每月 200 小时，花在把几百笔钱和几百张单子手工配对上

「行政文书」这四个字太抽象，不拆开的话，后面看不懂 AI 到底接管了什么。美国牙科诊所的钱，走的是下面这条路。这条路本身在自述里只写了个开头，下面这份流程是本站按公开资料整理的。

把这几个词放回流程里，一张牙齿的账是这么走完的：

所以「每月 200 小时的行政工作」这句话，落到地上就是几百笔钱和几百张单子的手工配对。

Steijn Pelle 和几百个小生意老板聊下来，发现他们彼此之间的差别小得惊人。第一，绝大多数人是被迫当老板的，Steijn Pelle 管这群人叫 reluctant operator：医生想看病人，水管工想修你家马桶，美甲师想做指甲，文书是他们最不想碰的东西，但没人干，只能自己上。第二，所有小生意的基本功是同一套，把数据录进一个系统、把数据在系统之间搬进搬出、和客户打交道并完成交易。

他举了一个具体的人：Ed Zuckerberg 医生，扎克伯格的父亲，早年在纽约 Dobbs Ferry 开自己的牙科诊所。一天班上完，和家人吃完晚饭，孩子都睡了，晚上 11 点他还得下楼去家里的书房处理文书。

到今天为止，软件并没有消灭这些活，它只是把活重新摆了摆位置。它给你一个仪表盘、一个队列、一个表单，也许还有一个更好点的地方让你去点。但总还得有个人去点。

Steijn Pelle · a16z News · 2026-06-03

AI 改变的正是这一点：软件第一次能读懂乱七八糟的上下文、能跨系统操作、能把活真的干完。于是他们问自己一个问题，能不能造出一种软件，让一家小生意自己跑起来。

一半的 AI Agent 在写代码，医疗只占 1%

那么问题就来了：AI 已经这么能干，为什么这活还是人在一笔笔敲。这个问题有一份公开数据可以回答。Anthropic 在 2026 年 2 月发过一份研究，统计了自家 API 上近 100 万次 Agent 工具调用分别落在哪个行业。

一半的 Agent 活动在写代码。剩下那一半散在 16 个行业里，没有一个超过 9%。医疗 1.0%，法律 0.9%。

这几个小数字的含义容易被读反。它们标记出的是一片还没开张的市场，医疗行业的 AI 生意基本还没开始做。

Anthropic 自己在这份研究的脚注里给了一个解释，比创始人的说法更实在：软件之所以先跑起来，是因为代码好验证，跑一遍就知道对不对，出了错也容易发现。而在法律、医疗、金融这些领域，要验证一个 Agent 干得对不对，往往需要和干这活本身一样多的专业能力。所以信任建立得慢得多。

一家诊所连着几十个外部系统，每一个都以自己的节奏出故障

既然是块空白，为什么一直没人做成。自述里给了三道坎，第二道是最具体的一道。

每一个都按自己的方式运作，每一个都以自己的节奏出故障。

Steijn Pelle · a16z News · 2026-06-03

这一条上两位创始人有现成的经验。Steijn Pelle 在 Robinhood 时，团队拼了命做到几乎零人工审核开户，是最早这么干的券商之一；另一位联合创始人 Frédéric Renken 在 Superhuman 做第一个产品岗，那个团队死磕的正是新用户第一次上手的每一点摩擦。

他们的办法是笨办法：先去打工，再一家家上门装

那么他们是怎么做成的？答案跟模型没什么关系。两个动作，都是硅谷嫌弃了很多年的那种笨活，而且都能在 Paul Graham 十几年前的两篇文章里找到出处。

Lassie 的两位联合创始人。窗台上那摞纸和桌面上摊开的表单，就是他们几个月里天天在处理的东西。图片来源：a16z News。

700 家诊所、49 个州、年化 1000 万美元

所以这两个笨办法换来了什么。截至 2026 年 6 月 3 日，这套系统的公开数字是这样的。

后两个数字可以互相验一下：25 万小时 ÷ 700 家 ÷ 12 个月 ≈ 每家每月 29.8 小时，和「平均 30 小时」对得上。增长主要靠口碑和老客户转介绍，每个月新增几十家。有一位客户告诉他们：你们救了我的婚姻。

a16z 领投的这一轮是 3500 万美元 A 轮，由 Alex Rampell 和 Olivia Moore 主导。同一份公告里给的市场规模是：全美约 16 万家牙科诊所。作者自己在自述里给的另一个口径是 50 万家医生诊所。

今天实际接管的，是那条钱流里的两格

Lassie 自己的产品页把功能列成了三条。对照前面那张钱流图看，位置一目了然。

a16z 在公告里也是这么描述的：牙科是第一个市场，选它的理由是痛点尖锐、流程结构化、重复且金额大；更大的想法不限于牙科，但那是后面的事。

两个数字挨在一起，容易读成一回事

自述里说，这套系统要顶掉的是「一年 20 万美元的行政人力开支」。同一篇文章里给的实际交付是：平均每家每月拿回 30 小时。

这两个数字放在一起，读起来像是 20 万美元已经省下来了。按美国牙科诊所行政岗的一般时薪算，每月 30 小时大约对应几百到一千美元的人力成本，一年几千到一万出头。20 万美元是这个活的天花板，30 小时是今天走到的位置。中间还差着一大段。

另一个数：1000 万美元年化收入 ÷ 700 家诊所 ≈ 每家每年 1.43 万美元，约合每月 1190 美元。这是本站拿两个公开数字反推出来的量级参考，Lassie 没有公开定价，实际价格可能按诊所规模分档。

另外有两件事，这篇自述从头到尾没有提：AI 把一张理赔单报错了，责任归谁；这套系统怎么满足 HIPAA（美国医疗隐私法）对病人数据的要求。对一个直接操作医疗账务和病人信息的产品来说，这是最该问的两个问题，文中只写了「更要做对」。本站也没有查到公开答案。

客户真正掏钱的理由，和创始人讲的不是同一个

但这些数字背后，真正的付费理由换了一个。这件事要把创始人自述和同日的投资公告摆在一起才看得出来，两边讲的最大好处，落点不一样。

省时间是感受，捡回漏掉的钱是账。前者让老板高兴，后者让老板每个月心甘情愿续费，它能算出来。

同一份公告里还有一句把产品形态说得很死的话：Lassie 不做 copilot。理由是 copilot 会给诊所制造出更多需要人去审核的工作；他们要的是把活直接干完。

这个案例里，有五条做法可以直接搬走

所以撇开这家公司本身，这套打法留下了什么。下面五条都能在前面的事实里找到对应，不是从「垂直 AI 有前途」这类空话里推出来的。

省下来的时间，没有变成裁员

那么最后还剩一个大家都会问的问题：这几十小时省下来之后，那些行政岗怎么办。

作者搬出了一个经济学里的老概念，劳动总量谬误（lump of labour fallacy）。这个词说的是一种常见错觉：以为世界上要干的活是固定的一整块，机器多干一点，人就必然少干一点。

他说看了 700 家诊所之后确信这是谬误。省下来的时间，老板们拿去扩诊所、改善病人体验、干那些本来就更值得干的事。这是一方的说法，没有第三方数据支撑，不过它和另一份公开研究的结论是一个方向。

Lassie 接下来要做两件事：把消息传得更快，几百万个老板还不知道这件事是可能的；以及把安装做到任何一个老板自己就能开通。再往后是往深里做，让系统干更多的事、接上一家生意本来就在用的更多工具。

自述的结尾是一句招聘。

口径提醒：本文引用的 700 家诊所是 2026 年 6 月 3 日的数字。截至本文发布时，Lassie 首页写的是「2,500+ 位医生」，公司页仍写「700+ 家诊所」，医生和诊所不是同一个单位（一家诊所通常有好几位医生），两个数不能直接比。

AI 已经这么能干，为什么这活还是人在一笔笔敲。Anthropic 在 2026 年 2 月统计了自家接口上近 100 万次 Agent（能自己调工具把活干完的 AI 程序）调用，看它们落在哪些行业。

医疗 1.0% 这个数容易被读反。它标记出来的是一块还没开张的市场。

难点同样不在模型。一家牙科诊所连着几十个保险公司门户、好几个理赔中转站、一套诊所管理系统、一个银行账户，用 Steijn Pelle 的原话：每一个都按自己的方式运作，每一个都以自己的节奏出故障。他们的解法是两个硅谷嫌弃了很多年的笨活。

这几个月里，两位创始人对账了几百万美元的保险打款、提交了几千张理赔单、给几百个病人开了账单，才知道那 200 小时具体消耗在哪几个动作上。前 100 家客户从佛罗里达到堪萨斯到俄勒冈一家家上门装完，他们才搞清楚怎么让第 101 家自己把系统接起来。两句台词分别出自 Paul Graham 写的 schlep（又累又烦没人想干的苦活）和 Stripe 当年的上门安装。

两个笨办法换来的成绩单，截至 2026 年 6 月 3 日：

后两个数字互相对得上：25 万小时 ÷ 700 家 ÷ 12 个月 ≈ 每家每月 29.8 小时。所有数字均出自 Lassie 自述与 a16z 投资公告，没有第三方核实。

这篇最值钱的一层，要把创始人自述和同日的投资公告摆在一起才看得出来：两边讲的最大好处，落点不一样。

省时间是感受，捡回漏掉的钱是一笔算得出来的账，也是每个月续费的理由。同一份公告里还有一句把产品形态说死的话：Lassie 不做 copilot（在旁边给建议、由人拍板的助手），因为 copilot 会给诊所制造出更多需要人去审核的工作。