Pascal W.，Bardeen Inc. 联合创始人兼CEO，曾是一家匿名 AI Company的首席AI官，专注于为企业客户提供实用的增强智能，并在公司早期建立研发团队并领导其工作。自2016年以来，他还担任Weinberger Ventures的天使投资人、导师和顾问，专注于AI、网络安全和开放科学初创公司的投资。此外，担任Alpha Intelligence Capital的顾问和风险合伙人，并自2023年起担任萨姆奥特曼的Worldcoin的董事会成员。他曾就读于法兰克福歌德大学，主修理论与数学物理，但未完成学位。他和Artem Harutyunyan联合创立公司。

在这次访谈中，Pascal和Artem分享了Bardeen的创立初衷、他们独特的AI自动化方法以及Bardeen在AI领域的定位。

首先，能否介绍一下你们的背景，以及是什么促使你们共同创立了Bardeen？

Pascal：大家好！我是Pascal，Bardeen的首席执行官兼联合创始人。我的背景是在计算机视觉领域，我曾与多个团队合作，经营过自己的计算机视觉公司，还曾领导Telefonica的一支大型AI团队。

Artem：我是Artem，我的背景是系统和基础设施工程，之前在Mesosphere（后来更名为D2iQ）担任重要职位，领导工程和产品团队。

有趣的是，Artem和我的故事始于我们都试图通过自动化来“解放”自己。我们尝试了许多不同的自动化软件，但没有一个完全符合我们的需求。因此，我们不约而同地想到了创建一个类似于“mini-me”的项目——这是我们独立想出来的最初项目名称。我们向一位共同的朋友Flo Liebert提出了这个想法，他当时是Mesosphere的卸任CEO，后来成为了我们的第一位种子投资者。

我们第一次讨论时，彼此的想法几乎完全一致，双方一拍即合。经过几个月的探讨和相互了解，我们决定共同创立这家公司，最终打造一个人人都能使用的自动化平台。现在市面上的自动化工具通常是为大型公司设计的，需要庞大的咨询团队来支持，或者是相当技术化的，需要用户具备编程技能。它们主要是为“运营人员”设计的，但对于那些真正从事销售、营销、招聘和管理等日常工作的人员来说，选择其实非常有限。

我们创建Bardeen的目标是打造一个任何人都能使用的自动化工具，尤其是那些每天亲自处理工作的人。我们的愿景是将目前还未实现自动化的90%的市场彻底实现自动化。

您会如何向开发者和潜在客户介绍Bardeen？

Bardeen可以被看作是利用生成式AI，直接在浏览器中为你发现、构建和运行自动化流程的工具。具体来说，我们使用生成式AI，让用户能够非常轻松地创建自动化流程。你只需通过自然语言描述你需要自动化的任务，我们就能为你构建相应的自动化。

我们选择将Bardeen集成到浏览器中，因为我们认为浏览器是未来的运行环境，尤其是考虑到大多数人90%的时间都在浏览器中度过，而且通常打开着50多个标签页。你在工作流程中花费了大量时间在不同平台之间移动和转换数据，无论是销售、招聘、项目管理，还是研究潜在的面试公司。许多这样的工作流程都是高度重复的，涉及在多个浏览器标签页之间转移数据。这正是我们希望通过Bardeen简化的工作流程。

今天，您的目标客户是谁？您认为哪一类客户使用 Bardeen 受益最大？

我们目前的目标用户是一线知识工作者，或者更通俗地说，是那些“真正做事”的人，重点就在于“真正”这两个字。很多现有的自动化工具主要是为销售或营销等运营角色设计的，但那些直接参与工作的人，比如销售开发代表（SDRs）、业务开发代表（BDRs）、招聘人员和营销人员，却没有得到充分的服务。我们发现Bardeen在一些领域非常受欢迎，比如潜在客户线索、外展、跟踪和项目管理，这些工作流程在销售、营销、招聘等领域具有相似的模式。

举个例子，如果你有一个数据来源，比如LinkedIn或Apollo，那么你需要将这些数据转移到某种跟踪系统中，比如电子表格、Notion或客户关系管理系统（CRM），然后再进行筛选和外展。这种模式适用于许多行业，我们看到它在销售人员、房地产专业人士、招聘人员和营销人员中尤其受欢迎。

我们的挑战不仅仅是开发产品，还要改变用户的行为。这既是一个教育问题，也是帮助人们理解他们可以并且应该实现自动化的问题。为此，我们在内容创作上投入了大量资源——撰写指南和制作视频，帮助用户学习这项技能。

能否介绍一下，相对于其他人工智能驱动的自动化平台， Bardeen 对单个工作流程的改进有哪些竞争优势？

Bardeen的优势在于其确定性运行时架构，这意味着在运行时，大多数情况下不需要调用语言模型。我们在“构建时间”解决了用户意图的推理和解释问题，这是一个高延迟、高成本的挑战，但一旦自动化流程被创建后，每次运行时通常不再需要依赖智能代理模型，仅仅需要调用一系列预先编写的API和DOM（文档对象模型）交互。

这带来了显著的性能提升：在执行这些自动化流程时，几乎没有延迟，除了API本身的延迟，这和你手动操作时会遇到的延迟是一样的，甚至还更短。因为不需要等待UI渲染，也不需要等语言模型进行推理或结构化处理。此外，这种方法还避免了语言模型固有的非确定性、幻觉等问题。

因此，在运行时的延迟、可靠性和成本方面，Bardeen比其他自动化平台快了几个数量级。

但在构建时就不一样了。在构建时间，我们充分利用了大型语言模型（LLMs）的强大功能，使用户能够轻松构建和测试与其工作流程相关的自动化。这就是AI的强大之处，因为它解锁了许多以前不可能实现的用例。它不仅帮助用户发现哪些流程可以且应该被自动化，还能够将用户语言表达的意图，转化为可执行的自动化代理方案。

能否回顾一下Bardeen创业历程，生成式人工智能和代理的出现如何影响公司的发展轨迹？

Bardeen的发展历程相当有趣。在早期，尽管当时生成式AI还没有广泛应用，我们就已经设想用户能够像使用搜索引擎一样，描述他们想要自动化的内容，然后系统会自动实现。这种设想在当时引发了不少质疑，大家都在讨论是否真的有可能构建出这样的系统。我们当时已经开始思考如何推出产品、收集大量数据、训练自己的模型，并从头开始构建整个系统。为此，我们设计了一种专门为自动化构建的DSL（领域特定语言），使其代码可以轻松通过语言模型生成。

随着GPT-3.5的发布，对我们的创业方向开始转变。由于GPT-3.5经过大量代码训练，我们从一开始就看到它在语义解析问题上表现出色，这对解决我们产品的核心问题至关重要。

如今，通过我们与集成的API调用和DOM操作，用户可以执行很多确定性的操作。然而，总有一些用户想要执行的操作没有对应的API，这就是下一代AI代理的用武之地，能够填补这些“长尾”需求的空白。对于可以通过API完成的操作，我们仍然建议优先使用API，因为它是最可靠的方式；但对于那些无法通过API完成的操作，现在可以通过Web UI来实现。这也是我们构建Bardeen的AI代理时所采用的方法，使得我们的代理既多功能又可靠。

我们目前的Agent方法，支持实现更复杂的多步骤工作流程。我们坚持认为，自动化、智能代理或协同工具背后需要有某种确定性基础。简单地将DOM交给大型语言模型处理，是无法达到预期效果的。

Artem，您已经公开表达了您对目前人工智能代理框架的不足之处的想法，以及 Bardeen 如何以不同的方式思考这个问题。能否像我们详细介绍下？

当然可以。

首先，我认为现有的网页用户界面（UI）是为人类设计的，而人类在面对复杂的界面时很容易感到不知所措。因此，最优秀的UI设计，如Apple、Linear和Notion，通常都以简单和清晰作为切入点。然而，这种“简单”往往意味着实际功能被隐藏在菜单和层级之下。此外，UI非常动态，时常发生变化。对于AI代理来说，这一开始就带来了巨大劣势——因为应用的设计初衷并不是为了AI代理服务，而是为了满足其他需求，这往往会妨碍代理实现目标。

其次，网络环境本身对AI代理也非常不友好。因为AI代理在网络上很难与其他自动化工具或恶意机器人区分开来，而这些机器人通常会与恶意活动相关联。网页上普遍存在的防机器人措施和各种保护机制，往往无意中会破坏AI代理的正常操作。另外，网页应用的底层结构，即DOM（文档对象模型），也是问题之一。DOM是一个庞大的信息树，设计目的是为了让浏览器高效渲染页面，而不是为AI代理与其交互进行优化的。

最后，值得自动化的任务必须是那些有足够价值和频率的操作，而不仅仅是每隔几个月花5分钟做一次的事情。

我们在Bardeen的做法是尽可能引入确定性，也就是说，尽量避免AI带来的不确定性。例如，如果我要在电子表格中填写100行数据，我不应该依赖AI来完成这个任务，而应该使用API调用。然而，还有许多操作没有对应的API，这是AI真正可以发挥作用的地方，因为人类可以描述这些操作，而AI可以将这些描述转化为自动化流程。

因此，我们的做法与当前市面上的AI代理框架有着根本的不同。我们明确区分了“构建自动化”和“运行自动化”这两个过程。我们相信，在运行自动化时，必须尽量做到确定性，以降低失败的可能性。这也是为什么我们认为，应该依赖那些已经被验证过的API，而将AI用于那些无法通过API完成的任务。

对于人工智能领域的开发者来说，多模态是一个非常令人兴奋的领域。如何将多模态 AI 功能纳入 Bardeen 的路线图？

多模态AI确实是一个令人兴奋的领域。我们最近发表了一篇名为“WILBUR”的论文，详细阐述了我们的方法和基准。我们的研究表明，如果AI代理设计得当，文本输出的效果可以与多模态AI的表现相媲美，而且成本更低，速度更快。当然，模型在不断演进，这是一个非常动态的领域，未来的发展还需要进一步观察。

在产品化方面，我认为那些真正从事实际工作的用户正在期待多模态AI带来的生产力的提升。对我们来说，今年的重点是执行，而不是发布华丽的Twitter演示或做公关宣传。例如，一个来自南非的汽车经销商有20家门店，他们面临严峻的业务问题，而我们正在为他们解决这些问题。

因此，我们的目标是让AI产品更简单、更好、更快、更便宜，并吸引更多的用户。我们每周有数万名用户在使用Bardeen，其中很多人是付费用户。最终，我们希望实现端到端的自动化，让用户不必思考要自动化什么，而是有一个得力助手在旁边观察你的每一个动作，并主动为你提供建议。

最后，分享一些关于您的团队信息。您想建立什么样的公司文化？

我们目前的团队大约有30人，是一个完全远程的团队，主要以工程师为主。我们是一群热衷于解决问题的人，喜欢挑战自我，直到突破重重障碍。我们希望打造一种人人都极具好奇心并且高度坚持不懈的文化。

我们面临的挑战非常艰巨，不仅在市场推广方面，在技术和研究方面也是如此。因此，我们希望找到那些对知识充满好奇，渴望推动市场发展、突破研究界限，并将一切提升到更高水平的人。