上周，David Senra 问我：“Ramp 是怎么跑得这么快的？”

今天，我们发布答案。

但在揭晓之前，我想先讲讲我们为什么要造它。

给每位员工配上 AI——最好的模型、最多的 token——并不等于成为一家 AI 原生公司。

这就像给每位员工发一架施坦威钢琴，然后期待一场交响乐。你实际得到的，是一堆昂贵的噪音。

五月的某一周，我们烧掉了 150 万美元的 token。我们的 CFO 不喜欢告诉我这件事，他也不会喜欢我告诉你们。

那之后发生了什么？嗯，就像 Ramp 经常发生的那样，一个小团队造出了点东西。一个让每个人都能用上我们最懂 AI 的员工为自己搭建的那套配置的地方。几周之内，它就不再是我们使用的一个工具，而是我们的工作方式。它叫 Glass。

下面是介绍。

在你公司的某个角落，有人摸索出了准备销售演示文稿的完美方法。另一个人写了一段提示词，能把混乱的客户通话变成清晰的客户计划。你的 FP&A 负责人熬夜搭建了一套工作流，能在预算偏差进入董事会材料之前捕捉到每一处。

你做出了卓越的工作。而几乎没有哪一件被第二次看见。

它活在某个人的聊天记录里，随着他们关掉标签页、去度假或离职而消失。把这一点乘以每位员工、每一天，你的公司失去所学之物的速度，和它学习的速度一样快。

于是我们问：如果起点不是一段空白的对话，而是你的公司迄今为止摸索出的一切，会怎样？不是散落在 Slack、提示词和员工脑子里，而是内建于工作本身。

这就是 Glass。

与其由我来解释，不如直接演示给你看。

今天，我问 Glass，自上线以来我们新增了多少英国客户。它知道要排除那些在英国设有办公室的美国公司，因为财务团队几个月前就教会了它这一点。我什么都没解释。

你可能会说，这不过是微不足道的改进，不值得费心。但把这一点乘以每一位员工、每一天，那么每当有人这么做，你的公司就会在工作上更进一步。

到目前为止，已有 323 名员工（产品经理、客服坐席、销售人员、市场人员、分析师）对 Glass 所知的内容做出了 6,500 多次编辑。

以新功能请求为例。过去，它们会被手动录入 Salesforce，每月大约 300 条。今年 5 月，一位客户经理把一个提示词保存到 Glass 中，可以直接从客户通话里提取这些请求。现在我们每月能捕获 20,000 条。另一个提示词负责给它们排优先级。第三个提示词则在客户所要求的功能上线时给客户发邮件。到目前为止，这类邮件已发出 5,000 多封。

没有任何模型自带你公司的大脑。

而且它的运作方式与你的团队一致。假设一位客服坐席卡在一张需要工程师介入的工单上。她分享了自己的 Glass 会话。工程师加入进来，看到全部内容，两人一起把它完成。

再说说那 150 万美元的一周。

我们的 CFO 希望 Glass 能早点出现。每个项目都有一个计价表，就像出租车一样。因此，你能在工作进行时看到它的成本，而不是等发票到了才知道。

而且每个请求都会经过 Ramp Router，由它为任务挑选合适的模型。当我们把自己的工作迁移到它上面后，账单一夜之间下降了 30%。

做得更多。花得更少。这就是 Ramp 从第一天起的做法。

你能得到什么：

大多数公司规模越大，速度越慢。Glass 是我们的承诺：你的公司不会。我们正在亲自为第一批企业提供上手服务。注册吧，别回头：ramp.com/glass。

那么，“Ramp 是怎么跑这么快的？”

我给 David 回了四个字：“我们只学一次。”现在，你也可以做到。

第 2,766 天。任务尚未完成。

— Eric