AI 填表都有 startup 機會？SnapFill 同逃課通嘅 consumer-to-enterprise 啟示

我最近留意到一個有趣嘅現象：有 startup 用 AI 幫大學生自動填寫逃課申請表（下稱「逃課通」），另邊廂有團隊做咗個叫 SnapFill 嘅工具，用 AI 自動填寫政府標書同企業申請表。表面上一個係兒戲嘅學生 gag，一個係認真嘅 enterprise 生意，但如果你拆開佢哋嘅底層邏輯，你會發現佢哋其實係同一件事——用 LLM 嘅 reasoning 能力去理解表單語義，然後自動填入對應資料。而呢個 pattern，正正係 consumer-to-enterprise 呢條最少人行、但最有爆發力嘅 startup 路徑。

從逃課通到 SnapFill：同一條 engine 嘅兩個面

逃課通呢類工具嘅核心好簡單：俾你輸入「我想請假日期係 XX，理由係 XX」，然後 AI 就自動幫你填好學校嘅 official 請假表格，生成 PDF 或者直接提交。佢解決嘅痛點係「填表好煩」，特別係學校啲表格格式落後、欄位多、重複填寫嘅資料佔咗九成。唔好睇小呢個場景——大學生成日要請假、要申請延期、要報名活動，每次都要開電腦搵表格、打字、核對，加埋隨時十五分鐘。逃課通將呢個過程壓縮到三十秒。

SnapFill 嘅做法幾乎一模一樣，只係 target 嘅表單從學校假紙變咗政府標書同企業入職表。同樣係輸入關鍵資料，AI 理解每個欄位要咩，然後自動填入。政府標書嘅複雜程度遠超學校表格——有啲標書有成幾百頁，要填嘅欄位以千計，而且格式要求極度嚴格，錯一個位就可能 disqualify。但底層嘅技術挑戰其實一樣：點樣精準理解欄位語義、點樣正確 mapping 資料來源、點樣 handle 邊界案例。

呢個 observation 本身就好有意思：LLM 嘅能力進步令到「填表」呢個極度古老、極度枯燥嘅場景突然變得好玩。以前填表 automation 要靠 OCR 加 template matching，每一種表單都要 handcraft rules，Scalability 極差。但 LLM 嘅 semantic understanding 打破咗呢個限制——你唔需要為每一份表格寫規則，AI 直接睇得明個表格想問咩。呢個技術突破，令到一個原本只 serve 到 enterprise 大客嘅市場（因為得佢哋俾得起幾十萬去 custom build solution），突然間 consumer 都用得起。

Consumer 場景係最佳嘅 MVP 試驗場

好多創業者有個迷思：要做生意就要直攻 enterprise，因為 consumer 唔肯俾錢。呢個想法唔可以話錯，但漏咗好重要嘅一點——Consumer 場景係 testing ground，唔係終點。

逃課通呢類工具嘅美在於：佢嘅 users 會主動幫你 discover 你產品嘅 limitation。大學生係極度 demanding 嘅 user group：佢哋要求快、要求免費、要求 UX 順暢，而且會毫不留情地喺社交媒體上分享佢哋嘅使用體驗（正評同負評都係）。你個 AI 填錯一個 field，佢哋即刻 trace 到，即刻 feedback。呢種高密度、高質量嘅 feedback loop，係任何 startup 早期最珍貴嘅資產。

更重要嘅係，consumer 場景迫使你將產品做到極致簡單。Enterprise 客戶會容忍複雜嘅 workflow，因為佢哋俾咗錢、有 supplier relationship、有 internal champion 幫你推。但 consumer 唔會——佢哋打開你個 product，三秒鐘覺得麻煩就走咗。呢種壓力逼你將 UX 磨到最靚、將 AI 嘅準確率推到最高、將 error handling 做到最流暢。而你喺 consumer 戰場磨出嚟嘅呢套能力，正正係你日後打入 enterprise 嘅入場券。

SnapFill 團隊如果一開始就 target 政府標書市場，佢哋要用半年時間去傾 pilot、去搞 compliance、去處理 procurement。但如果你先做一個 consumer 版（例如自動填請假紙、自動填報稅表、自動填申請表），你可以喺三個月內 launch、用 real users 去 train 你個 model、用 real data 去改善 product。當你個 engine 喺 consumer 層面已經 run 得順，拎去 enterprise 嘅時候你已經有大量 real-world validation，而唔係靠 pitch deck 嘅 hypothetical use case。

Consumer-to-Enterprise 嘅飛輪效應

呢條路徑有個好優雅嘅經濟學邏輯。Consumer 市場雖然 ARPU 低，但 acquisition cost 可以好低（特別係 product-led growth 嘅 viral effect）。逃課通呢類工具，一個學生用完 share 俾朋友，自然增長。你攞到幾千個學生用戶，每個月俾你十蚊八蚊，收入唔多，但你有嘅係大量 training data 同 product iteration。

然後你拎住呢個 product 同呢堆 data，去敲 enterprise 嘅門。你嘅 pitch 係：「我哋已經幫一萬個用戶處理咗十萬份表單，準確率 99.5%，你睇下個 demo。」呢個說服力遠高過「我哋有個好勁嘅 AI model，你可以試下」。Enterprise 客戶睇到嘅係 proven track record，而唔係一個又一個嘅 proof of concept。

更重要嘅係，consumer 產品幫你 build 咗一條 moat。你處理過嘅表單類型越多，你個 AI 對表單語義嘅 understanding 就越強。每一份新表單都令你個 model 更準。呢個 data network effect 係純 enterprise startup 好難複製嘅——因為佢哋由頭到尾都只係處理 handful 嘅 enterprise 客戶表單，diversity 遠遠唔及 consumer 場景。

SnapFill 同逃課通嘅 pattern 仲帶出一個更深嘅 insight：好多被認為係「玩具」嘅 consumer AI 產品，其實係下一代 enterprise software 嘅 embryo。你今日笑人哋做逃課假紙 app，聽日佢拎住同一 engine 食咗你個 bidding system 嘅 market。呢個故事喺科技史上出現過好多次——Slack 由 gaming company 內部 tool 變成 enterprise communication platform；Instagram 由 location check-in app 變成 photo sharing giant；甚至 WhatsApp 由 status update tool 變成全球 messaging 基建。Consumer 產品有種 enterprise 產品永遠唔會有嘅嘢：organic adoption 同 real-world diversity。

俾香港創業者嘅具體建議

第一，唔好睇唔起「細」嘅 consumer 場景。如果你嘅 AI 可以幫一個大學生慳五分鐘，佢可能已經係一個 product。用 consumer 場景去 validate 你嘅 core engine，用 real users 去 iterating，係最快搵到 Product Market Fit 嘅方法。

第二，由 consumer 轉 enterprise 嘅時候，唔好 reinvent the wheel。你 consumer 產品嘅 infrastructure、model、UX pattern，九成可以直接搬過去。你要改嘅只係 go-to-market strategy、compliance、support model。唔好因為 target 客戶唔同就將個 product 從頭寫過——嗰個係最常見嘅 mistake。

第三，data moat 係你最大嘅競爭優勢。Consumer 階段盡量處理多啲唔同類型嘅表單，每一張都係你 model 嘅 training data。當你嘅表單類型資料庫夠大，後來者就算有同樣嘅 LLM 技術，都追唔到你對表單語義嘅 understanding depth。

最後，記住 consumer 唔係終點，但佢係最好嘅起點。香港創業者成日覺得自己 market 細，做 consumer 冇出路。但 AI 呢個時代嘅機會正正係：你先用低成本嘅 consumer 場景磨好技術同 product，然後用 global scalability 打出去。SnapFill 呢個名字已經暗示咗方向——先 fill 細表，再 fill 大表。你呢？你打算由邊張表開始？