Encore AI 融资 3000 万美元，将客户通话转化为智能体操作手册

Encore AI 融资 3000 万美元，旨在从客户对话中构建智能体，让 google news 读者更清楚地看到企业 AI 竞赛的格局。这轮 A 轮融资押注于一个不同寻常的前提：一家公司的最佳训练材料，或许早已存在于其通话、消息和客户关系管理系统中。

这家初创公司会分析员工如何处理客户互动，然后识别与成功结果相关的策略。它将这些发现转化为操作手册，供与客户沟通或协助人工员工的智能体使用。其赌注并不只是智能体能够自动化对话。Encore 相信，它们能够吸收组织中最优秀员工的实战习惯。

这让 Encore 与 Salesforce、SAP、Zoho、HubSpot 及其他已掌握宝贵客户数据的平台展开竞争。这些现有厂商拥有记录系统。Encore 则希望掌握解释层，决定智能体应当复制哪些人类行为。

这笔融资让 Encore 有空间在大型金融机构中推进这一战略。但它并不能确定该公司是否拥有持久优势。成熟的 CRM 厂商拥有分销能力、集成生态和既有客户关系，年轻公司必须设法绕开这些壁垒。

这轮 3000 万美元融资支持一项明确的智能体战略

Encore 融资打造的是一个从已完成的客户互动中学习的系统，而非围绕静态脚本训练的通用语音机器人。

据最初的融资报道称，Encore AI 的这轮 A 轮融资由 Team8 领投。Planven、Lukatz 和 Garage 也参与了投资。银行和保险公司也加入了本轮融资，其中包括据报道在投资前已使用 Encore 的金融机构。

客户参与投资之所以重要，是因为金融服务业为对话软件提供了严苛测试。有用的智能体必须能够应对复杂产品、受监管流程、客户历史和严格管控的措辞。它还必须在企业无法轻易替换的系统内部运行。

Encore 计划利用这笔资金扩大其美国销售业务，并触达更多大型金融机构。根据 CEO Dvir Ginzburg 的说法，该公司目前已在全球拥有 40 多家企业客户，其中大多数为金融机构。

Ginzburg 还告诉 TechCrunch，自 Encore 完成种子轮融资以来，其年度经常性收入已增长超过五倍。那轮早期融资发生在 A 轮之前不到 18 个月。他没有披露具体营收、估值或客户合同金额。

这些未披露的信息限制了外界能够从增长说法中推断的内容。较高的百分比增长可能始于较小基数。客户数量也难以说明部署规模、续约率，或智能体在无需人工干预的情况下完成了多少工作。

尽管如此，这轮融资支持了清晰的产品方向。Encore 收集通话录音、电子邮件和短信，再将这些材料与 CRM 记录连接起来。其系统会将互动划分为不同阶段，并寻找与推进或失败相关的行为。

Encore 将这一过程称为“互动挖掘”。这个术语指从客户对话中提取重复出现的策略、模式和结果。Encore 不把文字记录视为待总结的文档，而是将其视为工作如何完成的证据。

这一区别是该公司推介的核心。对话智能工具通常会转录会议、识别主题并生成后续跟进笔记。Encore 希望把历史互动转化为智能体的操作指令。

据该公司称，其智能体可通过语音或文本进行沟通。它们还可以在实时对话中协助员工，推荐回复和策略。这让 Encore 能够同时支持以人为主导和自动化的工作流程，而不必将一切押注于立即实现自主运行。

因此，这笔融资改变的不只是 Encore 的资产负债表。它为这家初创公司争取了更多时间，以证明互动历史能够成为可防御的训练资产。这一问题推动了这则 google news 事件更广泛的重要性。

为什么 Google News 读者不应只看融资金额

真正重要的竞争，在于谁能将分散的客户历史转化为能够随着每次互动不断改进的行为。

销售团队本就会产生海量对话材料。通话中包含异议、解释、谈判策略、客户顾虑，以及从未进入正式文档的案例。消息展示了能够获得回应的跟进措辞。CRM 记录则显示哪些商机取得进展，哪些消失了。

大多数组织将这些信号存放在不同位置。录音留在通话平台中，书面往来保留在电子邮件或消息工具里，而结果则存在 CRM 中。即使管理者能够搜索每个来源，仍必须将行为与结果关联起来。

Encore 的方法试图自动化这一连接。该系统按阶段分析互动，将其与已记录的结果进行匹配，并从看似成功的模式中构建操作手册。智能体随后可在之后的客户交流中使用这些操作手册。

这一机制不同于检索增强生成，即 RAG；后者会在模型作答前向其提供相关文档。RAG 有助于智能体找到产品事实或公司政策。互动挖掘则试图教会智能体，高效员工如何在真实对话中运用信息。

两种方法可以相互补充。一个智能体可以检索获批政策，再用已学习的操作手册清晰地解释它。不过，每条指令的来源和可靠性仍有区别。政策文件说明组织允许什么。历史对话则展示某位员工实际说了什么。

关于实时销售辅助的研究说明了即时获取相关信息为何可能重要。2026 年一项销售 copilot 研究测试了一套系统，该系统能够识别客户问题，并从结构化产品数据库中检索答案。

研究人员报告称，该系统在测试环境中的平均响应时间为 2.8 秒。其内部人工搜索基准介于 25 至 65 秒之间。该实验涉及包含 50 种产品和一个生成式知识库的保险场景，因此并非覆盖真实企业的现场试验。

Encore 的目标不止于提升检索速度。它希望判断哪种解释、轶事或对话动作适合某一特定阶段。Ginzburg 表示，其智能体有时会复用成功客户经理常用的笑话或案例类型。

这一细节让产品更容易被记住，但也暴露了核心难题。对某位员工有效的策略，可能取决于语气、时机、身份，或已经建立的客户关系。复制措辞并不能保证获得同样结果。

因此，企业必须区分可重复的技巧与个人习惯。它们还需要将真正的因果信号与相关性分开。一位资深代表在讲完某个故事后成功，可能是因为客户本来就信任此人。

这正是融资对企业买家具有意义的原因。Encore 现在拥有资源，可以在更多部署中测试其方法，尤其是在金融服务领域。最有力的证据将来自受控结果，而非智能体听起来更像人类。

对于知识工作者而言，这一思路的影响超出了销售领域。组织会在会议、消息和决策中积累非正式知识。可搜索的知识库可以保存显性信息，而互动分析则试图捕捉嵌入日常工作中的行为。

机会很大，但治理负担同样不小。将过往工作转化为自动化行为，比将其变成可搜索笔记需要更多判断。

Encore AI 的机制将对话转化为操作手册

Encore 提出的优势在于，将员工说了什么与随后发生的事情联系起来，再将有用的模式打包供智能体使用。

这一过程始于数据摄取。Encore 收集录音、电子邮件、短信和 CRM 信息。这种组合让系统同时获得对话内容，以及客户在销售或服务流程中推进情况的记录。

接下来，平台将互动划分为不同阶段。首次咨询所需的处理方式，与续约讨论或投诉并不相同。对流程进行分段，有助于防止系统将每一句成功的话都视为普遍适用。

随后，平台会寻找与预期结果相关的技巧。这些技巧可能包括提问顺序、对困难术语的解释，或处理异议的方式。Encore 表示，它还可以揭示现有工作流程中的摩擦点和低效环节。

最后，这些模式会成为操作手册。一个智能体可以在一次互动中应用多套操作手册，具体取决于客户和所处阶段。人工员工也可以接收建议回复，而不是将控制权交给软件。

这种混合部署模式很重要。许多企业不会一开始就让智能体独立处理具有重要后果的对话。它们可以先从建议功能开始，观察表现，并在证据支持的地方提高自主性。

面对复杂保险问题的代表提供了一个合理示例。系统可以检索获批的保单信息，识别互动阶段，并建议此前曾帮助过类似客户的解释方式。员工仍将掌握表达和纠正的控制权。

更具自主性的版本则可能通过语音或文本管理常规跟进。它可以回答基础问题、识别未解决事项，并将复杂案例转交给人工人员。每次完成的互动都会为评估提供更多材料。

这会形成一个潜在反馈循环。历史对话为操作手册提供依据，操作手册指导新的互动，而新的结果又会影响之后的操作手册。如果测量可靠，系统会随着时间推移变得更贴合组织自身。

不过，反馈循环既可能强化错误，也可能强化成功。如果结果标签不完整，系统可能会奖励带来短期转化、却损害留存的行为。它还可能从对不同客户群体存在偏见的历史处理方式中学习。

因此，结果选择成为一项产品决策。销售组织可能会针对预约会议、完成申请、成交收入、续约或客户满意度进行优化。每项指标都会鼓励不同的智能体行为。

CRM 连接提供了一些标签，但并不会自动确立质量。CRM 记录可能缺失、延迟，或受员工实践不一致的影响。一笔被标记为失败的交易，可能反映的是定价、时机或产品契合度，而非对话失误。

Encore 必须让客户能够清楚理解这些区别。管理者需要知道某套操作手册为何存在、哪些互动为其提供支持，以及智能体何时应用它。否则，“从通话中学习”就会成为掩盖不可审查流程的一句话。

同样的要求也适用于单项建议。员工应能看出某条建议是来自经批准的政策、检索到的客户历史，还是从以往通话中推断出的模式。这些来源具有不同级别的权威性。

这正是 Encore 与标准通话摘要工具的分界机制。它也带来了大部分技术与运营风险。该系统不仅是在压缩信息，还在决定哪些行为值得被重复。

真正的对手是 CRM 既有厂商

Encore 必须证明，其以对话为先的架构比既有厂商对客户记录、工作流和分发渠道的控制更重要。

Salesforce、SAP、Zoho 和 HubSpot 已经接近 Encore 所需的数据。它们的产品保存着账户详情、商机、服务工单、活动历史和工作流规则。它们无需要求客户采用另一个核心平台，便可增加代理功能。

Encore 认为，仅有数据访问权限并不能产生同样的系统。Ginzburg 向 TechCrunch 表示，大型竞争对手并不将对话历史视为基础数据点。他说，要改变这一点，需要调整其实施方式和技术栈。

这一论点界定了主要竞争。Encore 押注于以对话为先的架构。既有厂商则可以用以记录为先的架构应对，将转录内容、消息和代理操作纳入既有工作流。

如果对话挖掘需要专门的模型、评估方法和部署实践，这家创业公司的优势将最为明显。如果 CRM 供应商能够通过集成或收购复现这些有用功能，其优势则会被削弱。

既有厂商还拥有信任优势。企业买家已经在使用它们的权限体系、审计日志、数据控制和管理员工具。在该环境内加入代理，可能比将敏感对话发送至一个较新的系统看起来更安全。

Encore 可以以专注来应对。专业供应商可以围绕一个问题进行构建，而不必维护覆盖广泛的旧产品组合。它还可以跨多个 CRM 运作，为客户提供共享的智能层，而不是将分析锁定在单一供应商上。

市场上已经存在其他路径。例如，Attention 于 2026 年 6 月宣布完成自己的 3000 万美元 B 轮融资。该公司称，其代理会起草后续跟进内容、更新 CRM，并执行后续步骤，而不只是记录通话。

根据 Attention 的代理操作公告，其软件每月在超过 500 家客户中执行逾 2000 万次代理操作。这些数据来自该公司，仍需独立验证。

Attention 强调代理操作与最终结果之间的闭环。Encore 强调从组织内的人际互动中学习行动手册。两种策略都超越了转录，但它们起步于不同的运营知识来源。

客户服务代理公司构成另一种比较对象。Sierra 一直在推进专业化企业代理，而非通用 CRM 替代方案。一份 2025 年的融资报道称，该公司在服务大型企业的同时，正接近可观的年度经常性收入。

Sierra 的进展表明，尽管存在 CRM 既有厂商，专业厂商仍可赢得企业关注。但这并不能证明每一种专业化数据策略都能持续保持防御力。客户支持、营收运营和关系管理也分别需要不同的集成与评估方法。

Encore 的 40 多家客户提供了初步立足点，而非市场保护。决定性问题在于，这些部署是否会产生专有学习成果，从而提升续约和扩展。若客户能够在其 CRM 内重现相同结果，替换压力就会增加。

在使用 Encore 后参与投资的金融机构释放了积极信号。它们在加入本轮融资之前已直接接触该产品。不过，战略投资并不能揭示部署深度、实际表现或长期采购决策。

这家创业公司现在需要在不同机构中提供可重复的证明。少量定制化实施可以展示可行性。可扩展的平台则必须处理不同的数据结构、政策、语言、销售流程和成功定义。

这一负担在分发方面有利于既有厂商，但在专业化方面有利于 Encore。这 3000 万美元融资为其争取了时间，以验证专业化能否克服 CRM 供应商的覆盖能力。

代理行动手册仍无法证明什么

历史上的成功并不能证明某种对话策略导致了结果，也不能证明代理可以安全地复现它。

一项被广泛引用的 CRM 基准显示，业务代理仍有很长的路要走。在现实 CRM 任务中，研究人员评估了代理在九项客户服务任务中的表现，这些任务涉及相互关联的业务对象和隐藏变量。

该研究报告称，采用 ReAct 提示（一种交错进行推理和行动的方法）时，成功率低于 40%。函数调用代理的成功率仍低于 55%。这些结果来自基准测试，而非 Encore 的产品，但突出了遵循规则和使用工具时的普遍问题。

Encore 尚未公开发布可比的评估结果。其客户数量和所报告的营收增长表明存在商业活动，但并不衡量任务准确率。该公司也未披露员工接受建议或覆盖其代理决策的频率。

独立的性能数据将澄清几个问题。买家需要按任务划分的错误率、升级频率、响应延迟，以及自主完成的交互占比。他们还需要与人工团队及更简单自动化方案的结果对比。

隐私带来了另一项挑战。通话和消息可能包含个人信息、财务细节、投诉和敏感背景。利用这些对话训练行动手册，需要明确的同意机制、保留规则、访问控制和删除程序。Encore 自己的隐私政策称，其会为特定目的处理个人数据，并说明用户的访问、更正和删除权利，但企业买家仍需要合同层面的专属控制和技术保障。

员工监控引发了独立的担忧。旨在识别有效技巧的平台，也可能对员工进行排名或暴露个人弱点。公司必须决定员工是否知道录音如何被分析，以及管理层如何使用这些发现。

行动手册本身也需要治理。一名成功的员工可能会绕开内部政策、作出缺乏依据的承诺，或使用无法跨客户迁移的幽默。频率和转化数据不能取代合规审查。

金融服务提高了风险。一名代理的措辞可能影响客户对产品、义务和风险的理解。听起来有说服力的建议，仍可能遗漏政策或监管要求的背景信息。

偏见可能通过历史数据进入系统。过去的员工可能基于语言、口音、地点或被感知的收入水平，以不同方式对待客户。一个优化历史结果的系统，可能会在不了解其社会含义的情况下保留这些模式。

数据漂移带来另一项问题。某种成功策略可能会在产品变更、政策修订或市场变化后过时。行动手册需要失效规则和持续测试，而不是基于旧通话被永久赋予权威。

此外还存在一个基本的归因问题。销售结果取决于产品质量、定价、品牌认知、时机和客户预算。对话行为只是结果的一部分。Encore 必须避免将并非由其系统导致的变化归功于自身。

审慎的企业部署应当区分三个层面。经批准的事实和政策应来自受控知识来源。建议性的对话策略应保持可检查性。自主操作则应在明确限制和升级规则内运行。

人工审查不能解决所有问题，但它创造了一条务实的采用路径。公司可以在授予更广泛权限前，将建议与实际结果进行比较。它们还可以识别系统模仿风格却不理解背景的案例。

因此，Encore 最有力的主张仍是一项正在接受商业检验的假设。对话历史包含宝贵的组织知识。尚未解决的问题是，软件能否在不编码噪声、偏见和偶发行为的情况下提取这些知识。

将决定 Encore AI 下一阶段的三个信号

只有当部署规模扩大、可衡量的结果经得起审视，且 CRM 供应商无法抹去其技术领先优势时，Encore 的论点才会得到加强。

第一个信号是现有金融客户内部的扩展。新客户标识固然重要，但更深入的部署揭示的信息更多。买家应关注 Encore 是否从员工辅助扩展至多个业务流程中的自主客户交互。

扩展将表明机构同时信任行动手册和周边控制措施。有限的试点则意味着该技术可能主要仍适用于分析或建议。Encore 尚未披露辅助使用与自主使用之间的当前比例。

第二个信号是透明的评估。Encore 最终应提供任务层面的证据，涵盖准确性、升级、合规和业务结果。结果需要可信的基线，并清楚说明人工仍在哪些环节参与。

所报告的营收增长令人鼓舞，但无法回答这些运营问题。一项有用的评估应在确定的时间段内，将 Encore 指导的团队与既有工作流进行比较。它还应将相关性与定价、人员配置或市场条件所产生的影响区分开来。

证明行动手册能够在多家机构中改善结果的证据，将支持 Encore 的核心论点。疲弱或高度定制化的结果则会表明，互动挖掘的行为更像咨询服务，而非可扩展的软件优势。

第三个信号是大型 CRM 供应商的反应。Salesforce、SAP、Zoho 和 HubSpot 已经能够访问客户记录，并拥有不断扩展的代理产品组合。例如，Salesforce 将 Agentforce 描述为一个连接企业数据、元数据、工作流和安全控制的代理平台。这些供应商可以加入更深入的对话分析，与专业厂商合作，或收购缺失的能力。

如果既有厂商将历史交互置于其代理系统的核心，Encore 的差异化将缩小。如果它们的产品继续主要将对话视为摘要和可搜索记录，Encore 就能获得时间来建立专业化的数据优势。

Attention 等竞争对手出于同样的原因值得关注。它们的进展将显示，买家更偏好从人工行动手册中学习的代理，还是从自身已完成操作中学习的代理。企业最终可能会将两种方式结合起来。

Google 新闻报道很可能会聚焦未来融资、客户胜利和产品公告。买家应透过这些标题看本质。部署深度、独立评估和既有厂商的反应，比又一轮融资更能揭示问题。

Encore 的 3000 万美元融资意义重大，因为它为一个可验证的组织知识理念提供了资金支持。该公司相信，对话中蕴含着正式系统所忽略的工作方法。如今，它必须证明这些方法能够转化为可靠的软件行为。

这一验证对所有考虑采用 AI agent 的组织都很重要。在自动化某项工作流程之前，应明确 agent 判断的来源、它所优化的结果，以及当上下文发生变化时由谁负责。随后，关注 Encore 能否在企业规模下回答这些问题。