# 科技浪 EP162 聽後心得:八成很快,每次都對很難 來源:Realpha 讀市場(blog.getrealpha.com) 原文與圖表:https://blog.getrealpha.com/blog/techwave-2026-11-16-ep162-ai-ai-speak-colton-gyulay/ > 2026 年 11 月 16 日《科技浪》EP162 的聽後筆記:Speak 營運長 Colton Gyulay 談產品的最後一哩路、按問題分配智慧等級的成本做法、把定價錨在真人家教一年數千美元、韓日台三個市場的通路差異,以及台灣使用者如何把這家公司推去做企業生意。教育性心得,不含投資建議、不喊單、不給目標價,個人判讀可能出錯。 Published: 2026-11-17 Locale: zh-TW Tags: 科技浪, podcast心得, AI 產品, 語言學習, 海外市場 TL;DR: 同一個產品做到八成可以很快,要每次都運作才是護城河;而難以定義「好」的問題,模型最晚才追上。 ![夜裡的公寓陽台,一個人戴著耳機對手機說話,走道燈光往屋內深處延伸,欄杆外是整片城市街燈](/covers/techwave-2026-11-16-ep162-ai-ai-speak-colton-gyulay-cover.png) > 不憤不啟,不悱不發。舉一隅不以三隅反,則不復也。 > > —— 《論語・述而》(春秋) 2026 年 11 月 16 日《科技浪》EP162 裡,主持人哈利訪問 AI 語言學習 App Speak 的營運長 Colton Gyulay。Colton 說 Speak 在台灣低調試營運之後,成長曲線花了大約一年才開始轉彎,而讓他們決定加碼、建立在地團隊的依據是漏斗數字:有人註冊、開始試用、小規模也會轉成付費訂閱、週與月的留存夠強。他也說人們在真人家教與課堂上一年花掉數千美元,所以 Speak 把定價錨在那個數字上。要注意他講這些話的前提:Speak 已經募到資金,測試新體驗時可以先不管 token 成本,一般的小公司沒有這個空間。 ## 一間十歲的公司,和一通 10 分鐘的電話 先把人物交代清楚。Speak 是一款 AI 語言學習 App,主力功能是讓人開口練習口說。Colton Gyulay 是營運長,管全球營運與市場拓展;他曾從哈佛休學創業,共同創辦了一家 YC 支持的遊戲硬體公司,後來回學校念完電腦科學,在 Google Pixel 團隊做過產品管理,也待過醫療產業。他在節目裡說 Speak 剛滿十週年,但現在這個版本的 Speak 只有三、四年。 這集從消費者 AI 市場的現況問起,一路問到產品設計、海外市場怎麼挑、公司內部怎麼用 AI、以及現在要找什麼樣的人。我自己收穫最多的是後半段——台灣這個市場是怎麼被做起來的,還有一個試用者(我)從 App 介面上看不到的那層判斷。 ## 八成很快,每次都對很難 Colton 說做出原型或第一版比以前容易,難的是最後一哩路:八成、九成時間能運作的東西可以很快生出來,要每次都運作、可預期地反覆解決同一個顧客問題,仍然困難。他把「願意投資源把細節磨到該有的水準」當成少數產品與公司拉開差距的地方,理由是使用者打開產品時,心裡要清楚自己會拿到什麼,也知道它會動。 我第一次聽這段把它讀成老話,想一遍才看懂它在講生意:穩定度在這個市場裡的名字叫信任,而信任可以用錢與時間換到,沒辦法複製貼上。 ![一條完成度曲線,前八成陡升之後幾乎走平,右側長長的平坦段被標成最後一哩路](/figures/last-mile-curve.svg) ## 先有問題,再看技術的時間窗 哈利問該從技術出發還是從問題出發,Colton 選問題,接著補了一個我覺得好用的透鏡:同時問「今天有哪些事情已經做得到,或三個月、六個月、一年後會做得到,而它幾個月前還做不到」。他說這是找到過去不存在的機會的方法。 兩個問題疊起來才有力氣。只問問題,會做出三年前就有人試過並且失敗的東西;只問技術,會做出沒人需要的東西。這一層我以前沒分清楚,聽完才把它們排成順序。 ![四象限圖,橫軸是問題是不是真的、縱軸是技術剛剛才做得到,只有右上角那一格被標亮](/figures/problem-x-tech-window.svg) ## 貴的智慧只用在貴的地方 成本這段最實用。Colton 說他們測新的產品體驗時,不會一開始就去最佳化 token 成本,先看能不能做出讓人感受到躍升的東西;做到了再回頭檢視,這裡可以降規格、那裡不需要最高的智慧程度,換成便宜的就好。日常對話用便宜的現成模型,長期課程規劃、以及仔細解釋並糾正使用者犯的錯,才動用更聰明的模型。 ![一個入口分成兩條路,上面通往一個很小的方塊,下面通往一個大很多的方塊](/figures/cheap-and-smart-routing.svg) 定價那半段更直接。他說人們在真人家教與課堂學習上一年花掉數千美元,所以要讓使用者看見自己拿到的成果,再把價格錨到那個成果上,比錨在每月十美元合理。他舉的對照是客服:很多方案按「每解決一個問題一美元」收費,因為真人處理同一個問題更貴,企業的取捨因此明確。 ![兩根高度差極大的柱子,一根很高標成真人家教與課堂,一根貼著地面標成訂閱月費](/figures/pricing-anchor.svg) ## 西洋棋被攻克三十年了,下棋的人比以往更多 AI 這麼會翻譯,為什麼還要學語言?Colton 的回答分兩層。偏交易型的互動,近乎即時的翻譯夠用;而人對真誠的連結有需求,學會說對方的語言是最短的路,連帶長出對那個文化的理解與欣賞。 然後他舉了西洋棋。這件事三十年前就被電腦攻克,可是今天下棋的人比以往任何時候都多,棋力也更強,因為有好工具幫人訓練、進步。他的推論是語言學習會走同一條路:如果人人都能用真人家教的一小部分成本拿到一對一的教學,學成的人會變多,想學的人也跟著變多——以前多數嘗試學語言的人,沒進步多少就放棄了。他另外提到 Bloom 的「兩個標準差問題」,一對一真人家教在進步與成功表現上比傳統團體課堂高出約兩個標準差,而他說這個機會不限語言。 ![左邊一小群點、右邊一大群而且更大的點,中間一條虛線分開三十年前與今天](/figures/chess-more-players.svg) ## 韓國行得通的,到日本撞牆 這節台灣人聽起來最有感。Speak 的第一個市場是韓國,接著是日本與台灣。Colton 說核心訊息三個市場一致——學語言最好的方法是開口說,而這個產品讓你開口、不必怕犯錯——但傳遞訊息的通路與執行方式換了。在 Meta、Google 這類大通路投廣告,進日本時一開始就見效比較快;X 在日本大得多,他說日本可能是全球最大的 X 使用者市場,而這個通路在韓國對他們沒效,他們在韓國沒怎麼試過。 反過來,網紅與關鍵意見領袖行銷在韓國一開始就有效,在日本屢試不成。他的原話是一直在撞牆,要從頭重新想合作對象與內容類型,那個通路才開始動。他對日本的歸納是這個市場比較依賴機構的背書訊號,贏得媒體與電視露出對建立信任更有幫助;韓國與台灣則是 Instagram 或 YouTube 的好版位更有效。 ![中間一個圓代表同一個核心訊息,左右兩邊各自連出通路,兩邊有效與撞牆的標記剛好相反](/figures/same-message-different-channels.svg) 台灣那段我喜歡。他說朋友的台灣親戚看到他們早期的廣告,講了一句「這也太台了吧」,而他把這句當成收到過最大的讚美,因為那代表訊息連上了這裡的人感受到的問題。做法上,他們給在地團隊高度的信任與自主權,讓團隊自己提出貼近當地的概念再長成活動;總部的活動不照搬過去。 ## 台灣的使用者把這家公司推去做企業生意 這段的因果鏈是整集我最意外的部分。台灣是 Speak 第一個感受到職場英語拉力的市場,使用者的用途集中在工作上,於是他們先在這裡投資面試與職場的課程。這把整間公司帶往企業與學校——Colton 說他把這個機會歸功給台灣的使用者。 後面還有一層。企業、學校與高等教育的買方很在意證明學習有效、拿得出可衡量的成果,而這個要求回頭改寫了消費者版:他們開始投入衡量與展示學習成效,讓學習者看見自己現在能做什麼、以前不能做什麼。Colton 說他們希望人迷上的是學習進步這件事,用它取代遊戲化與連續打卡那種多巴胺迴圈。一群比較挑的買方,把產品推去了比較健康的方向。 ![左邊一排等高的打卡圓點,右邊換成一階一階往上的階梯,上方一個買方要求的方塊用箭頭指向兩者之間](/figures/streak-to-progress.svg) ## 他在公司內部反對 AI 生出來的長文件 程式開發是變化最大的職能。Colton 說程式現在由代理寫,工程師主要在審查與改善拉取請求,連這一步也常由代理協助;其他職能慢一些,做法是給工具與預算、給時間辦黑客松,把技術強的團隊和技術弱的團隊配對,讓擅長實作的人當推動者。 代價他講得很白:他現在讀到的冗長文件比以往任何時候都多,他稱那些東西是 AI 低品質內容,還在公司內部發起一個反對它的運動。年初推的是「到處都要用 AI」,現在改成「用在對的地方」——你要對產出負責,動腦做出正確決定,不能照單全收工具生出來的東西。 預算怎麼訂,他說自己沒有漂亮的答案:每月有一個基本金額門檻,訂得高,多數人用不到;有人用到就觸發一次對話,問你在做什麼、解決什麼問題、這筆錢花得值不值得,值得就再批更多預算繼續做。 ## 「AI 一出來誰都能做,這家公司還剩什麼護城河?」 這是我這兩年看消費者 App 時最常卡住的問題,Colton 給了一個我以前沒想過的切法。他說有些企業與產品的問題比較容易描述、容易解決,而那些產品與機會最快變成同質商品;反過來,難以定義「什麼叫做好」的生意,可能撐得比較久,即使模型越來越聰明也一樣。 他拿自家的難題當例子:長期課程規劃。什麼樣的課程算好、什麼能讓人在長時間裡朝目標進步最多、什麼樣的單堂課讓學習者覺得享受——這裡沒有量化的對錯,更多是質性的感受,所以就算拿最強的前沿模型去排每一課、每一個單元,依他們內部的經驗表現仍然不好。他把這類問題歸成「需要品味或更高層次判斷」的一群。 ![一條左高右低的曲線壓在一條橫向光譜上,左端是容易描述容易解決,右端是說不清楚什麼叫好](/figures/hard-to-define-good.svg) 接在後面的半句更重要:他說內部力氣已經轉向替自己要解決的具體問題建評估,有了好評估,才能不斷測試不同模型、把規模調大調小,並且有一道檢查產出品質的關卡。所以聽一家 AI 公司講故事的時候,我現在會多問一句:它有沒有自己的評估?能不能說清楚「做得好」長什麼樣?說不清楚的,它交出來的東西好不好,它自己也不知道。 ## 「新聞說某家公司在某個市場做起來了,這話能信嗎?」 這題也常見,而 Colton 講的順序剛好能拿來用。他們判斷一個市場值不值得加碼,看的是產品與這個市場、這群使用者的契合程度,而獲客排在後面。成長還沒起來的時候,他們看的是漏斗裡那幾件事:有人註冊、開始試用,小規模也會轉成付費訂閱,週與月的留存夠強。台灣就是這樣——低調試營運之後,大約一年成長曲線才轉彎,中間支撐投資決定的是這些數字。 所以外部的消息講「某個市場成長很快」時,可以追問那個成長是買來的還是自己長出來的。Colton 說他們用媒體組合模型去分辨哪些使用者來自哪些付費活動,自然成長的比例會被單獨切出來看。另一個可以追問的是順序:他們在韓國成功之後,日本的網紅通路照樣撞牆好幾輪,通路得整個重做。一家公司在新市場的第一年沒有成長,有可能是失敗,也可能是正常。兩者的差別在留存,不在聲量。 ![兩根一樣高的堆疊柱,左柱大部分是付費獲客,右柱大部分是自然成長](/figures/bought-vs-organic-growth.svg) 我自己踩過的坑是反過來:看到一個產品在身邊變得到處都是,就假設它在每個地方都站穩了。這集之後我會先問它在這裡待了幾年。 ## 可以參考的資料 - 《科技浪》EP162(2026-11-16),主持人哈利,受訪者是 Speak 營運長 Colton Gyulay - Speak 官方網站與 App 的功能說明頁,可以對照 AI Tutor Call 與課程分類實際長什麼樣 - Benjamin Bloom 於 1984 年提出的「兩個標準差問題」原文,教育研究文獻裡可以查到一對一家教與團體課堂的比較 ## 帶得走的一件事 難以定義「什麼叫做好」的工作,最晚被取代。這集從頭到尾都在繞這件事:產品的最後一哩路、哪些問題值得用貴的模型、課程規劃為什麼連前沿模型也排不好,答案都落在同一處——有人能把「好」說清楚,後面的工具才有用;說不清楚的地方,工具只會把廢話生得更快。 我試過的一個做法,拿一件你最近交出去的東西來用,不必跟投資有關:一份報告、一頓請客的晚餐、一封道歉的信、陪小孩寫作業的方法都算。寫三行,每一行是一個「做得好的話,會出現什麼可以被看到的跡象」,而且那個跡象要能被第三個人檢查,不能只有你自己心裡知道。寫得出三行,你手上就有一份自己的評估,一週後拿它對答案;三行寫不滿,我會先承認這件事我在憑感覺做。