Stampli 用 ChatGPT 把開發工時砍掉 68%，OpenAI 其實在做一件更大的事

> Meta Shift

68% 這個數字乍看之下像 PR 稿裡的行銷話術，但如果你稍微拆解一下它背後的商業邏輯，會發現這個 case study 有趣的地方根本不是 Stampli 省了多少時間 — 而是 OpenAI 為什麼要把這個故事講出來。

---

開場：一個數字，兩個受益者

Stampli 是一家專做 AP automation（應付帳款自動化）的 B2B SaaS 公司，主要客群是中大型企業的財務部門。他們導入 ChatGPT Work（OpenAI 的企業版 API 產品）之後，對外公布了一個數字：新功能上線所需的工時減少了 68%。

先停在這個數字想一下。

假設一個 feature 原本需要 100 小時的工程時間，68% 的減少意味著只剩 32 小時。這不是「有點快一點」，這是根本性的速度改變。對一家 SaaS 公司來說，feature velocity 直接影響能不能在競爭對手之前把東西推到市場 — 這才是核心。

不過這裡有個問題：Stampli 講的「工時」包含什麼？是純粹的 coding 時間？還是包含 QA、spec 討論、review？這個細節沒有公開說清楚，所以 68% 這個數字需要保留一點懷疑空間。

但即便打個折 — 就算實際效益只有 40% — 對一家需要快速迭代的 B2B SaaS 公司來說，這個規模的效率提升仍然是很難忽視的訊號。

然後是第二個受益者：OpenAI。

這個 case study 被包裝成企業採用 AI 的成功故事，正在幫 OpenAI 解決一個比技術本身更難的問題 — 說服財務長和 CTO 掏錢。

---

商業模式拆解：Stampli 到底賣什麼

Stampli 賣的不是會計軟體，嚴格說起來他們賣的是「財務部門的操作摩擦成本降低」。

AP（Accounts Payable，應付帳款）流程在大多數公司裡都是一個又累又無聊又容易出錯的地方 — 要 match PO、要 approve invoice、要對帳、要追 vendor。Stampli 把這些流程自動化，並且把溝通、審批、追蹤整合在同一個介面裡。

定價上，Stampli 採用的是 SaaS 訂閱制，根據發票量和使用規模計費。客單價估計在中高端，目標是年營收 5000 萬美金以上的中型企業到大型企業（目前沒有公開的 ARR 數字，這部分無法確認）。競爭對手包含 Bill.com、Tipalti、Coupa，這個市場據估計整體規模在 50 億美元以上，而且還在隨著企業數位化持續擴大（來源：市場研究報告估計）。

Stampli 的護城河主要有兩個：

第一是整合深度。 他們跟超過 70 種 ERP 系統整合，包含 SAP、Oracle、NetSuite、QuickBooks。這種整合層的建立需要時間和資源，競爭對手要複製很難。一旦你的 ERP 跟 Stampli 串起來了，換掉它的成本極高 — 這是典型的 switching cost 護城河。

第二是 Billy the Bot。 這是 Stampli 自己的 AI 引擎，針對 AP 流程訓練，可以做 invoice coding、anomaly detection、approval routing。這不是通用 LLM，是垂直場景下的專用模型 — 這種垂直化的 AI 在準確率和可信度上通常比直接用 GPT 效果更好。

現在他們再加上 ChatGPT Work 做內部工程效率提升，等於是兩層 AI 策略：產品層用自己的垂直模型，工程層用 OpenAI 加速開發。這個組合值得注意。

從投資者角度來看，Stampli 的商業模式有幾個吸引人的地方：高 switching cost、可預測的訂閱收入、市場需求明確。如果他們能把 68% 效率提升反映在 feature velocity 和 NRR（Net Revenue Retention）上，估值撐過 10x ARR 不是沒有可能。但目前沒有公開的融資或估值資訊，無法進一步判斷。

---

競爭格局：AP automation 這塊市場在打什麼

這個市場的競爭邏輯其實比想像中複雜。

公司	定位	強項	弱點
Bill.com	中小企業 AP/AR	品牌認知度、使用者多	大型企業功能不夠深
Tipalti	中大型企業，Global payouts	全球付款流程強	學習曲線陡
Coupa	企業採購全流程	整合採購到付款	貴、部署複雜
Stampli	中大型企業 AP	ERP 整合廣、AI 早佈局	知名度不如 Bill.com

Bill.com 是這個市場裡最有名的名字，但它的主要客群是中小企業，跟 Stampli 瞄準的中大型企業其實有一定的市場區隔。真正在競爭的其實是 Tipalti 和部分 Coupa 的客群。

目前的競爭趨勢是，所有玩家都在加速 AI 功能 — 但問題是，加 AI 加在哪裡？

Bill.com 加的 AI 偏向用戶端的建議和分析。Tipalti 的 AI 比較聚焦在合規和風險。Stampli 的策略是雙軌：產品端用垂直 AI 解決準確率問題，工程端用 ChatGPT 解決開發速度問題。

後者這個策略比較少見，也是這個 case study 有趣的地方 — 把 AI 當成工程基礎設施，而不只是產品 feature。

---

Meta 判讀：這是 OpenAI 的 GTM 策略，不只是 Stampli 的效率故事

先定性：這件事是 Meta Shift，而且重心不在 Stampli。

OpenAI 現在面對的最大挑戰不是技術 — GPT-4o 夠強了，沒有人認真懷疑。問題是企業端的採購決策。B2B 軟體的採購流程很慢，財務長要 ROI 計算、IT 要安全審查、法務要合約審查 — 光是「這個 AI 工具很酷」根本打動不了採購委員會。

所以 OpenAI 需要的是可以量化的 case study，越具體越好。68% 工時減少，這個數字可以直接放進 ROI spreadsheet。

這讓我想到 Salesforce 當年推企業版的策略 — 不斷收集客戶的成功故事，把它們變成 sales deck 的彈藥。OpenAI 現在在做的事情幾乎一模一樣，只是速度快很多，因為 AI 的效益更容易量化、更直觀。

另一個值得注意的 meta 是：ChatGPT Work 在對 Claude for Work 和 Gemini for Workspace 打一場企業端的爭奪戰。而這場戰爭的 battleground 不是技術 benchmark，是客戶的 case study 數量和品質。Stampli 的故事對 OpenAI 的 enterprise sales team 來說，是彈藥，不只是 PR。

Nerf Watch 的部分：如果 OpenAI 持續累積這類 case study，對 Anthropic 的企業業務是個不小的壓力。目前 Claude 在程式碼品質上的口碑不錯，但在企業採購端，「有沒有其他公司在用而且有數據」這件事的重要性遠超過技術細節。

---

工程師該怎麼看

直接說幾個觀點：

技術選型層面，如果你在評估要用哪家的企業 AI API，OpenAI 的 ChatGPT Work 現在有越來越多的 enterprise case study 可以參考。這不代表它技術上最好，但代表採購審核流程會比較容易 — 你可以拿別人的數字來說服你的 management。

職涯方向，Stampli 的案例告訴你一件事：工程效率的 68% 提升是真實存在的，但它需要有人設計這套 workflow。懂得把 LLM 整合進開發流程（prompt engineering for internal tooling、AI-assisted code review、spec generation）的工程師，價值正在快速提升。這不是「AI 會取代工程師」的故事，是「懂 AI workflow 的工程師會讓不懂的工程師看起來很慢」的故事。

Side project 方向，AP automation 這個垂直市場的邏輯可以複製到很多地方 — HR、法務、採購都有類似的「高重複性、高錯誤成本、低數位化」特徵。如果你在找 B2B SaaS 的切入點，垂直 AI + 特定流程自動化的組合值得認真研究。

68% 這個數字最後代表的是：AI 不再只是 demo 上很帥的東西，它開始在真實的企業環境裡改變商業決策的速度。這個轉變比任何技術 benchmark 都重要。

延伸閱讀

• Zapier 用 ChatGPT Work 自動化行銷流程 — 一家自動化公司怎麼用 AI 治自己
• OpenAI 談企業 AI 下階段 — 大部分公司還沒跟上
• Coding Agent 正在改變工程、產品、設計的協作方式 — 但改變的不是你想的那個