Encore AI的AI坐席,有时候会讲和人类客户经理一模一样的笑话,举一模一样的例子。原因很直白:这些话术是它照着通话录音"学"出来的。
这家公司刚拿到3000万美元A轮融资,由Team8领投,跟投方包括Planven、Lukatz、Garage,还有几家银行和保险公司。部分投资机构此前就是它的客户,先用了产品,才把钱投进去。
发生了什么
Encore AI前身叫Insait IO,2022年由Dvir Ginzburg创立,最早做的是给财富管理顾问用的推荐系统。改名后业务扩成了一整套"交互挖掘"平台:抓通话录音、邮件、短信,对上CRM里的成交结果,把一段对话拆成几个阶段,标出哪句话把客户往前推了一步,哪句话让对话卡住。
提炼出来的打法最终变成两种产品。一种是直接和客户对话的语音或文字智能体,另一种是坐在员工身边的助手,实时提示该怎么接话。
公司现在有40多家企业客户,大多是金融机构。Ginzburg说,自不到18个月前那轮种子融资以来,ARR涨了5倍以上,但没说涨到多少、估值多少。这笔钱接下来花在扩大美国销售团队,以及把产品铺进更多大型金融机构。
护城河能不能扛住CRM巨头
Encore面对的最大问题不是AI能不能学会说话,是Salesforce、SAP、Zoho、HubSpot这些CRM巨头随时能在自己的数据上做同一件事。它们手里的客户对话记录,只多不少。
Ginzburg的回应是:数据摆在那,不代表巨头会用。把通话历史当成一个数据点来抓取,需要重构整套实施流程和技术栈,这些公司目前没把对话历史当回事。这话有逻辑,但目前只是创始人的一面之词,没有独立证据证明CRM巨头做不到,更可能的情况是它们只是还没想做。
| 对比维度 | Encore AI | Salesforce/SAP/Zoho/HubSpot |
|---|---|---|
| 数据起点 | 通话录音、邮件、短信原始交互 | 已结构化的CRM字段和成交记录 |
| 核心壁垒 | 从原始交互提炼打法的实施流程 | 客户入口、既有数据规模、分发渠道 |
| 当前动作 | 已上线,聚焦金融机构 | 尚无公开同类产品,动向不明 |
| 复制难度 | 需要长期打磨的实施经验 | 技术上可行,优先级和意愿未知 |
一百年前,泰勒制把工厂老师傅脑子里的手艺拆解成可复制的标准动作,效率上去了,工人手里的议价筹码跟着丢了。Encore做的是同一套逻辑在销售场景里的重演,拆解的不是拧螺丝的动作,是怎么跟客户建立信任。区别也很明显:拧螺丝抄了就是抄了,销售话术能不能成交,还牵扯客户质量、价格、品牌,机器讲对台词不等于一定能签单。
授人以鱼不如授人以渔——这次,渔术被机器学走了。
这对谁意味着什么
金融机构的销售、客服和客户成功团队最先感受到变化。优秀员工的隐性经验一旦被拆解成打法库,普通岗位的绩效评价方式会跟着变,议价空间也会被压缩。这不等于裁员已经发生,目前公开信息里没有这类数据。
对企业AI和CRM软件从业者,该看的是Encore有没有真的补上一层CRM巨头没做的事:把原始通话变成可复用资产,而不只是把对话存下来。如果自己团队做对话分析或销售赋能产品,值得问一句:自己的产品栈里,有没有类似的"交互挖掘"这一层,还是只停留在录音转文字。
对金融机构的数字化和客服运营负责人,采购前至少要问清楚三件事:录音授权范围覆盖到什么程度、模型给出错误建议时责任怎么划分、数据是否会被用来训练面向其他客户的模型。ARR数字好看,不代表这些问题已经有答案。
这轮融资里最耐人寻味的一笔,是几家金融机构先当客户、后做投资人。这多少说明产品解决了具体问题,但握着股份大概也让人心里更踏实——毕竟自己的通话记录正被拿去训练模型。开头那个会讲人类笑话的AI坐席,证明的是模仿能做到位;客户会不会因此把信任也一并交出去,才是Encore真正要过的关。