Encore AI、顧客通話をエージェント向けプレイブックに変えるため3000万ドルを調達

Encore AIは、顧客との会話からエージェントを構築するため3000万ドルを調達し、エンタープライズAI競争をより鮮明に捉える視点をgoogle news読者に提供した。このシリーズAは、やや異例の前提に資金を投じるものだ。企業にとって最良の学習材料は、すでに通話、メッセージ、顧客関係管理システムの中に存在しているかもしれない。

このスタートアップは、従業員が顧客対応をどう処理しているかを分析し、成功した結果と結び付く戦術を特定する。その知見を、顧客と会話する、あるいは人間の従業員を支援するエージェント向けのプレイブックに変換する。Encoreが賭けているのは、エージェントが単に会話を自動化できるということだけではない。組織内で最も優れた成果を出す人材の実践的な習慣を吸収できると同社は考えている。

この構図では、EncoreはSalesforce、SAP、Zoho、HubSpotなど、すでに価値ある顧客データを保有するプラットフォームと競合する。既存大手は基幹システムを保有している。Encoreは、エージェントがどの人間の行動を模倣すべきかを判断する解釈レイヤーを握ろうとしている。

今回の資金調達により、Encoreは大手金融機関を横断してこの戦略を進める余地を得た。ただし、同社が持続的な優位性を持つかどうかはまだ決着していない。既存のCRMベンダーには、若い企業が乗り越えなければならない販売網、統合機能、既存顧客との関係がある。

3000万ドルのラウンドは特定のエージェント戦略に資金を投じる

Encoreは、静的なスクリプトを基に訓練された汎用的な音声ボットではなく、完了した顧客対応から学ぶシステムに資金を充てている。

資金調達の元記事によると、Encore AIはTeam8が主導するラウンドでシリーズAを調達した。Planven、Lukatz、Garageも参加した。Encoreに投資する前から同社を利用していたと報じられる金融機関を含め、銀行や保険会社も資金を拠出した。

こうした顧客の参加は重要だ。金融サービスは、会話型ソフトウェアにとって厳しい試験の場となるからである。有用なエージェントは、複雑な商品、規制対象のプロセス、顧客履歴、慎重に管理された表現を扱わなければならない。また、企業が気軽に置き換えられないシステム内で稼働する必要もある。

Encoreは、この資金を米国の営業体制拡大と、より多くの大手金融機関への展開に使う計画だ。CEOのDvir Ginzburgによれば、同社はすでに世界で40社超のエンタープライズ顧客を抱えている。その大半は金融機関だ。

GinzburgはTechCrunchに対し、Encoreの年次経常収益はシードラウンド以降、5倍超に増えたとも述べた。前回の資金調達はシリーズAの18カ月未満前に実施された。同氏は基礎となる収益、評価額、顧客契約額を明らかにしていない。

こうした非開示事項は、外部の人々がこの成長主張から推測できる範囲を制限する。大きな成長率は、小規模な基盤から始まる可能性がある。顧客数も、導入規模、更新率、人間の介入なしにエージェントがどれほどの業務を実行しているかについては、ほとんど示さない。

それでも今回のラウンドは、明確なプロダクトの方向性を後押しする。Encoreは通話録音、メール、テキストメッセージを収集し、それらをCRM記録と結び付ける。同社のシステムは顧客対応を段階ごとに分け、進展または失敗に関連する行動を探す。

Encoreはこのプロセスを「interaction mining」と呼ぶ。この言葉は、顧客との会話から繰り返される戦術、パターン、結果を抽出することを指す。Encoreは、文字起こしを要約すべき文書として扱うのではなく、業務がどのように遂行されるかを示す証拠として扱う。

この違いは、同社の訴求の中核にある。会話インテリジェンスツールは一般に、会議を文字起こしし、トピックを特定し、フォローアップメモを作成する。Encoreは過去の顧客対応を、エージェント向けの運用指示に変換しようとしている。

同社によれば、そのエージェントは音声またはテキストでやり取りできる。また、ライブの会話中に応答や戦術を推奨することで、従業員を支援することも可能だ。これによりEncoreは、即時の完全自律にすべてを賭けず、人間主導と自動化の両方のワークフローを支援できる。

したがって今回の調達が変えるのは、Encoreのバランスシートだけではない。顧客対応の履歴が防御可能な学習資産になり得ることを実証するための時間を、スタートアップに追加で与える。この問いこそが、このgoogle newsイベントをより広い意味で重要にしている。

Google Newsの読者が調達額の先を見るべき理由

重要な競争は、散在する顧客履歴を、顧客対応のたびに改善される行動へと変換できるのは誰かを巡るものだ。

営業チームはすでに膨大な会話素材を生み出している。通話には、反論、説明、交渉戦術、顧客の懸念、正式な文書には決して残らない事例が含まれる。メッセージは、返信を得るためのフォローアップ表現を示す。CRM記録は、どの案件が進展し、どの案件が失われたかを示す。

大半の組織は、これらのシグナルを別々の場所に保存している。録音は通話プラットフォームにあり、書面でのやり取りはメールやメッセージングツールに残り、結果はCRMに蓄積される。管理者が各ソースを検索できたとしても、行動と成果を結び付けなければならない。

Encoreのアプローチは、その結び付きを自動化しようとするものだ。システムは段階ごとに顧客対応を分析し、記録された結果と照合し、成功しているように見えるパターンからプレイブックを作る。エージェントはその後の顧客対応で、そのプレイブックを利用できる。

この仕組みは、応答前に関連文書をモデルへ供給する検索拡張生成、すなわちRAGとは異なる。RAGは、エージェントが商品情報や社内方針を見つけるのに役立つ。interaction miningは、効果的な従業員が実際の会話で情報をどのように活用するかをエージェントに教えようとする。

両手法は補完し合える。エージェントは承認済みの方針を取得したうえで、学習したプレイブックを使って明確に説明できるかもしれない。ただし、それぞれの指示の出所と信頼性は依然として異なる。方針文書は組織が許可する内容を示す。過去の会話は、ある従業員が実際に何を言ったかを示す。

ライブの営業支援に関する研究は、関連情報へ即時にアクセスできることがなぜ重要になり得るかを示している。2026年の営業コパイロット研究では、顧客の質問を検出し、構造化された商品データベースから回答を取得するシステムが検証された。

研究者らは、テスト環境における平均応答時間が2.8秒だったと報告した。内部の手動検索ベースラインは25秒から65秒の範囲だった。この実験は50商品と生成されたナレッジベースを用いる保険シナリオで実施されたものであり、実際のエンタープライズを横断するフィールド試験ではなかった。

Encoreが目指すのは、検索速度のその先にある。特定の段階にどの説明、逸話、会話上の動きが適合するかを判断したいのだ。Ginzburgは、同社のエージェントが、成果を上げるリレーションシップマネージャーが用いるようなジョークや例を再利用することもあると述べた。

この点は製品を印象付ける一方で、中核的な難しさも浮き彫りにする。ある従業員に有効だった戦術は、口調、タイミング、本人の属性、確立された顧客関係に依存している可能性がある。言葉をコピーしても、同じ結果が保証されるわけではない。

そのため企業は、再現可能な技法と個人的な習慣を区別しなければならない。また、真の因果シグナルと相関関係を分ける必要もある。経験豊富な担当者が特定の話をした後に成功するのは、顧客がすでにその人物を信頼しているからかもしれない。

これが、今回の資金調達がエンタープライズの購買担当者にとって重要である理由だ。Encoreは今、特に金融サービスにおいて、より多くの導入環境で自社の手法を検証するためのリソースを持つ。最も強い証拠は、エージェントがより人間らしく聞こえることではなく、統制された成果から得られるだろう。

ナレッジワーカーにとって、この考え方は営業を超える。組織は会議、メッセージ、意思決定を通じて非公式なノウハウを蓄積する。検索可能なナレッジベースは明示的な情報を保存できる一方、顧客対応の分析は日常業務に埋め込まれた行動を捉えようとする。

機会は大きいが、ガバナンスの負担も大きい。過去の業務を検索可能なメモに変えるよりも、自動化された行動に変えるほうが、はるかに多くの判断を要する。

Encore AIの仕組みは会話をプレイブックに変える

Encoreが掲げる優位性は、従業員が何を言ったかと次に何が起きたかを結び付け、有用なパターンをエージェント向けにパッケージ化することにある。

プロセスは取り込みから始まる。Encoreは録音、メール、テキストメッセージ、CRM情報を集める。この組み合わせにより、システムは会話の内容と、顧客が営業またはサービスのプロセスをどのように進んだかの記録の両方を得る。

次に、プラットフォームは顧客対応を段階ごとに分ける。最初の問い合わせには、更新に関する話し合いや苦情とは異なる対応が求められる。プロセスを分割することで、成功したあらゆる表現を普遍的に有用なものとしてシステムが扱うことを防ぎやすくなる。

その後、プラットフォームは望ましい結果と関連する技法を探す。それには、質問の順序、難しい用語の説明、反論への対応などが含まれ得る。Encoreによれば、既存ワークフローにおける摩擦点や非効率な部分を明らかにすることもできる。

最後に、こうしたパターンがプレイブックになる。エージェントは、顧客や段階に応じて、一回の顧客対応の中で複数のプレイブックを適用できる。人間の従業員も、制御をソフトウェアに委ねる代わりに、推奨される応答を受け取ることができる。

このハイブリッドな導入モデルは重要だ。多くのエンタープライズは、重大な会話をエージェントに独立して処理させるところから始めないだろう。推奨機能から開始し、成果を観察し、根拠が裏付けられる領域で自律性を高められる。

複雑な保険に関する質問に直面する担当者は、もっともらしい例となる。システムは承認済みの保険情報を取得し、顧客対応の段階を認識し、以前に類似顧客の助けとなった説明を提案できるだろう。説明の伝え方や修正については、従業員が主導権を維持する。

より自律的なバージョンでは、音声またはテキストを通じて定型的なフォローアップを管理する可能性がある。基本的な質問に答え、未解決の問題を特定し、複雑な案件を人間に振り分けられる。完了した顧客対応はすべて、評価のための新たな素材となる。

これにより、潜在的なフィードバックループが生まれる。過去の会話がプレイブックに情報を与え、プレイブックが新しい顧客対応を導き、新たな結果が後のプレイブックに影響する。測定が信頼できるものであれば、システムは時間とともに組織により特化していく。

しかし、フィードバックループは成功と同じくらい容易に誤りを強化し得る。結果ラベルが不完全であれば、システムは短期的な成約を生んだが継続利用を損なった行動を評価してしまうかもしれない。また、異なる顧客グループに対する偏った過去の扱いから学習する恐れもある。

したがって、どの成果を選ぶかは製品上の判断となる。営業組織は、設定された商談、完了した申請、成約売上、更新、顧客満足度のいずれかを最適化するかもしれない。各指標は異なるエージェント行動を促す。

CRMとの接続はいくつかのラベルを提供するが、それだけで品質を自動的に確立するわけではない。CRM記録には欠落や遅れがあり、従業員ごとに一貫しない運用慣行の影響を受けることもある。失注と記録された案件は、会話上の誤りではなく、価格、タイミング、商品適合性を反映している可能性がある。

Encoreは、こうした区別を顧客にとって理解可能なものにしなければならない。管理者は、なぜプレイブックが存在するのか、どの顧客対応がそれを支えているのか、エージェントがいつ適用するのかを把握する必要がある。そうでなければ、「通話から学ぶ」という言葉は、検証できないプロセスを隠す表現になってしまう。

個別の提案にも同じ要件が適用されます。従業員は、その提案が承認済みポリシーに基づくものか、取得された顧客履歴に基づくものか、あるいは過去の通話から推論されたパターンに基づくものかを確認できるべきです。これらの情報源には、それぞれ異なる権威の度合いがあります。

これが、Encoreを一般的な通話要約ツールと隔てる仕組みです。同時に、技術面および運用面でのリスクの大半もここから生じます。このシステムは単に情報を圧縮しているのではありません。どのような行動を繰り返すべきかを判断しているのです。

真の競合相手は既存CRMベンダー

Encoreは、会話優先のアーキテクチャが、既存ベンダーによる顧客記録、ワークフロー、流通網の支配よりも重要であることを証明しなければなりません。

Salesforce、SAP、Zoho、HubSpotはすでに、Encoreが必要とするデータの近くで事業を展開しています。これらの製品には、アカウント情報、商談、サービスケース、活動履歴、ワークフロールールが保持されています。顧客に別の中核プラットフォームの導入を求めなくても、エージェント機能を追加できます。

Encoreは、データへのアクセスだけでは同じシステムは生まれないと主張しています。Ginzburg氏はTechCrunchに対し、大手競合は会話履歴を基礎的なデータポイントとして扱っていないと語りました。同氏によれば、それを変更するには実装や技術スタックの変更が必要になります。

この主張が、主要な競争の構図を定義しています。Encoreは会話優先のアーキテクチャに賭けています。一方、既存ベンダーは、文字起こし、メッセージ、エージェントの行動を既存ワークフローへ組み込む記録優先のアーキテクチャで対抗できます。

会話マイニングに専門的なモデル、評価手法、導入プラクティスが必要であれば、スタートアップの優位性は最も強くなります。CRMプロバイダーが統合や買収を通じて有用な機能を再現できるなら、その優位性は弱まるでしょう。

既存ベンダーには信頼面での優位性もあります。エンタープライズの購買担当者はすでに、これらのベンダーの権限管理、監査ログ、データ統制、管理者ツールを利用しています。その環境内にエージェントを追加する方が、機密性の高い会話を新しいシステムへ送るより安全に見える可能性があります。

Encoreは焦点の絞り込みで対抗できます。専門プロバイダーは、古い製品の幅広いポートフォリオを守ることなく、一つの問題を中心に構築できます。また複数のCRMを横断して機能し、分析を一社のベンダーに固定するのではなく、顧客に共通のインテリジェンスレイヤーを提供できます。

市場にはすでに別のアプローチも存在します。たとえばAttentionは、2026年6月に独自の3,000万ドルのシリーズBを発表しました。同社によれば、そのエージェントは通話を記録するだけでなく、フォローアップの下書き作成、CRMの更新、その後のステップの実行まで行います。

Attentionのエージェントアクションに関する発表によると、同社のソフトウェアは500社超の顧客を対象に、毎月2,000万件超のエージェントアクションを実行しています。これらの数値は同社によるものであり、独立した検証が必要です。

Attentionは、エージェントの行動とその結果の間にある閉ループを重視しています。Encoreは、組織内の人間同士のやり取りからプレイブックを学習することを重視しています。どちらの戦略も文字起こしを超えるものですが、運用知識の出発点は異なります。

カスタマーサービス向けエージェント企業も別の比較対象です。Sierraは、汎用的なCRMの代替ではなく、専門化されたエンタープライズエージェントを追求してきました。2025年の資金調達報道では、同社が大企業にサービスを提供しながら、相当規模の年間経常収益に近づいているとされました。

Sierraの進展は、CRMの既存大手がいるにもかかわらず、専門企業がエンタープライズ市場の注目を集められることを示しています。ただし、すべての専門的なデータ戦略が防御可能であり続けることを証明するものではありません。カスタマーサポート、収益オペレーション、リレーションシップ管理では、必要な統合や評価手法も異なります。

Encoreの40社超の顧客は、初期の足がかりであって、市場での防御力ではありません。決定的な問いは、それらの導入が更新や拡大を改善する独自の学習を生み出すかどうかです。顧客がCRM内で同じ結果を再現できるなら、乗り換え圧力は高まります。

Encoreの利用後に投資した金融機関は、前向きなシグナルを示しています。これらの機関は、ラウンドに参加する前に製品を直接体験していました。しかし、戦略的投資からは、導入の深さ、性能、長期的な調達判断は分かりません。

スタートアップは今後、複数の金融機関で再現可能な証拠を示す必要があります。少数のカスタマイズされた実装でも実現可能性は示せます。拡張可能なプラットフォームには、異なるデータ構造、ポリシー、言語、営業プロセス、成功の定義に対応する力が求められます。

この負担は流通面では既存ベンダーに有利ですが、専門性ではEncoreに有利です。3,000万ドルのラウンドは、専門性がCRMベンダーの到達範囲を上回れるかどうかを見極める時間をEncoreに与えます。

エージェントのプレイブックが依然として証明できないこと

過去の成功は、会話上の戦術が結果を引き起こしたことも、エージェントがそれを安全に再現できることも立証しません。

広く引用されているCRMベンチマークは、ビジネス向けエージェントにまだどれほどの課題が残されているかを示しています。現実的なCRMタスクにおいて、研究者は、接続されたビジネスオブジェクトと隠れた変数を含む9つのカスタマーサービス業務でエージェントを評価しました。

この研究では、推論と行動を交互に行う手法であるReActプロンプティングで、成功率は40%未満と報告されました。関数呼び出し型エージェントも55%未満にとどまりました。結果はEncoreの製品ではなくベンチマークから得られたものですが、ルール遵守とツール利用に関する一般的な問題を浮き彫りにしています。

Encoreは、これに相当する評価結果を公開していません。顧客数と報告された収益成長は商業的な活動を示しますが、タスクの正確性を測るものではありません。また同社は、従業員が提案を受け入れる頻度や、エージェントを上書きする頻度も開示していません。

独立した性能データがあれば、いくつかの疑問が明らかになります。購買者は、タスク別のエラー率、エスカレーション頻度、応答遅延、自律的に完了したやり取りの割合を知る必要があります。また、人間のチームやより単純な自動化と比較した成果も必要です。

プライバシーは別の課題を生みます。通話やメッセージには、個人情報、金融上の詳細、苦情、機微な文脈が含まれる可能性があります。こうした会話をプレイブックの学習に利用するには、明確な同意、保持ルール、アクセス管理、削除手続きが必要です。Encore自身のプライバシーポリシーでは、特定の目的のために個人データを処理するとし、ユーザーのアクセス、訂正、削除の権利を説明しています。しかしエンタープライズの購買者には、契約ごとの統制と技術的保証がなお必要です。

従業員監視は別の懸念を引き起こします。有効な手法を特定するよう設計されたプラットフォームは、従業員を順位付けしたり、個人の弱点を可視化したりすることもできます。企業は、録音がどのように分析され、経営陣がその発見をどう利用するのかを従業員に知らせるかどうかを決めなければなりません。

プレイブック自体にもガバナンスが必要です。成功した従業員が、社内ポリシーを曲げたり、裏付けのない約束をしたり、顧客間で通用しないユーモアを用いたりする可能性があります。頻度やコンバージョンのデータは、コンプライアンスレビューの代わりにはなりません。

金融サービスではリスクがさらに高まります。エージェントの表現は、顧客による商品、義務、リスクの理解に影響を与える可能性があります。説得力があるように聞こえる提案でも、ポリシーや規制で求められる文脈を欠いているかもしれません。

バイアスは履歴データから入り込む可能性があります。過去の従業員が、言語、アクセント、所在地、推定所得に基づき、顧客を異なる形で扱っていたかもしれません。過去の成果を最適化するシステムは、社会的な意味を理解しないまま、そうしたパターンを維持する可能性があります。

データドリフトも問題になります。成功した戦術は、製品変更、ポリシー改定、市場変化の後には時代遅れになる可能性があります。プレイブックには、古い通話に基づく恒久的な権威ではなく、有効期限ルールと継続的なテストが必要です。

基本的な因果帰属の問題もあります。営業成果は、製品の品質、価格、ブランド認知、タイミング、顧客の予算に左右されます。会話上の行動は、結果を構成する一要素にすぎません。Encoreは、自社システムが引き起こしていない変化の功績を主張しないようにしなければなりません。

慎重なエンタープライズ導入では、3つの層を分けるべきです。承認済みの事実とポリシーは、管理された知識ソースから得るべきです。提案される会話戦術は、検査可能な状態に保つべきです。自律的な行動は、明示的な制限とエスカレーションルールの範囲内で運用すべきです。

人間によるレビューはすべての問題を解決するわけではありませんが、実用的な導入経路を生み出します。企業は、より広い権限を与える前に、推奨を実際の成果と比較できます。また、システムが文脈を理解せずにスタイルだけを模倣するケースも特定できます。

したがってEncoreの最も強い主張は、依然として商業的な検証段階にある仮説です。会話履歴には価値ある組織知が含まれています。未解決の問題は、ソフトウェアがノイズ、バイアス、偶発的な行動を組み込まずにその知識を抽出できるかどうかです。

Encore AIの次の段階を決める3つのシグナル

導入が拡大し、測定された成果が精査に耐え、CRMベンダーが技術的優位性を消し去れない場合にのみ、Encoreの主張は強まります。

第1のシグナルは、既存の金融顧客内での拡大です。新規ロゴは重要ですが、より深い導入はさらに多くを明らかにします。購買者は、Encoreが従業員支援から、複数の業務プロセスにまたがる自律的な顧客対応へ移行するかどうかを注視すべきです。

拡大は、金融機関がプレイブックと周辺の統制の両方を信頼していることを示唆します。限定的なパイロットは、この技術が主に分析や推奨に役立つ段階にとどまっていることを示すでしょう。Encoreは、支援型利用と自律型利用の現在の比率を開示していません。

第2のシグナルは、透明性のある評価です。Encoreは最終的に、正確性、エスカレーション、コンプライアンス、事業成果を扱うタスクレベルの証拠を提供すべきです。結果には信頼できるベースラインと、人間がどこで関与し続けるのかについての明確な説明が必要です。

報告された収益成長は心強いものですが、それらの運用上の疑問には答えられません。有用な評価では、定義された期間にわたり、Encoreの支援を受けるチームと既存ワークフローを比較するでしょう。また、相関関係と、価格設定、人員配置、市場環境による影響を分けて扱う必要があります。

プレイブックが複数の金融機関で成果を改善するという証拠は、Encoreの中核的な主張を支えるでしょう。弱い結果、あるいは高度にカスタマイズされた結果は、インタラクションマイニングが拡張可能なソフトウェア上の優位性というより、コンサルティングに近い挙動を示すことになります。

第3のシグナルは、大手CRMプロバイダーの対応です。Salesforce、SAP、Zoho、HubSpotはすでに顧客記録と拡大するエージェント製品群へのアクセスを持っています。たとえばSalesforceは、Agentforceを、エンタープライズデータ、メタデータ、ワークフロー、セキュリティ統制に接続されたエージェントプラットフォームとして説明しています。これらのベンダーは、より深い会話分析を追加し、専門企業と提携し、不足する機能を買収できます。

既存ベンダーが過去のやり取りをエージェントシステムの中心に据えれば、Encoreの差別化は縮小します。これらの製品が会話を主に要約や検索可能な記録として扱い続けるなら、Encoreは専門的なデータ優位性を築く時間を得られます。

Attentionのような競合も、同じ理由で重要です。その進展は、購買者が人間のプレイブックから学ぶエージェントと、完了した自らの行動から学ぶエージェントのどちらを支持するかを示すでしょう。エンタープライズは最終的に、両方のアプローチを組み合わせる可能性があります。

Googleニュースの報道は、おそらく今後の資金調達、顧客獲得、製品発表に焦点を当てるでしょう。購買者は、そうした見出しの下にあるものを見るべきです。導入の深さ、独立した評価、既存ベンダーの反応は、次の資金調達より多くを明らかにします。

Encoreの3,000万ドルの資金調達ラウンドは、組織の知識に関する検証可能な仮説に資金を提供する点で重要だ。同社は、会話の中には形式的なシステムが見落とす実務上の方法論が含まれていると考えている。今後は、それらの方法論を信頼できるソフトウェアの振る舞いへと転換できることを示さなければならない。

この検証は、AIエージェントの導入を検討するあらゆる組織にとって重要である。ワークフローを自動化する前に、エージェントの判断の源泉、最適化する成果、そして文脈が変化した際に責任を負う人物を特定する必要がある。そして、Encoreがこうした問いにエンタープライズ規模で答えられるかを見守るべきだ。