40亿美元的顶峰与一场暴跌的解释
Blend在2021年以美国金融科技行业的众多热门名称之一的身份闯入公共市场。其为银行和贷款方提供的自动化平台整合了贷款申请，减少了用户注册过程中的摩擦，并承诺对金融领域这一最慢发展的行业进行现代化。市场对此深信不疑，最终该公司的市值在巅峰时接近40亿美元。
随后的发展几乎无需解读。美联储在2022年至2023年之间进行了激进的加息，美国抵押贷款的发放量崩溃，而Blend的收入模式直接与其银行客户的交易活动挂钩，因此受到的影响是立竿见影且比例相等。当支撑你收入引擎的市场萎缩一半时，无论软件多么高效，都无法不在财务报表上留下痕迹。
现在，据《财富》报道，CEO Nima Ghamsari正在将公司重新定向至利用人工智能推动自动化，作为恢复的途径。理论上这一想法相当吸引人：如果人工智能能降低处理每项交易的成本，并将平台的覆盖面扩展至抵押贷款以外的领域，Blend可能会以一种对利率周期不那么敏感的结构重建其收入基础。然而，合法化这一理论需要的组织管理方式在生存模式的企业中鲜有出现。
没有人称之为的错误
Blend的商业模式建立在一个隐含的假设上：抵押贷款市场在足够长的时间内将保持不变，足以使其几乎完全依赖于这一细分市场。这并不是对创始团队智慧的批评，而是对在便宜资本环境中超高速增长逻辑如何运作的一种描述。当资本充足，投资者奖励任何代价的增长时，将资源集中在最有吸引力的细分市场在短期内是完全合理的。
结构性问题是这种集中使得公司失去了缓冲。一个设计良好的商业投资组合并不依赖于唯一的收入来源以在不利的经济周期中生存。在其价值最高的那一刻，Blend似乎没有孕育出具有足够预算自主权的平行业务线，以便在首个收入来源消亡时能够转变为第二个引擎。抵押贷款自动化便是所有：产品、客户、对投资者的论点，以及内部评估每项举措的标准。
这种投资组合的同质性恰恰是不会在首次公开募股的路演中显露的脆弱性，但经济周期最终总是会暴露它。而当这种脆弱性出现时，企业通常的应对方式——我们在此所见——是将某项新兴技术视为出路。在这种情况下，人工智能有成为叙事论据的风险，而非可验证的操作引擎。
自动化并不等同于探索
此处分析变得技术上更具挑战性。Ghamsari正在押注于人工智能，以降低运营成本并改善现有业务的利润率。但这从定义上看属于效率提升方面的举措，而非探索新的收入模式。区分这一点很重要，因为它对如何管理、融资和评估这一押注有直接影响。
如果将人工智能作为现有抵押贷款业务的效率层面来部署，那么基础风险并不会消失：它只是变得更便宜易操作。不利的利率周期仍将压缩交易量，而通过自动化降低的成本仅仅改善了盈亏平衡，而并未多样化收入来源。为了使人工智能的押注在投资组合方面真正具有变革性，Blend需要利用它开辟邻近类别——其他信用产品、其他类型的银行客户、其他地理市场——并呈现出真实的探索逻辑，而非仅仅是对现有业务的优化。
在这种转变的经典组织风险中，是用与成熟的抵押贷款业务相同的盈利指标来评估人工智能举措。如果管理层在资助一项智能自动化项目的同时却要求用短期收入指标为其预算辩护，那么得到的并不是探索新市场的内部初创公司，而是一项财政捉襟见肘的IT倡议。这种管理模式无法产生投资组合扩展，而只会生产报告。
Blend所需的——且不清楚是否已在实施的——是保持今日业务的核心运营与为未来押注融资之间的预算与运营分离。这意味着要保护核心运营的现金流，定义探索项目的学习指标，并赋予其足够的自主权，以便能够验证市场假设，而不必每个季度像成熟业务一样受到评估。
组织设计决定人工智能是杠杆还是论据
在经历商业模式危机后押注新兴技术的公司的历史，有一个可识别的模式。成功的公司清晰地区分了当前业务生存所需预算与开拓新业务线的探索预算。失败的公司则试图利用新技术来提高已有业务的效率，而没有构建出组织能力来探索不同的东西。
Blend正处在一个两种压力共存的时刻：它需要在短期内改善利润率，以维护公众市场的信心，同时也必须建立一个对抵押贷款周期暴露较小的收入基础。这两种需要对应着不同的管理逻辑：第一种要求控制、效率与可预测性，第二种则需要容忍实验、较长的验证周期与不以季度财务报表为指标的度量。
根据现有信息，Ghamsari的押注似乎更倾向于第一种逻辑：利用人工智能提高已有业务的盈利能力。在现有背景下，这在理性上是可以接受的，但并不能解决Blend因抵押贷款市场收缩而显露出的结构性问题。一个依赖于单一领域产生收入的投资组合，即使该领域技术上运作更为高效，依旧是单一领域的投资组合。
Blend重组的可行性在于管理层是否能够在维护现有运营效率的同时，建设出保护预算和独立指标的探索能力。没有这种分离，人工智能将成为利润提升的手段，而非投资组合的扩展，而下一个不利周期又会将公司置于与现在同样的结构性位置。
