AI 先接管暖气维修的调度层：Netic 为什么不急着造机器人 (2026)

单集信息

播客：No Priors: Artificial Intelligence | Technology | Startups
主持人：Elad Gil
嘉宾：Melisa Tokmak，Netic founder and CEO
集标题：Building an Autonomous Enterprise for Real-World Services with Netic Founder Melisa Tokmak
发布日期：2026 年 7 月 31 日 18:00（北京时间）1
原集链接：No Priors 官方 YouTube 视频

Open on YouTube· Useful if the embedded player asks you to sign in

Loading content card…

Netic 的产品不是又一个客服机器人，也不是先造一台能拧螺丝的机器。Melisa Tokmak 想做的是一层「运营系统」：让 AI 接住客户、理解需求、查规则、安排人员和推动收入，把 HVAC、plumbing、electric、pet services 等真实服务公司的后台工作接管下来；现场仍由人完成。2

先解决「谁、何时、能不能做」

节目里最有用的例子不是抽象的 agent，而是零下 20 度时家里的暖气坏了。客户不只是在问「能不能派人」：住什么房子、装的是什么设备、公司有没有历史记录、今天还是明天能上门、应该派会修哪类 boiler 或新系统的 technician，这些问题要一起回答。Netic 让客户通过电话、短信或网站与 agent 对话，再把需求匹配到公司的运营规则、人员能力和时间表。2

这解释了它为什么从 essential services 切入。对一家年收入达到十亿美元规模的 home-services 公司，客户支持团队可能有数百人，业务又受热浪、寒潮、节假日和季节性需求冲击。支持人员的每一次判断，都会影响客户是否流失、哪位 technician 被派出，以及高峰期能不能把有限的劳动力用在最值钱的工作上。Tokmak 说，Netic 目前有 超过 70% 的客户属于 AI-first，公司把这种状态称为「Netic first」。这是嘉宾在节目中的公司自述，不是节目外部审计数据。2

为什么不先做机器人

Tokmak 把 robotics 看成「同一本书的另一章」，但认为许多真实服务离机器人还很远。每栋房子的设备、螺丝、墙体和狭窄空间都不同；维修人员常常要先拆开墙，才知道到底坏在哪里。客户也不只是一个待优化的工单：房屋被淹、暖气在寒潮里失效，或者一个人想通过 wellness 服务减压，都带着情绪和时间压力。2

所以她的分工很明确：AI 处理信息和运营，人处理实际服务。这个判断避开了「AI 落地就等于机器人化」的直觉，也暴露了产品难点：agent 必须掌握企业内部规则、历史客户、技师能力、库存和区域条件，不能只会生成一段听起来礼貌的回复。Tokmak 说，解决这类问题需要模型之外的 harnesses、orchestration、software 和 product；Netic 要同时把这三层做好。2

真正的护城河是上下文的累积

Netic 的一个具体做法是把外部数据接进服务流程。Tokmak 以 roofing 为例：平台可以接入 satellite data，判断不同社区受飓风影响的屋顶和材料，再让 agent 同时处理 inbound、outbound、analytics 和 labor delivery。这里的增量不是多一个数据看板，而是让系统知道「该服务什么、该找谁、什么时候主动联系」。2

她还谈到 private equity 持有多家不同类型的服务公司时，跨业务的上下文会产生新用途：一个客户既养宠物，又可能购买 wellness 服务，企业如果能理解这些关系，就不必把每次交互当成孤立的电话。对 AI 工程团队而言，这比「换一个更强的基础模型」更像一项长期系统工程：身份、权限、数据接入、业务规则和跨产品记忆缺一不可。2

这也是 Tokmak 选择做软件平台，而不是买下并经营一批服务公司的原因。她认为 roll-up 的核心能力是并购，而自己的强项是 engineering、product 和把产品做成可复用的系统；如果每买一家企业，软件只能服务那一家，规模效应会被资产边界锁死。Netic 的目标则是让不同的 real-world business 都能运行在同一层之上。2

这套模式还需要证明什么

节目给出了一组很大的数字：Tokmak 说，公司已经通过 AI-handled interactions 为客户创造了 超过 6 亿美元，并举例称一家大企业从签约到完成端到端部署只用了 14 天、合同规模约 50 万美元。这些数字都来自嘉宾在访谈中的陈述，节目没有提供客户名单、口径或第三方验证，因此它们适合当作 Netic 的商业主张，而不是已经独立确认的行业指标。2

Tokmak 反复强调，企业采购不应停在一周 demo：AI 平台要在一年内持续带来收入和服务质量，不能只在试用期里看起来有效。她不希望 AI 只被拿来裁成本，原话是：「It would be pretty sad if we used AI only for cost cutting.」在她的模型里，收入增长来自更快接住需求、更好匹配现场劳动力，以及把一次服务变成长期客户关系。2

适合谁听

做 agent runtime、企业软件和现场服务运营的人值得完整听：这集把「agent」放进客户、规则、人员和收入的闭环里，能补上只看模型能力时容易遗漏的执行层。
做产品战略的人值得听：Tokmak 对「做平台还是买资产」「先做机器人还是先做运营层」给出了清晰取舍，也说明为什么真实行业的变化不必等待 AGI。
核心增量：AI 在真实世界的第一站，可能不是替代 technician，而是先成为企业的 intake、context、dispatch 和 revenue layer；但 Netic 的收入数字和客户比例仍应视为公司自述。
可以跳过的部分：如果你只关心模型 benchmark 或 robotics 硬件，这集没有新的实验结果；它的价值在于把 agent 放进高波动、强约束、有人身体验参与的服务业务里。

AI 先接管暖气维修的调度层：Netic 为什么不急着造机器人