从AgentHub到Gumloop，这家AI创业公司的转型揭示了AI产品落地的残酷真相。5000万美元B轮融资背后，是一个放弃"全能AI员工"幻想、专注解决企业自动化痛点的务实选择。本文将拆解这个非典型AI创业案例，看它如何从开发者玩具蜕变为企业级自动化基础设施。

最近半年看了很多“爽文式”的创业故事：

“00后辍学，30天1人公司拿到千万融资。”

“我把公司全部自动化，并用 50个AIagent替我工作。”

今天分享的公司其实也可以这么开头，但我想通过这篇真实的 AI 创业案例和大家分享：爽文的背后是什么。

01 Gumloop 是什么？

上周，Gumloop刚宣布完成5000万美元B轮融资，这家公司2023年成立，最早其实叫AgentHub，后来逐步演化成今天的Gumloop。

简单来说，Gumloop 是一套给企业内部用的无代码AI自动化平台/agent搭建层：

它让运营、销售、HR、市场这些非技术员工，把「查资料—整理信息—判断条件—调用模型—发邮件/录入CRM」这类多步骤流程自己搭成可重复运行的工作流。

Gumloop 和 OpenClaw 不一样；如果硬要类比，OpenClaw是为企业打造直接交付结果的AI员工，而Gumloop更像让企业自己搭建这类AI员工的基础设施。

Gumloop给它的客户提供的不是某一个单点功能，而是这套内部自动化能力：

比如Gusto（一家做HR和薪酬方案的金融科技公司）用 Gumloop做GTM里的客户流失预警、客户扩展、销售辅导和合作评审，官方披露3个月多带来150万美元以上新增ARR，合作评审时间从30–45分钟降到5分钟内，相关获客指标提升31%；

Samsara（一家做 IoT 的数据平台）用 Gumloop给销售和市场团队做运营自动化，识别出30多客户用例、每年节省约8万美元；

Instacart（美国的一家生鲜配送平台）用它帮销售做高价值客户开发，把资料收集、整理和个性化外联等工作自动化。

整体上，Gumloop卖的不是一个agent，而是让公司里每个部门都能自己搭、自己跑、自己复用AI工作流的系统。

创始人 Max 公开的透露，Gumloop平台每天大约运行400万个workflow，团队只有15 个人左右。

我想分享的不是Gumloop现在多成功，而是它最开始并不是按今天这条路在做。

02 Gumloop 的来时路

创始人 Max在一个访谈里回忆，起初是自己看到 AutoGPT 爆火，被震住了。

那是很多人第一次真切感到，AI 好像不只是回答问题，而是能自己行动、自己调用工具、自己解决任务。

于是他顺着这个方向做了一个产品，叫AgentHub，最初的想法很直接：如果agent真有用，那我就做一个agent的GitHub，做一个托管和交互平台。

这个想法听起来很顺，也很硅谷。

但问题也很快出现了：用户并不是不喜欢agent，但是受不了agent的不可靠。

这是Gumloop最关键的起点。

Max发现，大家虽然嘴上说自己想要“更强的自主性”，但实际用下来，真正让人崩溃的恰恰是自主性背后的不可控：

流程会跑偏，结果不稳定，精度不够，成本还不低。

于是他做了一个不硅谷、但特别商业的决定：

不再继续做更像数字员工的agent，而是退回来，做用户真正要的东西：可靠性、可预测性，以及把步骤一个个明确串起来的自动化框架。

这一步其实很重要。

因为很多AI产品的问题，不在于技术不够强，而在于团队舍不得放弃那个更好讲故事的版本。

Gumloop反而是在最容易继续做梦的时候，主动把梦做小了：不再追求一个什么都能自己干的系统，而是先把一个流程稳定跑完。

也正是从这里开始，Gumloop的用户画像发生了变化。

它最早是开发者导向的开源项目，但真正喜欢用它的，并不是工程师，而是那些长期被重复劳动压着走的非技术岗位。

Max在一个访谈里提到，后来他们发现真正的核心用户里，80%都是非技术人：业务、运营、HR、销售、市场。

也正因为这样，产品必须重新设计，不能再让复杂性压到用户头上，必须足够直观、足够友好，最好还能让人觉得“好玩”。

这个转折很重要。

因为它不是一句抽象的“让业务人员也能做自动化”，而是一个产品方向完全被用户改写的过程。

03 我想通过 Gumloop 分享什么

开头我说的创业爽文，最大的问题是制造了一种幻觉：你可以跳过艰苦的理解、搭建、验证和试错，直接找到答案。

比如，Gumloop 并不是天才一拍脑袋的产物，更像是一连串失败之后留下来的那个答案。

创始人 Max提到，在做Gumloop之前，他试过很多东西，包括VR里的审核工具、反流量作弊、反诈骗相关产品，基本上就是不断做MVP、不断试、不断被市场打回去。

后来他学到的一件事，不是怎么证明自己是对的，而是怎么更快证明自己是错的。

Gumloop 不是从第一天就知道自己会成为 AI 自动化基础设施的公司，

而是先踏进最热的 agent 这个叙事赛道里，

再亲自撞到“不可靠”这堵墙，

然后一点一点把产品搬回到真正能收费、能扩散、能进企业的方向上。

我分享 Gumloop 的案例是因为它代表了一种非常现实的变化：

AI 创业很少始于一个一开始就无比正确/天才的点子。

但你先踩进去，先做出来，先被市场打脸，再一点点把不成立的部分剔掉，让市场来决定，把真正有人要的东西留下来。

最后长出来的，可能不是你最初想象中的那个故事，但一定是市场替你筛出来的答案。

以上，祝你今天开心。