人工智能时代，如何推动VC风险投资能更多使用数据、AI，一直是我和IT桔子在探索的方向，到目前仍是收获甚微，相比我们开发的一些落地应用和场景，显然VC个人使用其他方向的AI产品很多、但在自己本身工作上的还不太多。
如同上一个数字化时代一样，VC的数据化、量化、人工智能化进程仍充满挑战，其实即便放在全球VC行业，来说量化VC、AI化VC 这种概念，其实也是小众群体，所以这整体是一个小众中的小众市场。所幸的是，一直有一群人和我们一样，在探索和观察这个行业。
最近知名VC机构 Accel 首席产品官 Rahul Nath 在 DDVC峰会 （ https://www.datadrivenvc.io/ddvc-summit-2025 ）做了一个主题演讲，介绍了在他从企业界加入VC行业一年多来、他所看到的一些问题与行动。
Rahul Nath（https://www.accel.com/people/rahul-nath）2024年加入 Accel，担任首席官，主要负责该机构一些现代化工具（数据、人工智能）的开发和使用。在此之前，他曾在 Accel 投资的一家金融科技公司 Drip Capital 负责产品，此前他还曾在 Google 的支付和中小企业广告业务部门负责产品和业务战略。职业生涯早期，Rahul Nath曾在麦肯锡和花旗银行工作。
从他的履历可以看出，这是一个兼顾金融、咨询、科技等多个行业经验的复合人才。2024年选择加入 Accel 这家全球都算顶尖的 VC机构，其目标也在于去探索 VC这个行业、如何使用现代化的各种数字、数据工具和人工智能产品。
经过一年多的实践，困难是显然的，于是 Rahul Nath在 DDVC 分享了这个主题：如何推动VC投资者去实际使用数据和人工智能产品。具体来看看~~
一、为什么这比看起来要难
让我们从显而易见的事实开始：让VC实际采用产品是困难的，尤其是你的用户是一群超级忙碌的投资人。有三个挑战：
1、工具与数据超负荷
VC所需要的数据源比以往任何时候都多，但每个数据源都有自己的用户界面、工作流程和AI Agent。整体混乱，使用不方便。
2、VC投资者注意力稀缺
当下VC都更忙了。人工智能正在加快一切的步伐。是时候上新工具了吗？基本上为零。
3、对数据质量的怀疑
VC们都记得那些错失的机会。如果你的数据曾经让他们误入歧途，重建信任需要时间。
二、像对待企业客户一样对待VC
看上去，把VC投资人当做一个独特的客户群体是很诱人的。实际上，VC并不是。
Rahul Nath 建议像企业SaaS公司那样思考：按投资人的资历、地域、重点领域（例如B2B、B2C很大不同）和工作流程对用户进行细分。
1、优先考虑细分市场：先从一小群VC试验开始，甚至是一个VC
2、解决特定的痛点问题：人才面试、项目竞品等。
3、能帮助形成某个特定习惯：比如每日或每周的AI使用案例。
三、建立对数据的信任
让VC使用数据之前，建立信任是必要的。
Rahul Nath 分享了一个思考框架：匹配正确的数据、解决正确的特定问题。不要试图一下子完成所有事情。从保真度最高的数据子集开始。
战术技巧：
- 对新数据集进行嗅探测试。
- 对限制保持透明：提前设定预期。
- 快速修复不准确之处：没有什么比陈旧或错误的数据更能摧毁信任。
目标是什么？获得足够的信任，以吸引投资者想要继续使用你的平台。
四、让数据变得更容易访问
好的数据还不够。这些数据还需要出现在VC们容易使用的地方，比如：
- Chrome扩展：这些产品的使用很方便。
- Gmail插件：情境洞察，就在电子邮件中。
- Slack/WhatsApp机器人: 将数据推入现有工作流程。
此外用户体验很重要。即使是小细节（如有用的数据定义）也能起到很大作用。尤其是在B2B工具中，这些细节往往被忽略。
此外，数据和AI工具还要赋予用户控制权：VC可以自定义视图，选择列，并根据他们的工作流调整界面等等。
五、做一个变革者，而不仅仅是一个建设者
归根结底，让VC使用数据、AI工具等，这是一个变革问题。毕竟要做变革、不仅仅需要软件。
Rahul Nath 分享了几种经过实践考验的具体战术：
- 找到内部冠军：他们比你能卖得更好。
- 庆祝小胜利：即使是浮出水面的机会也很重要。
- 创造性地量化影响：安排会议，避免错误，节省时间。
- 游戏化：排行榜可以以令人惊讶的方式推动采用。
当然，从实践落地来看，即便是在 Accel 这样的顶尖机构中，要去使用、采购关于VC的数据、工具和产品，都是很难的。一切都还在早期。