：AI 已经能写代码、通过律师资格考试、根据一句话生成逼真的视频，为什么在小企业办公室里几乎看不到？答案不复杂——小企业要的不是一个更强的工具，而是活被干完并且不出错。这要求系统跨几十个外部服务端到端执行、经得起合规和信任的检验、还要在客户几乎没有时间的情况下立刻证明自己有用。三件事叠加，把门槛从模型能力挪到了部署和责任承担上。
Lassie 的创始人没有给出“AI 会替代多少岗位”的数字，他给的是一份落地顺序说明：先亲手做几个月最脏最累的活，把流程理解和信任一起挣到手，再想办法把安装门槛降到老板自己能打开。他相信被省下的时间会流向增长和患者体验，并用“劳动总量固定谬误”为这个信念命名。这是他的立场，材料里没有支持这一判断的量化证据。
对读者来说，可用的判断方法可以很朴素：下次看到某个“AI 替人干活”的说法，先问三个问题——数字是谁提供的，统计口径写清楚了没有，出了错谁负责。Lassie 的故事在这三点上都还没有外部答案，但它至少提出了一道真实的问题。那家牙科诊所每月 200 小时的文书工作还在那里，谁把它接走，谁就拿到了这门生意的入场券。
