Ben Harrison：Intapp 規模翻了三倍，然後 AI 改變了一切

Intapp 產業部門主管 Ben Harrison 認為，AI 在私募股權及其他專業服務機構創造價值的下一階段，重點不在前沿模型研究，而在「firm AI」：也就是在嚴格保密與資訊屏障控管下，讓代理工作流程（agentic workflow）在機構自身累積的記憶之上執行公司自己的作業程式。訪談大部分時間都在談 Intapp 的風險、獲利與成長平臺（包括 DealCloud）如何重新定位為 AI 原生，這在募資與交易生命週期管理上具體長什麼樣子，以及治理為何成為最關鍵的卡點；標題暗示的人員編制未來問題，直到接近尾聲才短暫提及。

Harrison 以在 DealCloud 併入 Intapp 的組閤中待了約十年的經歷發言，如今負責法律、投資銀行、私募股權、會計與顧問等產業的策略。讀者讀完應該能具體掌握：代理式 AI 在投資機構內部實際部署在哪些環節、哪些機構先採用及其原因，以及 Harrison 所說「沒有任何客戶對話能超過十分鐘」的治理難題。

Intapp 的賭注：代理式 AI 會讓垂直軟體更有價值，而非貶值

Harrison 的核心論點是：前沿模型（Claude、GPT）正讓分析師做的研究工作——製作簡報、閱讀會議逐字稿、建 LBO 模型——逐漸商品化，而真正持久的價值在於執行公司自身的作業程式。Intapp 正據此重新定位整個技術堆疊，把這項能力命名為「firm AI」，代理層則叫「Celeste」。其賣點是：一個能存取公司完整歷史的代理——與每位 LP、每個經營團隊、每家目標公司的每一次往來——能用通用模型做不到的方式量身打造提案或追逐標的，因為這些記憶就存在 Intapp 的系統裡。

公司將此定位為賣給同一批客戶的第三波自動化。Harrison 梳理了演進脈絡：第一波是工作流程引擎與以 API 為基礎的資料同步（他舉早期 Thomson One 銀行家外掛、Capital IQ 同步與 PitchBook 聯結器為例），第二波是關係情報（名為「RelateIntel」的能力，從電子郵件與行事曆中挖掘誰認識誰），如今則是複雜程式的代理式執行。他的說法是每一波都建立在前一波之上，因此長期客戶可以把代理層疊加在多年打磨的部署之上，新客戶則能「插隊」，因為代理是從公司資料中學習程式，不必靠人工串接 API 整合。

「我們的解決方案並不是幫我建 LBO 模型、或幫我做提案簡報那種東西。它更多是在核心複雜交易生命週期或募資生命週期上的代理式 AI 工作流程。它真正在做的是經營整家公司。」

Harrison 提供的規模背景：Intapp 目前營收約 6 億美元，相較於四、五年前 IPO 時約 2 億美元，幾乎成長了三倍。公司剛慶祝成立 25 週年，最初在 Palo Alto 以服務律師事務所的資料整合裝置起家，並在約八年半前（以 2026 年發布日推算，約為 2018 年）合併 DealCloud。

護城河是對程式的熟悉度，這在募資與交易生命週期上最明顯

Harrison 主張，Intapp 領先二十年的經驗讓它學會這些機構實際如何運作，而這種熟悉度已內嵌在軟體中。他引用覆蓋率資料：前十大私募股權機構中的 10 家、前十大私募信貸機構中的 10 家、前十大二級市場機構中的 9 家，以及 AmLaw 100/200 法律市場。他逐一說明的流程，正是本集節目的實質內容：

| 流程 | 程式涵蓋範圍 | Harrison 認為 AI 加值最多之處 |
|---|---|---|
| 募資 | LP 開發、Pipeline、歷史績效與同業標竿、提案簡報與 DDQ、LPA 與認購檔案、LP 上線 | 推薦哪些 LP 最可能獲得配置、最可能如期完成；自動化 DDQ 與盡職調查回覆 |
| 案源開發／開發 | 全球公開資料、第三方市場資料源、專有的關係與通話資料 | 代理把數千個候選標的篩到短名單，並起草給經營團隊的提案 |
| 交易生命週期 | 跨基金與策略的 Pipeline 彙整、投資評估、盡職調查與資料室、檔案作業、交割與資本撥款 | 代理建立交易與公司紀錄、管理週一 Pipeline 會議、把交易推進到投委會 |

在案源開發上，Harrison 描述三層資料模型：公開資料、公司能授權取得的每一個專有第三方資料源，以及公司自身「其他地方不存在」的關係與互動資料。他指出任何人都能用 Claude 研究一家公司，所以差異化在第二與第三層。在 LP 方面，他點名 Preqin 是提供機構 LP 資料、支援募資團隊的重要合作夥伴。

「你可以很快從數千個縮到數十個，得到可執行的結果……對公司和經營團隊的提案要怎麼談？」

治理與保密才是真正的瓶頸，而 Intapp 賣的正是那道圍牆

這是 Harrison 認為最重要的一節。他描述客戶所處的種種限制：公司內部的資訊屏障、對客戶與市場的保密義務、任何人接觸交易前的利益衝突審查、員工交易限制，以及一旦違反就會帶來罰款與聲譽損害的獨立性規範。這些政策隨著監管環境「基本上每季」變動。他的重點是：代理式 AI 天生並不擅長遵守這些規範——一個被要求檢視所有可用資料的前沿模型，不會知道其中有些資料是被隔離的。

Intapp 的解法是讓代理跑在自己的許可權控管與排除性許可權層（即「Walls」產品）之下，讓律師或銀行家能看到什麼，就決定代理能看到什麼。Harrison 說 Intapp 現在用 Walls 來治理律師事務所內的第三方 AI 工具，並點名 Harvey 與 Legora 為例。他將此定位為既有廠商的結構性優勢：資料與屏障本來就存在 Intapp 的系統裡。

flowchart TD
    A["公司資料與機構記憶"] --> B["Intapp 許可權控管與 Walls"]
    C["第三方 AI 工具（Harvey、Legora）"] --> B
    B --> D["Celeste 代理工作流程"]
    D --> E["募資、案源開發、交易生命週期"]
    E --> F["受保密與利益衝突規範約束的產出"]

大型、技術能力強的機構先採用；中型市場落後但可能跳級

Harrison 對採用模式說得很直接：有研發預算與內部技術能力的大型企業先走——前十大私募股權機構、前十大全球投資銀行、前 10 至 20 大律師事務所。但他也補充：有些小型機構科技傾向極高，動作一樣快，所以與規模的相關性很強但並非絕對。以產業來看，科技與 TMT 導向的投資人，加上航太國防及部分工業投資人，最早採用，因為經營其投資組合公司本身就高度涉及科技。較傳統、較單純的產業則落後。

他也主張採用週期會比過去的軟體週期更快，而且追趕的成本已經下降：代理是從資料學習程式，不必串接 API，所以今天才起步的機構，匯入難度遠低於幾年前。他給評估中型機構技術成熟度者的建議，其實已隱含在資料模型裡——要問對方是否整合了專有第三方資料源、是否捕捉了自身的關係資料，而不是問對方是否自稱懂科技。

未來的公司：G&A 更精簡，投委會不會變成一個代理

Harrison 在這裡相當謹慎，不願對分析師招聘強烈選邊。他指出上市公司維持分析師與副理人力不變或縮減，也承認把數天的建模壓縮成數小時，能帶來「初階職級的大幅利潤提升」。但他不預測分析師角色會消失。至於投資委員會，他說客戶會把 AI 代理放進會議室看它推薦什麼，但他不預期投委會本身會變成一個代理。

他有把握的是後勤職能：G&A 與支援人力不應隨業務規模同步擴張。這正是 Intapp 所賣的效率論述——降低成本、加快速度、把經營公司的流程自動化，與投資判斷那一層是兩回事。

「他們會不會用它來幫忙？當然會。所以我們在『分析師招聘會不會消失』這件事上，其實不屬於任何一方。」

上市公司的限制在成長速度，而非合併本身

被問到 DealCloud 合併後有什麼未達預期，Harrison 沒有點出策略上的失誤。他形容這個組合在設計上就是互補——前端是 DealCloud 的案源開發與開發，後端是 Intapp 的風險、獲利與工時管理——兩者合起來涵蓋了一家機構經營自身所需的一切。未達預期的是速度：作為一傢俱規模的上市公司，持續的壓力是更快的年成長，而「如果有什麼達不到你的預期，那就是你沒能更快到位。」他說年度規劃會盡量採公司能站得住腳的最積極立場。

至於下一段成長，他的答案在定價與投資報酬，而非新市場：firm AI 的定價高於過去的垂直 SaaS，因為客戶的回報更好，而 AI 浪潮也創造了系統現代化的迫切理由。他也從擴大的職責中得出一個跨產業的心得——律師事務所、銀行、私募股權、會計師與顧問業，都是以資深合夥人學徒制的方式，把團隊派進高價值的客戶情境，正是這種結構上的相似性，讓 Intapp 能把代理工作流程移植到各垂直領域，同時保留各專業領域的細膩差異。

Harrison 會給考慮合併的創辦人的建議，以及他希望自己早點做的事

關於合併，Harrison 的建議是隱含的：挑一個產品與市場互補、交叉銷售顯而易見的組合，並花時間先了解市場再合併。他形容 Intapp 與 DealCloud 在結盟前都是自力更生、有機成長、在各自垂直領域領先的企業。

他最後的反思偏個人。他 14 歲的第一份有薪工作是北卡羅萊納州一處名為 Chalet Club 的度假村的水上滑水教練——清早清理泳池、替客人做鬆餅，然後教家庭成員滑水，小費一週可達 500 至 1,000 美元。工作之外，他有三歲、四歲和五歲的孩子，受訪前的週末才教女兒騎兩輪腳踏車。他的人生體悟：要及早成為真正善於傾聽的人，並擅長消化回饋，因為在他二、三十歲時，身邊盡是擁有數十年經驗的專業人士，而他沒有把那段時間用到極致。

值得持續追蹤的主線，是 Harrison 的治理論述在商業上是否站得住腳。如果資訊屏障與利益衝突管理真的是投資機構內部代理式 AI 的關鍵門檻，那麼 Intapp 在這些系統中的既有地位就是持久的護城河，他所描述的定價能力也站得住腳。但如果前沿模型廠商自己打造出可信的許可權控管，「firm AI」的溢價就會壓縮到資料本身的價值，而非工作流程層。Harrison 的答案——Intapp 已在律師事務所內治理 Harvey 與 Legora——正是應該檢驗的說法。