Encore AI pozyskuje 30 mln USD, by zamienić rozmowy z klientami w playbooki dla agentów

Encore AI pozyskało 30 mln USD na budowę agentów wykorzystujących rozmowy z klientami, dając czytelnikom Google News wyraźniejszy obraz wyścigu w dziedzinie korporacyjnej AI. Runda Serii A opiera się na nietypowym założeniu. Najlepsze materiały szkoleniowe firmy mogą już znajdować się w jej rozmowach, wiadomościach i systemie zarządzania relacjami z klientami.

Startup analizuje, jak pracownicy prowadzą interakcje z klientami, a następnie identyfikuje taktyki powiązane z udanymi rezultatami. Wyniki te przekształca w playbooki dla agentów rozmawiających z klientami lub wspierających pracowników. Zakład nie polega wyłącznie na tym, że agenci mogą automatyzować rozmowy. Encore uważa, że mogą oni przyswoić praktyczne nawyki najlepszych pracowników organizacji.

To stawia Encore w konkurencji z Salesforce, SAP, Zoho, HubSpot i innymi platformami, które już dysponują cennymi danymi klientów. Obecni gracze są właścicielami systemów źródłowych. Encore chce kontrolować warstwę interpretacji, która określa, jakie ludzkie zachowania powinien naśladować agent.

Finansowanie daje Encore przestrzeń do realizacji tej strategii w dużych instytucjach finansowych. Nie rozstrzyga jednak, czy firma ma trwałą przewagę. Ugruntowani dostawcy CRM mają dystrybucję, integracje i istniejące relacje z klientami, które młodsza firma musi uwzględniać.

Runda 30 mln USD finansuje konkretną strategię agentową

Encore finansuje system uczący się na zakończonych interakcjach z klientami, a nie ogólnego bota głosowego opartego na statycznych skryptach.

Encore AI pozyskało finansowanie Serii A w rundzie prowadzonej przez Team8, według pierwotnego opisu finansowania. Uczestniczyły w niej również Planven, Lukatz i Garage. Do finansowania dołączyły banki i ubezpieczyciele, w tym instytucje finansowe, które według doniesień korzystały z Encore przed inwestycją.

Udział klientów ma znaczenie, ponieważ sektor usług finansowych jest wymagającym testem dla oprogramowania konwersacyjnego. Użyteczny agent musi poruszać się po złożonych produktach, regulowanych procesach, historiach klientów i ściśle kontrolowanym języku. Musi też działać w systemach, których firmy nie mogą po prostu zastąpić.

Encore planuje wykorzystać środki do rozbudowy sprzedaży w USA i dotarcia do większej liczby dużych instytucji finansowych. Według dyrektora generalnego Dvira Ginzburga firma ma już ponad 40 klientów korporacyjnych na całym świecie. Większość z nich to instytucje finansowe.

Ginzburg powiedział również TechCrunch, że roczne przychody powtarzalne wzrosły ponad pięciokrotnie od rundy seed Encore. To wcześniejsze finansowanie miało miejsce mniej niż 18 miesięcy przed Serią A. Nie ujawnił jednak bazowych przychodów, wyceny ani wartości kontraktów klientów.

Te pominięcia ograniczają wnioski, jakie obserwatorzy z zewnątrz mogą wyciągnąć z deklaracji wzrostu. Duży wzrost procentowy może zaczynać się od skromnej bazy. Liczba klientów również niewiele mówi o skali wdrożeń, wskaźnikach odnowień czy o tym, ile pracy agenci wykonują bez interwencji człowieka.

Mimo to runda wspiera wyraźny kierunek produktowy. Encore gromadzi nagrania rozmów, e-maile i wiadomości tekstowe, a następnie łączy te materiały z rekordami CRM. System dzieli interakcje na etapy i szuka zachowań związanych z postępem lub niepowodzeniem.

Encore nazywa ten proces „interaction mining”. Termin opisuje wydobywanie powtarzających się taktyk, wzorców i rezultatów z rozmów z klientami. Zamiast traktować transkrypcję jako dokument do podsumowania, Encore postrzega ją jako dowód na to, jak wykonywana jest praca.

To rozróżnienie ma kluczowe znaczenie dla propozycji firmy. Narzędzia do analizy rozmów zazwyczaj transkrybują spotkania, identyfikują tematy i tworzą notatki po spotkaniu. Encore chce przekształcać historyczne interakcje w instrukcje operacyjne dla agentów.

Według firmy jej agenci mogą komunikować się głosowo lub tekstowo. Mogą też wspierać pracowników podczas rozmów na żywo, rekomendując odpowiedzi i taktyki. Dzięki temu Encore może obsługiwać zarówno procesy prowadzone przez ludzi, jak i zautomatyzowane, nie stawiając wszystkiego na natychmiastową autonomię.

Finansowanie zmienia zatem coś więcej niż bilans Encore. Daje startupowi dodatkowy czas na udowodnienie, że historia interakcji może stać się trudnym do skopiowania zasobem szkoleniowym. To pytanie napędza szersze znaczenie tego wydarzenia z Google News.

Dlaczego czytelnicy Google News powinni spojrzeć dalej niż na kwotę finansowania

Kluczowa rywalizacja dotyczy tego, kto potrafi przekształcić rozproszoną historię klientów w zachowania poprawiające się z każdą interakcją.

Zespoły sprzedażowe już teraz generują ogromne ilości materiałów konwersacyjnych. Rozmowy obejmują zastrzeżenia, wyjaśnienia, taktyki negocjacyjne, obawy klientów i przykłady, które nigdy nie trafiają do formalnej dokumentacji. Wiadomości ujawniają język follow-upów, który przynosi odpowiedzi. Rekordy CRM pokazują, które szanse sprzedażowe posunęły się naprzód, a które zniknęły.

Większość organizacji przechowuje te sygnały w oddzielnych miejscach. Nagrania znajdują się na platformach do rozmów, wymiana pisemna pozostaje w e-mailu lub narzędziach do komunikacji, a rezultaty trafiają do CRM. Nawet gdy menedżerowie mogą przeszukiwać każde źródło, nadal muszą łączyć zachowania z wynikami.

Podejście Encore ma zautomatyzować to połączenie. System analizuje interakcje według etapów, dopasowuje je do zarejestrowanych wyników i tworzy playbooki na podstawie wzorców, które wydają się skuteczne. Agent może następnie wykorzystywać te playbooki podczas kolejnej wymiany z klientem.

Mechanizm ten różni się od generowania wspomaganego wyszukiwaniem, czyli RAG, które dostarcza modelowi istotne dokumenty przed udzieleniem odpowiedzi. RAG pomaga agentowi odnajdywać fakty o produktach lub polityki firmowe. Interaction mining ma nauczyć agenta, jak skuteczni pracownicy wykorzystują informacje w rzeczywistych rozmowach.

Obie metody mogą się uzupełniać. Agent może pobrać zatwierdzoną politykę, a następnie wykorzystać wyuczony playbook, aby jasno ją wyjaśnić. Źródło i wiarygodność każdej instrukcji pozostają jednak różne. Dokument polityki określa, na co organizacja zezwala. Historyczna rozmowa pokazuje, co faktycznie powiedział jeden pracownik.

Badania nad wsparciem sprzedaży na żywo pokazują, dlaczego natychmiastowy dostęp do istotnych informacji może mieć znaczenie. Badanie sales copilot z 2026 roku testowało system wykrywający pytania klientów i pobierający odpowiedzi z ustrukturyzowanej bazy danych produktów.

Badacze zgłosili średni czas odpowiedzi wynoszący 2,8 sekundy w swoim środowisku testowym. Ich wewnętrzna baza porównawcza ręcznego wyszukiwania wynosiła od 25 do 65 sekund. Eksperyment dotyczył scenariusza ubezpieczeniowego z 50 produktami i wygenerowaną bazą wiedzy, więc nie był testem terenowym obejmującym rzeczywiste przedsiębiorstwa.

Encore celuje w coś więcej niż szybkość wyszukiwania. Chce określać, które wyjaśnienie, anegdota lub posunięcie w rozmowie pasuje do konkretnego etapu. Ginzburg powiedział, że jego agenci czasem wykorzystują rodzaje żartów lub przykładów stosowanych przez skutecznych menedżerów relacji z klientami.

Ten szczegół sprawia, że produkt zapada w pamięć, ale ujawnia też główną trudność. Taktyka, która zadziałała u jednego pracownika, może zależeć od tonu, czasu, tożsamości lub ugruntowanej relacji z klientem. Samo skopiowanie słów nie gwarantuje tego samego wyniku.

Firmy muszą więc rozróżniać techniki możliwe do powielenia od osobistych nawyków. Muszą także oddzielać rzeczywiste sygnały przyczynowe od korelacji. Starszy stażem przedstawiciel może odnieść sukces po opowiedzeniu konkretnej historii, ponieważ klient już mu ufa.

Dlatego finansowanie ma znaczenie dla nabywców korporacyjnych. Encore ma teraz zasoby, by testować swoją metodę w większej liczbie wdrożeń, szczególnie w usługach finansowych. Najmocniejsze dowody będą wynikać z kontrolowanych rezultatów, a nie z tego, że agenci brzmią bardziej ludzko.

Dla pracowników wiedzy ta idea wykracza poza sprzedaż. Organizacje gromadzą nieformalne know-how podczas spotkań, w wiadomościach i decyzjach. Przeszukiwalna baza wiedzy może zachowywać jawną wiedzę, podczas gdy analiza interakcji próbuje uchwycić zachowania osadzone w codziennej pracy.

Szansa jest znacząca, ale równie duże jest obciążenie związane z nadzorem. Przekształcanie wcześniejszej pracy w zautomatyzowane zachowania wymaga więcej osądu niż zamienianie jej w przeszukiwalne notatki.

Mechanizm Encore AI przekształca rozmowy w playbooki

Proponowana przewaga Encore wynika z łączenia tego, co powiedzieli pracownicy, z tym, co wydarzyło się później, a następnie pakowania użytecznych wzorców dla agenta.

Proces zaczyna się od pozyskania danych. Encore gromadzi nagrania, e-maile, wiadomości tekstowe i informacje CRM. To połączenie zapewnia systemowi zarówno treść rozmów, jak i opis przemieszczania się klienta przez proces sprzedażowy lub obsługowy.

Następnie platforma dzieli interakcje na etapy. Pierwsze zapytanie wymaga innego zachowania niż rozmowa o odnowieniu umowy czy reklamacja. Segmentacja procesu pomaga zapobiec traktowaniu każdej skutecznej frazy jako uniwersalnie użytecznej.

Platforma następnie szuka technik związanych z pożądanymi wynikami. Mogą one obejmować kolejność pytań, wyjaśnienie trudnego terminu lub sposób obsługi zastrzeżenia. Encore twierdzi, że może również ujawniać punkty tarcia i nieefektywne elementy istniejącego procesu.

Ostatecznie te wzorce stają się playbookami. Agent może stosować kilka playbooków podczas jednej interakcji, w zależności od klienta i etapu. Pracownik może również otrzymywać sugerowane odpowiedzi zamiast przekazywać kontrolę oprogramowaniu.

Ten hybrydowy model wdrożenia jest istotny. Wiele przedsiębiorstw nie zacznie od agenta samodzielnie obsługującego rozmowy o istotnych konsekwencjach. Mogą zacząć od rekomendacji, obserwować wyniki i zwiększać autonomię tam, gdzie potwierdzają to dowody.

Prawdopodobnym przykładem jest przedstawiciel mierzący się ze złożonym pytaniem ubezpieczeniowym. System mógłby pobrać zatwierdzone informacje o polisie, rozpoznać etap interakcji i zasugerować wyjaśnienie, które wcześniej pomogło podobnym klientom. Pracownik zachowałby kontrolę nad przekazem i korektą.

Bardziej autonomiczna wersja mogłaby obsługiwać rutynowe follow-upy głosowo lub tekstowo. Mogłaby odpowiadać na podstawowe pytania, identyfikować nierozwiązane problemy i kierować skomplikowane sprawy do człowieka. Każda zakończona interakcja tworzyłaby więcej materiału do oceny.

Tworzy to potencjalną pętlę informacji zwrotnej. Historyczne rozmowy kształtują playbooki, playbooki kierują nowymi interakcjami, a nowe wyniki wpływają na późniejsze playbooki. Jeśli pomiary są wiarygodne, system z czasem staje się bardziej dostosowany do organizacji.

Pętla informacji zwrotnej może jednak równie łatwo wzmacniać błędy, jak sukcesy. Jeśli etykieta wyniku jest niepełna, system może nagradzać zachowania, które zapewniły krótkoterminową konwersję, ale zaszkodziły retencji. Może też uczyć się na podstawie stronniczego historycznego traktowania różnych grup klientów.

Wybór wyniku staje się zatem decyzją produktową. Organizacja sprzedażowa może optymalizować system pod kątem umówionych spotkań, ukończonych wniosków, zamkniętych przychodów, odnowień lub satysfakcji klientów. Każda metryka zachęca agenta do innych zachowań.

Połączenie z CRM dostarcza pewnych etykiet, ale nie ustanawia automatycznie jakości. Rekordy CRM mogą być niekompletne, opóźnione lub kształtowane przez niespójne praktyki pracowników. Transakcja oznaczona jako przegrana może odzwierciedlać cenę, czas lub dopasowanie produktu, a nie błąd w rozmowie.

Encore musi uczynić te rozróżnienia zrozumiałymi dla klientów. Menedżerowie muszą wiedzieć, dlaczego istnieje dany playbook, które interakcje go wspierają i kiedy agent go stosuje. W przeciwnym razie „uczenie się na rozmowach” stanie się frazą ukrywającą proces, którego nie można sprawdzić.

Ten sam wymóg dotyczy poszczególnych rekomendacji. Pracownicy powinni móc sprawdzić, czy sugestia pochodzi z zatwierdzonej polityki, pozyskanej historii klienta czy wzorca wywnioskowanego na podstawie wcześniejszych rozmów. Źródła te mają różny poziom autorytetu.

To mechanizm odróżniający Encore od standardowego narzędzia do podsumowywania rozmów. Tworzy on również większość ryzyka technicznego i operacyjnego. System nie tylko kompresuje informacje. Decyduje także, które zachowania zasługują na powielanie.

Prawdziwym przeciwnikiem są obecni dostawcy CRM

Encore musi udowodnić, że jego architektura oparta na rozmowach ma większe znaczenie niż kontrola obecnych dostawców nad danymi klientów, przepływami pracy i dystrybucją.

Salesforce, SAP, Zoho i HubSpot już działają blisko danych potrzebnych Encore. Ich produkty przechowują dane kont, szanse sprzedażowe, zgłoszenia serwisowe, historię aktywności i reguły przepływów pracy. Mogą dodawać funkcje agentowe bez wymagania od klientów wdrożenia kolejnej centralnej platformy.

Encore argumentuje, że sam dostęp do danych nie tworzy takiego samego systemu. Ginzburg powiedział TechCrunch, że duzi konkurenci nie traktują historii konwersacji jako podstawowego punktu danych. Stwierdził, że zmiana tego podejścia wymagałaby modyfikacji ich implementacji i stosów technologicznych.

Ten argument wyznacza główne pole rywalizacji. Encore stawia na architekturę conversation-first. Obecni dostawcy mogą odpowiedzieć architekturą record-first, która włącza transkrypcje, wiadomości i działania agentów do istniejących przepływów pracy.

Przewaga startupu byłaby największa, gdyby wydobywanie wiedzy z rozmów wymagało wyspecjalizowanych modeli, metod ewaluacji i praktyk wdrożeniowych. Osłabłaby, gdyby dostawcy CRM mogli odtworzyć użyteczne funkcje za pomocą integracji lub przejęć.

Obecni dostawcy mają również przewagę zaufania. Nabywcy korporacyjni już korzystają z ich uprawnień, dzienników audytowych, mechanizmów kontroli danych i narzędzi administracyjnych. Dodanie agenta w tym środowisku może wydawać się bezpieczniejsze niż przesyłanie wrażliwych rozmów do nowszego systemu.

Encore może odpowiedzieć koncentracją na jednym problemie. Wyspecjalizowany dostawca może budować rozwiązanie wokół jednego zagadnienia, bez konieczności ochrony szerokiego portfolio starszych produktów. Może też działać w kilku systemach CRM, zapewniając klientom wspólną warstwę inteligencji zamiast ograniczać analizę do jednego dostawcy.

Na rynku istnieją już inne podejścia. Attention, na przykład, ogłosił własną rundę Series B o wartości 30 mln dolarów w czerwcu 2026 roku. Firma twierdzi, że jej agenci przygotowują dalsze działania, aktualizują CRM-y i wykonują kolejne kroki, zamiast jedynie rejestrować rozmowy.

Według komunikatu Attention dotyczącego działań agentów jego oprogramowanie wykonuje miesięcznie ponad 20 mln działań agentowych u ponad 500 klientów. Dane te pochodzą od firmy i wymagają niezależnej weryfikacji.

Attention podkreśla zamkniętą pętlę między działaniem agenta a uzyskanym rezultatem. Encore akcentuje uczenie się playbooków na podstawie ludzkich interakcji w organizacji. Obie strategie wykraczają poza transkrypcję, ale wychodzą z różnych źródeł wiedzy operacyjnej.

Kolejne porównanie stanowią firmy tworzące agentów obsługi klienta. Sierra rozwija wyspecjalizowanych agentów dla przedsiębiorstw, zamiast zastępować ogólny CRM. Raport o finansowaniu z 2025 roku wskazywał, że firma zbliżała się do znaczących rocznych przychodów powtarzalnych, obsługując duże przedsiębiorstwa.

Postępy Sierry pokazują, że specjaliści mogą zdobyć uwagę przedsiębiorstw mimo obecności dostawców CRM. Nie dowodzą jednak, że każda wyspecjalizowana strategia danych pozostanie możliwa do obrony. Obsługa klienta, operacje przychodowe i zarządzanie relacjami wymagają także odmiennych integracji i metod ewaluacji.

Ponad 40 klientów Encore zapewnia początkowy punkt oparcia, a nie ochronę rynkową. Decydujące pytanie brzmi, czy wdrożenia te tworzą własnościową wiedzę, która poprawia odnowienia i ekspansję. Jeśli klienci mogą odtworzyć te same rezultaty w swoim CRM, presja na zmianę dostawcy wzrośnie.

Instytucje finansowe, które zainwestowały po skorzystaniu z Encore, stanowią pozytywny sygnał. Miały bezpośredni kontakt z produktem przed dołączeniem do rundy. Jednak inwestycja strategiczna nie ujawnia skali wdrożenia, wyników ani długoterminowych decyzji zakupowych.

Startup potrzebuje teraz powtarzalnych dowodów w różnych instytucjach. Kilka dostosowanych wdrożeń może wykazać wykonalność. Skalowalna platforma musi obsłużyć różne struktury danych, polityki, języki, procesy sprzedażowe i definicje sukcesu.

To obciążenie sprzyja obecnym dostawcom pod względem dystrybucji, ale Encore pod względem specjalizacji. Runda o wartości 30 mln dolarów daje czas, by sprawdzić, czy specjalizacja może przezwyciężyć zasięg dostawców CRM.

Czego playbook agenta nadal nie może udowodnić

Historyczny sukces nie dowodzi, że dana taktyka konwersacyjna spowodowała wynik ani że agent może bezpiecznie ją odtworzyć.

Szeroko cytowany benchmark CRM pokazuje, jak daleką drogę mają jeszcze agenci biznesowi. W realistycznych zadaniach CRM badacze oceniali agentów w dziewięciu zadaniach obsługi klienta obejmujących powiązane obiekty biznesowe i ukryte zmienne.

Badanie wykazało skuteczność poniżej 40 procent przy promptowaniu ReAct, metodzie przeplatającej rozumowanie i działania. Agenci korzystający z wywoływania funkcji pozostali poniżej 55 procent. Wyniki pochodziły z benchmarku, a nie z produktu Encore, ale wskazują na ogólne problemy z przestrzeganiem reguł i używaniem narzędzi.

Encore nie opublikował publicznie porównywalnych wyników ewaluacji. Liczba klientów i raportowany wzrost przychodów wskazują na aktywność komercyjną, ale nie mierzą dokładności wykonywania zadań. Firma nie ujawniła też, jak często pracownicy akceptują sugestie lub zastępują działania jej agentów własnymi decyzjami.

Niezależne dane o wynikach wyjaśniłyby kilka kwestii. Nabywcy potrzebują wskaźników błędów według zadań, częstotliwości eskalacji, opóźnień odpowiedzi oraz odsetka interakcji realizowanych autonomicznie. Potrzebują także porównań wyników z zespołami ludzkimi i prostszą automatyzacją.

Prywatność stwarza kolejne wyzwanie. Rozmowy i wiadomości mogą zawierać dane osobowe, szczegóły finansowe, skargi i wrażliwy kontekst. Wykorzystywanie tych rozmów do tworzenia playbooków wymaga jasnej zgody, zasad retencji, kontroli dostępu i procedur usuwania danych. Własna polityka prywatności Encore mówi, że firma przetwarza dane osobowe w określonych celach oraz opisuje prawa użytkowników do dostępu, korekty i usunięcia danych, ale nabywcy korporacyjni nadal potrzebowaliby mechanizmów kontroli specyficznych dla umowy i gwarancji technicznych.

Monitorowanie pracowników rodzi odrębne obawy. Platforma zaprojektowana do identyfikowania skutecznych technik może również klasyfikować pracowników lub ujawniać ich indywidualne słabości. Firmy muszą zdecydować, czy pracownicy wiedzą, w jaki sposób analizowane są nagrania i jak kierownictwo wykorzystuje ustalenia.

Same playbooki wymagają nadzoru. Skuteczny pracownik może nagiąć wewnętrzną politykę, złożyć niepotwierdzoną obietnicę albo użyć humoru, który nie sprawdza się w kontaktach z innymi klientami. Dane o częstotliwości i konwersji nie mogą zastąpić kontroli zgodności.

Usługi finansowe podnoszą stawkę. Sformułowanie użyte przez agenta może wpłynąć na to, jak klient rozumie produkty, zobowiązania i ryzyko. Rekomendacja, która brzmi przekonująco, może mimo to pomijać kontekst wymagany przez politykę lub regulacje.

Stronniczość może przeniknąć przez dane historyczne. Dotychczasowi pracownicy mogli traktować klientów inaczej ze względu na język, akcent, lokalizację lub postrzegany dochód. System optymalizujący wyniki historyczne może utrwalać te wzorce, nie rozumiejąc ich społecznego znaczenia.

Dryf danych stanowi kolejny problem. Skuteczna taktyka może się zdezaktualizować po zmianie produktu, rewizji polityki lub zmianie rynkowej. Playbooki potrzebują reguł wygasania i ciągłego testowania, a nie trwałego autorytetu opartego na starych rozmowach.

Istnieje też podstawowy problem atrybucji. Wyniki sprzedaży zależą od jakości produktu, cen, rozpoznawalności marki, momentu i budżetów klientów. Zachowanie w rozmowie jest tylko jednym elementem rezultatu. Encore musi unikać przypisywania sobie zasług za zmiany, których jego system nie spowodował.

Ostrożne wdrożenie korporacyjne powinno rozdzielać trzy warstwy. Zatwierdzone fakty i polityki powinny pochodzić z kontrolowanych źródeł wiedzy. Sugerowane taktyki konwersacyjne powinny pozostać możliwe do zbadania. Autonomiczne działania powinny funkcjonować w ramach wyraźnych ograniczeń i zasad eskalacji.

Weryfikacja przez człowieka nie rozwiązuje każdego problemu, ale tworzy praktyczną ścieżkę wdrożenia. Firmy mogą porównywać rekomendacje z rzeczywistymi wynikami, zanim przyznają szerszy zakres uprawnień. Mogą też identyfikować przypadki, w których system kopiuje styl bez rozumienia kontekstu.

Najmocniejsza teza Encore pozostaje zatem hipotezą poddawaną testom komercyjnym. Historia rozmów zawiera cenną wiedzę organizacyjną. Nierozstrzygniętą kwestią jest, czy oprogramowanie potrafi wydobyć tę wiedzę bez zakodowania szumu, stronniczości i przypadkowych zachowań.

Trzy sygnały, które zdecydują o kolejnym etapie Encore AI

Teza inwestycyjna Encore wzmocni się tylko wtedy, gdy wdrożenia będą się rozszerzać, mierzone wyniki wytrzymają analizę, a dostawcy CRM nie zdołają zniwelować jego przewagi technicznej.

Pierwszym sygnałem jest ekspansja wśród obecnych klientów finansowych. Nowe logotypy są ważne, ale głębsze wdrożenia mówią więcej. Nabywcy powinni obserwować, czy Encore przechodzi od wspierania pracowników do autonomicznych interakcji z klientami w kilku procesach biznesowych.

Ekspansja sugerowałaby, że instytucje ufają zarówno playbookom, jak i otaczającym je mechanizmom kontroli. Ograniczone pilotaże wskazywałyby, że technologia pozostaje przydatna głównie do analiz lub rekomendacji. Encore nie ujawnił obecnego podziału między zastosowaniem wspomaganym a autonomicznym.

Drugim sygnałem jest przejrzysta ewaluacja. Encore powinien ostatecznie przedstawić dowody na poziomie zadań, obejmujące dokładność, eskalację, zgodność i wyniki biznesowe. Wyniki wymagają wiarygodnych punktów odniesienia i jasnych opisów miejsc, w których nadal uczestniczą ludzie.

Raportowany wzrost przychodów jest zachęcający, ale nie odpowiada na te pytania operacyjne. Użyteczna ewaluacja porównywałaby zespoły kierowane przez Encore z istniejącymi przepływami pracy w określonym okresie. Powinna również oddzielać korelację od skutków cen, zatrudnienia lub warunków rynkowych.

Dowody, że playbooki poprawiają wyniki w kilku instytucjach, wspierałyby główną tezę Encore. Słabe lub silnie dostosowane wyniki sugerowałyby, że wydobywanie wiedzy z interakcji przypomina raczej usługi konsultingowe niż skalowalną przewagę oprogramowania.

Trzecim sygnałem jest reakcja dużych dostawców CRM. Salesforce, SAP, Zoho i HubSpot mają już dostęp do danych klientów oraz rosnące portfolio agentów. Salesforce na przykład opisuje Agentforce jako platformę agentową połączoną z danymi przedsiębiorstwa, metadanymi, przepływami pracy i mechanizmami kontroli bezpieczeństwa. Dostawcy ci mogą dodać głębszą analizę rozmów, współpracować ze specjalistami lub przejąć brakujące kompetencje.

Jeśli obecni dostawcy uczynią historyczne interakcje centralnym elementem swoich systemów agentowych, wyróżnik Encore się zawęzi. Jeśli ich produkty nadal będą traktować rozmowy przede wszystkim jako podsumowania i przeszukiwalne zapisy, Encore zyska czas na zbudowanie wyspecjalizowanej przewagi danych.

Konkurenci tacy jak Attention mają znaczenie z tego samego powodu. Ich postępy pokażą, czy nabywcy preferują agentów uczących się z ludzkich playbooków, czy agentów uczących się na podstawie własnych zrealizowanych działań. Przedsiębiorstwa mogą ostatecznie połączyć oba podejścia.

Relacje Google News prawdopodobnie będą koncentrować się na przyszłym finansowaniu, sukcesach w pozyskiwaniu klientów i ogłoszeniach produktowych. Nabywcy powinni spojrzeć głębiej niż na te nagłówki. Głębokość wdrożeń, niezależna ewaluacja i reakcja obecnych dostawców ujawnią więcej niż kolejna runda finansowania.

Runda finansowania Encore o wartości 30 mln dolarów jest istotna, ponieważ wspiera możliwą do przetestowania ideę dotyczącą wiedzy organizacyjnej. Firma uważa, że rozmowy zawierają metody pracy, których formalne systemy nie wychwytują. Teraz musi pokazać, że metody te można przekształcić w niezawodne zachowanie oprogramowania.

Ten sprawdzian ma znaczenie dla każdej organizacji rozważającej wdrożenie agentów AI. Przed zautomatyzowaniem procesu należy określić źródło osądu agenta, rezultat, który optymalizuje, oraz osobę odpowiedzialną, gdy zmienia się kontekst. Następnie warto obserwować, czy Encore potrafi odpowiedzieć na te pytania w skali przedsiębiorstwa.