Peter Steinberger @ YC——又难又无聊

Peter Steinberger 最近在 YC 的分享里，还有一个观点让我一直记着。

他说，如果他要找下一个创业机会，他会关注那些又难又无聊的事情。

SnapLedger 做得越久，我越明白为什么。

AI 记账这个赛道正在变得拥挤。很多产品现在都能读懂发票、给费用分类、生成报表，或者在账务数据前面放一个聊天机器人。

这些能力是有用的。

但它们越来越不是难点的所在。

真正的难点，始于软件碰到现实的那一刻。

客户有一笔对不上账的交易。

一份合同的收入确认方式，和开票方式并不一样。

一笔费用看起来和另一笔几乎一模一样，却应该得到完全不同的会计处理。

一条增值税规则，会因国家、客户或交易性质的不同而变化。

一位会计师告诉我们：技术上看着正确的处理，并不等于这笔交易在账上应该有的真实呈现。

这些才是我们越来越花时间在解决的问题。

我们和客户一起搞清楚他们的生意里到底发生了什么。发现真正的问题时，我们尽量快速修复——有时是立刻。

我们和会计师伙伴讨论细微的会计处理。我们争论一条规则应该怎样运作、会计准则到底怎么要求，以及怎样把专业判断变成软件下一次能稳定执行的逻辑。

这些活一点也不光鲜。

最后通常没有一个漂亮的 AI demo。

有时，几个小时讨论的结果，只是某一笔交易从此会被自动记到正确的科目上。

这就是又难又无聊。

但在水面之下，重要的事情正在发生。

每一个这样的案例，都会沉淀成知识。

一个客户的边界案例，变成一条产品规则。

一位会计师的判断，变成系统的逻辑。

一个对账问题，变成一个更好的工作流。

一项合规要求，变成 Snappy 最终能自动处理的能力。

单独一个案例，看起来很小。

经年累月积攒的成千上万个案例，会变得极难被复制。

这越来越是我对 SnapLedger 真正护城河的理解。

它大概不会是某一个惊艳的 AI 功能。

它会是对成千上万个细小、麻烦、真实的财务现实的累积理解——以及把这种理解变成软件的能力。

AI 让写软件更快了。

但它并不能替代对现实世界的理解。

而在会计、税务和合规这样的领域，现实世界充满了例外、判断、细节和后果。

这就是为什么我越来越能安然接受那些无聊的活。

因为今天解决的每一个无聊问题，都会让产品明天更难被抄走一点。

又难又无聊的事会复利。

而假以时日，这种累积的理解，可能会成为我们建造的最有价值的东西之一。

Peter 的 YC 分享在这里：Peter Steinberger @ YC。