企业级AI集成：与ServiceNow总裁兼COO CJ Desai对谈

Sequoia Capital · 2024-04-03🎬 在 YouTube 观看原视频 →>

摘要

CJ Desai担任ServiceNow总裁兼首席运营官已七年，期间ServiceNow实现了从10亿美元到近100亿美元的ARR（年度经常性收入）跨越，增长近10倍，市值从130亿美元飙升至1,550亿美元。这是一家82%毛利率、30%自由现金流利润率、有机增长（Organic Growth）达到100亿美元的SaaS公司——全球第三大SaaS企业，且以26%的年增速远超排名前两位的11%-12%增速。

在Sequoia AI Ascent活动的"当下进行时"（What's Now）环节中，CJ分享了ServiceNow的AI集成战略和企业级AI部署的实战经验。

AI战略的核心约束：ServiceNow是一家高毛利率（82%）的上市公司，因此无法承受在所有场景中运行如OpenAI这样的大模型。CJ将此描述为"约束驱动的优化问题"——其解决方案是开发小型语言模型（SLM），专为ServiceNow的特定用例量身定制，能够在A100 GPU上运行，大小仅为通用大模型的十分之一。通过与Hugging Face的合作，ServiceNow首先在文本生成ServiceNow配置代码（Text-to-Code）领域取得突破。

AI集成的方法论：ServiceNow并非为AI而AI，而是将AI注入（Infuse）现有用例中，以提高客户价值。核心标准是软件投资回报率（ROIC）——哪些用例能带来最高的客户价值回报？CJ直言不讳："如果没有以结果为导向的销售（Outcome-Based Selling），你只是又一个进来讲AI故事的推销员——没人会在乎。"

对创业者的建议：CJ给出了两条务实建议。(1) 理解ServiceNow的业务——它实质上是将人与机器之间的任务按特定顺序进行数字化编排，如果你能说出"对于你们的用例，这里有一项技术能让它变得更好"，他就会每天都听你的推介。(2) CIO仍然是最大的买家（Buyer）——ServiceNow和微软是唯二真正擅长向CIO销售的公司，CIO的"无关紧要论"被严重夸大。

第二增长曲线（Act Two）的时机：ServiceNow在核心产品达到10亿美元ARR之前拒绝了任何第二增长曲线的诱惑。CJ的教训是——"核心必须是核心"（Core has to be core），在去追求下一个买家或下一个产品之前，必须真正理解总可寻址市场（TAM）。

正文

一、ServiceNow的惊人成长轨迹

主持人（Sequoia合伙人）用一组数据开场，将ServiceNow定位为"房间里每个人都应该向往成为的公司"：

• 2009年：Sequoia以2.6亿美元的投后估值投资ServiceNow，当时ARR仅2,000万美元
• 2012年IPO：市值39亿美元，当时被分析师评为"平淡无奇"（Meh IPO），分析师认为其总可寻址市场（Total Addressable Market, TAM）仅18亿美元
• 今时今日：ARR达97.5亿美元，即将突破100亿美元大关，市值1,550亿美元。自IPO以来回报达42倍

更令人瞩目的是增长质量：

• 82%毛利率：尽管公司名中有"Service"（服务），但却没有服务业的低毛利——这是纯粹的平台型SaaS业务
• 30%自由现金流利润率、27%营业利润率：这是一家遵循"56法则"（Rule of 56，远超40法则）的企业
• 每季度新增6亿美元ARR：以26%的同比增速持续增长
• 完全有机增长：ServiceNow是历史上唯一一家完全通过有机手段突破100亿美元ARR的SaaS公司——从未通过并购来购买收入

CJ于2016年加入，当时ARR刚过10亿美元，产品和工程团队由他直接领导。他的上司Frank Slutman（CEO）的目标是"到2020年做到40亿美元ARR就很棒了"——结果远远超出了预期。

二、Sequoia的关键作用与感恩文化

CJ在演讲开头花了一定篇幅表达对Sequoia的感激，这不是客套话，而是分享了一个关键历史节点：

在IPO之前，VMware曾向ServiceNow提出收购要约，价格在50亿美元以下（"single-digit billions below five"）。ServiceNow的管理团队当时乐意接受——被VMware这样的伟大公司收购，就不必承受上市的压力。然而，时任董事的Doug Leone和Sequoia团队说服了董事会和管理层，让他们相信公司有潜力成为巨头。

CJ的总结是：在12年间，从当年的25亿美元收购价到今天的1,550亿美元市值，Sequoia不仅是投资者，更是关键节点上的导师。Frank Slutman本人也是Sequoia引入ServiceNow的——当时他有两个CEO职位可选：Palo Alto Networks或ServiceNow，最终选择了后者。

三、AI战略：小模型、大智慧

ServiceNow的AI战略核心是一个实际约束：毛利率。

CJ解释得非常清晰：ServiceNow的82%毛利率是业务模型的基础。如果要在所有场景中运行类似OpenAI这样的千亿甚至万亿参数的大模型，毛利率将被严重侵蚀。"我负担不起那个奢侈（I don't have that luxury）。"

这是一个约束驱动的优化问题（Constraint-Driven Optimization Problem），其解决方案是：

1. 小型语言模型（SLM）：CJ可能自创了这个术语，意为专为ServiceNow特定用例设计的"case-specific"小模型，大小仅为通用大模型的十分之一
2. 可运行于A100 GPU：小模型可以在NVIDIA A100上运行，而不是必须使用最新的H100或B200，这使得ServiceNow可以在每个云环境中大规模复制部署
3. 低延迟：小模型意味着更快的推理速度

第一个突破是通过与Hugging Face合作实现的文本生成ServiceNow代码（Text-to-Code）。CJ特别强调这不是像GitHub Copilot那样生成Java等通用代码，而是专门生成配置ServiceNow平台所需的代码——这是一个高度定制化的垂直领域应用。

当Jensen Huang得知ServiceNow在加拿大收购了Element AI团队（包括图灵奖得主Yoshua Bengio等世界级AI研究者）后，第一时间致电CJ表达合作意愿。CJ的回应是："我需要这些模型跑在A100上——这才是能为我用的。"即便Jensen不断推销最新的H100/B200，CJ坚持选择最经济高效的方案——这是上市公司对毛利率严格把控的必然选择。

四、AI集成的优先级逻辑：ROIC至上

当被问到如何在众多产品线中优先选择AI集成的方向时，CJ给出了务实的答案：

核心标准只有一个：软件投资回报率（ROIC）。并非所有用例生来平等——AI在某些用例中能够真正带来颠覆性价值，而在另一些用例中则可能只是表面文章。

CJ坦率地指出了当前AI销售的困境："现在所有人都在试图告诉客户'我们的产品里注入了生成式AI'——客户的第一个问题永远是'它要花多少钱，我能获得什么回报？'"如果做不到以结果为导向的销售（Outcome-Based Selling），你就只是另一个来推销AI故事的人——"Truth is, nobody gives a shit."

ServiceNow的方法是：找到那些AI能够显著提升客户价值的用例——即便实际ROIC从宣称的1,000万美元被压缩到300万美元，那仍然是远胜于零的进步——然后在那条线上进行优先级排序。

五、对创业者的实战建议

CJ给出了两条具体的建议，面向房间内渴望将产品卖给ServiceNow的创业者：

建议一：理解ServiceNow到底做什么

"如果你去我们官网，你不会搞明白ServiceNow到底做什么。"CJ的自嘲引得全场大笑。他随后给出了精确定义：ServiceNow实质上是在将人与机器之间的任务按特定顺序进行数字化编排（Digital Orchestration of Tasks）。

他举了一个现实案例：在一家大银行，员工申请一台新PC从发起到实际送到手，居然要经过更复杂、更漫长的流程（审批、安全、发货、镜像、配置等）——在特斯拉交付一辆车的速度可能还更快。ServiceNow正在将这些复杂的、跨多个部门的审批和执行流程自动化。

CJ的建议直截了当：如果你能告诉我，针对你们的用例，这项技术能让它变得更好——我会每天都听你的推介。

建议二：向正确的买家销售

CJ投入了大量时间解构"CIO无关紧要论"的迷思。多年来，他不断被告知CIO是"Chief Irrelevant Officer"（首席无关紧要官），他应该像其他人一样向开发者销售。但CJ的实战经验正好相反：

• 在财富500强中，CIO是C-Suite中最具技术背景的人
• 在经济紧缩期，CIO的首要任务是：(1) 利用技术降低企业级成本；(2) 帮助创造收入（如从报价到回款的完整流程）
• "CIO的无关紧要论被严重夸大了，年复一年地夸大"

CJ认为，真正擅长向CIO销售的公司只有两家：ServiceNow和Microsoft。如果你的产品能够帮助CIO降低成本或在收入路径上发挥作用，你永远能获得与CIO的会面机会——但必须简明扼要，因为CJ自己每天要与7-8位CIO交谈。

六、第二增长曲线：何时迈出第一步？

当被问到如何平衡实验性投资与战略性押注（Act Two产品开发）时，CJ回顾了ServiceNow的关键决策：

2012年IPO时，分析师认为ServiceNow的TAM仅18亿美元。这种低估反而"在他们的肩膀上刻下了一块芯片"（Created a Chip on Our Shoulder）——他们坚信实际TAM远大于此。

ServiceNow在核心IT服务管理产品达到10亿美元ARR之前，刻意拒绝了任何第三增长曲线的诱惑。CJ的教训是：

"核心必须是核心"（The core has to be core.）

在投入第二增长曲线之前，创始人必须真正理解核心产品的TAM——这既是艺术也是科学。一旦ServiceNow达到10亿美元ARR的里程碑，他们一夜之间扭转策略，同时向三个新买家中心（安全、HR、客户服务）发起进攻，并利用与CIO建立的深厚信任——由CIO引荐给其他买家。

CJ发现的一个典型失败模式是：创始人频繁更换首席营收官（Chief Revenue Officer）——但他指出真正的问题通常不在销售团队，而在于你还没有真正搞清楚自己到底在构建什么产品。

七、AI的成功与失败案例

当观众问及哪些AI用例做得特别好、哪些完全失败时，CJ分享了两端经验：

仍然困难的领域：文档理解和处理——应付账款发票匹配、合同解析等。尽管尝试了OCR（光学字符识别）等多种技术，这个领域"仍然非常困难，AI还没能真正攻克"。CJ称之为"技术的垃圾场"——太多尝试投入其中却未能突破。

高杠杆领域：预测型AI——简单但高效的用例。例如，一家大银行的政策规定员工每三年可以更换一次电脑。ServiceNow现在能够用AI预测并主动通知员工："Julie，你还有四个月就可以换新电脑了，我们已经帮你提交了申请，新电脑将在你第三年到期时送到——你是否同意？"这种基于模式匹配（Pattern Matching）的预测和自动化是当前AI在ServiceNow最高效的应用场景。他特别强调仍然需要人在回路（Human-in-the-Loop）——大企业目前还不愿意完全让AI自主做出决策。

八、结语

CJ Desai的分享涵盖了从企业战略到产品细节、从买方洞察到AI落地的多个维度。他的演讲中有两条主线贯穿始终：

1. 纪律性：无论是AI模型选择（小模型而非大模型）、增长策略（核心未达10亿之前不做第二曲线），还是供应链管理（82%的毛利率是神圣不可侵犯的），ServiceNow始终保持着极致的纪律性。

2. 务实主义：AI的价值不在于技术本身有多先进，而在于它能给客户带来多少可量化的回报。如果不能清晰地回答"为什么要在这条用例上投入AI"，那就先不要做。

对于一个已经拥有8,000个客户、年收入逼近100亿美元的企业来说，这样的纪律性和务实主义或许正是其在激烈竞争中长期保持26%增速的根本原因。