top of page

Nebuly A 轮融资筹集 2,100 万美元,用于衡量 AI 价值

15分钟前
讀畢需時 12 分鐘
Illustrative photograph. Photo: Yan Krukau / Pexels.

Nebuly 融资 2,100 万美元,用于衡量企业 AI 的商业价值——在这一领域,更多活动并不必然意味着更好的结果。Nebuly A 轮融资于 2026 年 11 月 12 日公布,资金将用于开发把 AI 使用情况与节省时间及商业影响估算联系起来的软件。核心问题在于,这些估算与已完成工作、释放的产能和财务结果之间的吻合程度有多高。

这让企业 AI 负责人面临另一种压力。部署助手并汇报采用率,可以证明员工正在使用它。要为其预算辩护,则需要说明此后发生了哪些变化。Microsoft 已通过其 Copilot Dashboard 提供预估影响指标,使 Nebuly 需要与这一成熟的平台供应商展开竞争。

Nebuly 的机会位于这些使用报告与财务团队需要作出的决策之间。其方法将假设条件呈现出来,让客户审视活动如何转化为预估回报。这一区别至关重要,因为一项估算可以为决策提供参考,却不能证明 AI 导致了生产率提升。

Nebuly A 轮融资的资金用途

Planven 领投本轮融资,Exor Ventures、Tenacity Capital、TGVG Capital,以及 Fastweb+Vodafone 旗下 Founders Factory 参投。原有投资者和天使投资人也参与了本轮融资。CDP Venture Capital 通过其 Artificial Intelligence Fund 和 Digital Transition Fund 支持了本轮融资。

Nebuly 表示,这笔资金将用于产品开发,并扩展其在美国和欧洲的销售与营销团队。其 A 轮融资公告将 Oura、Iveco Group、Fastweb+Vodafone、CNH 和 Zeiss 列为客户。这些名称表明的是公司自行报告的采用情况,而非经独立验证的客户节省成果。

这笔融资支持的是一个商业价值衡量平台,而不是又一个与员工争夺任务执行能力的助手。

这一定位改变了销售逻辑。助手供应商需要说服买方,其产品能够完成有用的工作。衡量供应商则需要说服同一买方,它能可信地评估这些工作。客户必须同时信任所收集的信息及其所采用的解读方式。

这一区别也塑造了投资者所押注的方向。Nebuly 不需要每家企业都统一采用同一家 AI 供应商。当组织需要跨不同工具获得统一视图时,其拟议角色便具有相关性。只要不同部署产生的报告让管理层难以比较,这就会带来商业机会。

Tamara Djurickovic 的报道描述了一个覆盖员工工具和面向客户助手的平台。对员工而言,重点包括效率和新增产能。对于客户互动,重点则包括对收入的影响,以及潜在的留存或销售机会。这些都是相关的商业问题,但所需证据并不相同。

因此,这笔 企业 AI 融资的含义,比对 AI 生产率作出定论要狭窄得多。它为 Nebuly 扩展其衡量业务提供了资源。它并不能证明企业 AI 始终能带来正向回报,也不能证明单一衡量方法能够解决每一项存在争议的投资。

对买方而言,这留下了商业牵引力与衡量准确性之间的实际区别。在每项估算都经过独立验证之前,客户仍可能发现该平台有助于组织决策。当这些主张保持区分时,融资故事才更具参考价值。

公告中还包含一名客户和领投方的支持性表述。他们的支持说明了该产品为何吸引了商业兴趣。在评估有关该平台量化商业价值能力的主张时,应结合其与公司的关系来解读这些表述。

AI 负责人面临超越采用率的预算问题

直接压力落在那些必须解释 AI 部署为何值得持续投资的团队身上。

使用情况是一个可以理解的起点。未被使用的助手无法帮助员工,采用数据也能揭示需要关注的推广问题。但一个频繁使用的助手仍可能产出需要大量修正的工作。单凭活动量无法解决这种差异。

以一个说明性的内部研究工作流为例。一名员工要求助手查找一项政策、总结其影响并准备回复。对话记录能够显示这次交流确实发生过,但无法自动证明该政策仍然有效、总结准确,或回复可用。

商业结果取决于交流之后发生的事情。员工可能直接接受答案、核查其来源、重写答案,或重新开始。每种路径对时间和质量都有不同影响。衡量系统在赋予价值之前,需要某种方式来区分它们。

这给 AI 项目负责人带来了压力,因为采用率和结果可能朝不同方向变化。培训可以在减少不必要提示的同时,提高已完成工作的质量。更好的源材料可以缩短对话。即使活动计数下降,需要更少交互的助手也可能变得更有用。

财务团队从另一个方向面临同样的模糊性。一份描述员工可释放产能的报告,并不能自动说明支出是否下降。它也无法显示组织是否高效利用了这些产能。这些是后续运营决策,各自有独立的证据要求。

这一区别在招聘讨论中尤为相关。对任务层面的估算,并不能证明一个完整岗位可以消失。工作岗位由活动、职责、协调和判断构成。从某项活动中节省时间,只会改变这个更大系统的一部分。

同样的问题也会影响依赖查找可靠信息的知识工作。一个可搜索的知识库可以支持正在评估的工作流。它的商业贡献仍取决于人们是否找到正确材料,并据此完成有用的工作。

收入又增加了一层复杂性。客户可能在购买前与助手交流,但这一顺序本身并不能证明额外销售的产生。客户原本可能就有购买意图。这次互动可以具有相关性,却未必是决定性原因。

Nebuly 的融资之所以重要,是因为它瞄准了使用证据与适用于预算决策的证据之间的这一缺口。买方的需求很具体:识别哪些部署值得扩展,哪些需要改进,以及哪些不再值得组织继续投入资源。

一套通用的报告系统可以帮助让这些选择更加一致。当它保留已观察事件、预估收益和已实现结果之间的区别时,其价值会增加。将它们合并为一个看似亮眼的总数,会让预算讨论更容易呈现,却更难评估。

Nebuly 的运作方式:根据已完成任务估算价值

Nebuly 公布的方法始于用户对话及其中呈现的任务。该公司表示,只有符合客户成功标准的互动才会纳入计算。专有模型会估算相关人工工作量,再应用小时成本假设,以价值形式表达结果。

其 AI ROI 方法论描述了可调整的假设条件,以及涵盖已完成任务、预估节省工时和按活动划分价值的报告。这里的 ROI 指投资回报率,但基于时间的价值估算仍不同于完整的财务回报计算。

有用之处在于,用户可以检查将已完成任务与预估收益连接起来的假设条件。

被归类为成功的一段对话,是这项估算的起点。分类本身需要解读。员工保留一份草稿可以表明其有用性,但接受并不一定证明事实准确。同样,没有再提出问题,也并不总能证明客户的问题已经解决。

人工工作基准同样重要。该基准估算在没有 AI 的情况下,完成相关工作原本需要什么。如果它假定流程不必要地缓慢,预估收益就会增加。如果它假定一名经验丰富的员工会使用现有快捷方式,同一互动可能产生较小的结果。

可调整性让这些分歧变得可见。财务团队可以质疑某项任务的假定耗时,而不必拒绝一个未经解释的总数。部门可以区分需要不同投入程度的活动。这比笼统宣称每个人都感觉更快,提供了更具体的讨论基础。

然而,更改假设不同于验证假设。利益相关者之间的共识可以让报告保持一致,却不能让其基准变得准确。最有力的解释取决于与实际工作进行比较,包括准备请求、检查输出和修正错误所花费的时间。

这正是 Nebuly AI ROI 报告中的核心张力。一个平台可以大规模观察互动,同时仍要估算替代流程。直接观察到的活动与模型化的节省时间属于不同证据类别。让两者都保持可见,会使最终数字更容易评估。

对于此前无法完成的新型工作,这一区别会更加明显。员工可能使用 AI 开展此前一直未做的分析。这可能创造价值,但将其描述为节省时间,意味着原本会有一项人工任务发生。新增能力应当有其独立的说明。

任务边界同样重要。一项研究请求可能涉及多段对话,而一段对话也可能包含多个请求。将每次交流视为独立完成的任务,可能歪曲工作流。买方需要了解任何衡量产品如何处理这一边界。

当多个助手共同完成一项输出时,也会出现类似问题。搜索助手可能定位信息,另一工具可能起草文本,员工则可能整合结果。将各自的预估相加需要谨慎,因为一些声称的收益可能相互重叠。

因此,这笔融资支持的是一款其实用性取决于标题式仪表盘之下细节的产品。分类、基准、排除项和重叠情况决定了读者应如何解读总数。解释 Nebuly 的运作方式,归根结底是识别结果中哪些部分被观察到,哪些部分是推断得出的。

这也是该平台能够支持单一回报数字以外运营决策的地方。细分结果可以将注意力引向表现不佳或需要更好源材料的工作流。即使财务估算存在显著不确定性,这种诊断用途仍可能具有价值。

Microsoft 已提供预估 AI 影响

Nebuly 进入的市场中,平台提供商已报告了超出基础采用程度的成果。Microsoft 的 Copilot 影响指标包含辅助工时和辅助价值。其文档将这些定义为基于使用情况、研究假设和小时费率得出的估算值。

Microsoft 也明确将其计算描述为宽泛的近似值。它警告称,组织层面的因素可能影响工作场所指标的差异。这一限定很重要,因为原生仪表板已承认了 Nebuly 所要应对的部分衡量难题。

Nebuly 提出的优势是在不同提供商之间提供统一视图,而 Microsoft 则在自身环境内提供了成熟的视图。

据 Nebuly 称,其平台可连接基于 Claude、ChatGPT 和 Microsoft Copilot 的定制工具与助手。区别在于覆盖范围。使用多套系统的组织有理由寻求不止于单一提供商产品边界的比较。

但这并不意味着外部平台必然更准确。独立于助手供应商可以减少一种商业利益冲突,但衡量公司仍在销售自身的解读。客户需要评估其方法,而不能将独立供应商等同于独立的科学验证。

原生报告也具备实际优势。平台提供商了解自身的产品事件,并能将其与既有管理工具连接起来。买方可能已经能够访问这些报告。额外供应商必须证明,为集成另一套系统并解读另一组指标所投入的工作是合理的。

跨提供商报告也带来自身挑战:相似的标签可能掩盖不同的底层事件。一个产品中的已完成操作,可能与另一产品中的已完成操作并不相同。有意义的比较需要对任务、结果及其周围的人力投入形成一致理解。

统一的货币单位本身无法解决这一问题。将不同估算转换为货币,可能会在其假设尚未对齐前就让它们显得可以比较。对任务、经验水平和质量要求不同的部门进行排名时,同样需要保持谨慎。

例如,示例性的法律审查流程与内部排期流程,在答案出错时会产生不同后果。仅按预计节省的时间对二者排名,会忽略这些后果。有效的比较需要保留背景,而不是把每项活动压缩为同一个分数。

正是在这里,Nebuly AI ROI 与其说是在与单个产品竞争,不如说是在与买方现有的报告习惯竞争。问题在于,统一的衡量方法是否能充分改善决策,以值得引入另一个平台。仪表板的广度只有在其分类仍然易于理解时才有意义。

竞争压力双向存在。原生平台可以扩展自身报告能力,从而降低简单环境中对独立分析工具的需求。独立供应商则可以强调混合部署、一致假设以及跨越产品边界的工作流。买方应根据自身实际的报告需求来评估这些路径。

因此,对企业团队而言,选择并不只是挑选报告收益最大的仪表板。相关比较涉及覆盖范围、透明度、集成工作量,以及每份报告所支持的决策。这些因素决定了额外的衡量层是否会带来有用信息。

估算节省仍需进行结果核验

可信的估算需要有关已完成工作、质量以及用于比较的替代流程的证据。

独立生产力研究说明了这一点为何仍然困难。METR 在其 2026 年 2 月 24 日的生产力研究更新中,描述了解读一项后续开发者实验时遇到的问题。参与者不愿在没有 AI 的情况下工作,影响了招募和任务选择。

研究人员还指出,当开发者并行使用智能体时,衡量时间存在困难。他们认为开发者获得的收益可能高于早期研究,但将更新后的证据描述为较弱。该研究关注的是开发者生产力,而非对 Nebuly 的评估。

它的方法论相关性在于:人们选择从事的工作、愿意接受研究的参与者,以及对重叠活动的处理方式,都可能改变结果。当 AI 改变被比较的工作流时,即使是严谨的比较也会变得困难。

这使简单的时间核算变得复杂。智能体可以在员工处理无关工作时运行,因此经过的时长不同于人力投入。反过来,快速生成的内容也可能在之后触发大量审查。聚焦于交互本身的衡量,需要了解周边流程的背景。

质量也可能与速度分别变化。员工可能在相同时间内产出更完整的文档,获得节省时间指标无法捕捉的结果收益。另一位员工可能更快完成,却给同事留下更多错误。两种情况都挑战了单一的生产力衡量指标。

面向客户的收入主张也需要类似的严谨性。收入影响描述的是一次交互与商业结果之间的关联。增量收入指原本不会发生的销售。要确立后者,需要比展示助手曾在客户旅程中出现过更强的比较依据。

潜在流失和追加销售信号,在后续事件支持之前仍然只是信号。一段对话可以识别不满或购买兴趣,却无法证明某项干预改变了结果。其运营价值应与有关已实现财务收益的主张分开评估。

部署选择则回答另一组问题。Nebuly 表示,其模型可以在客户基础设施或私有云中运行,而无需将企业数据发送至外部模型 API。这提供的是一种所声明的部署选项,而非证明每项实施都符合所有隐私或合规要求。

分析仍取决于哪些信息进入系统,以及谁能够访问这些信息。对话数据可能包含敏感的业务或员工材料。买方需要了解数据收集范围、保留期限、权限,以及结果如何在组织内呈现。

这些问题也影响员工信任。用于评估工作流的工具可能被理解为对个人进行排名的方式。当员工处理的任务或复杂程度不同,比较会尤其困难。汇总数字不应仅因出现在某人的姓名旁边,就显得更加精确。

所审阅的公告并未提供独立验证,以证明 Nebuly 对所有列名客户的时间估算均准确无误。投资者支持也不提供这种验证。这些限制为有用的报告留出了空间,同时防止融资公告成为已衡量客户成果的证明。

Nebuly 的 A 轮融资支持其在这些限制下继续发展。更好的衡量可以让不确定性更易于审视,也让决策更易于说明。当现有证据无法证明明确的节省主张时,其可信度取决于是否保留这种不确定性。

融资后值得关注的事项

下一批有用信号将涉及验证、报告细节和竞争,而非又一个标题式总额。

第一个信号是客户案例能否将估算收益与经过独立核查的工作联系起来。有说服力的案例会说明任务、比较流程、质量要求,以及 AI 使用周围的人力投入。它应区分预期产能与已观察到的运营变化。

这类证据将增强在重要预算决策中使用该平台的理由。若客户背书缺少这些细节,则只能提供更有限的满意度信号。它无法解决所报告的价值是否准确反映了工作或财务结果。

第二个信号是产品对不确定性和不完整覆盖范围提供更多细节。买方需要了解未成功的尝试、缺失的交互、重叠任务和变化的假设。让这些因素可见的报告,将有助于解释某个数字为何在审查周期之间发生变化。

当表面改善源于修订后的设置而非更佳表现时,这一区分尤为重要。变更历史可让审阅者区分方法更新与底层工作变化。清晰处理这些差异,将增强对长期比较的信心。

第三个信号是原生平台如何发展自身的衡量工具。扩展报告能力可能使集中于单一提供商的组织不再那么需要独立分析工具。更广泛的混合部署则会强化跨工具统一方法的论点。

两种结果都不会自动决定 Nebuly 的前景。更有信息价值的问题是,买方是否利用其报告作出比现有系统所允许的更有依据的决策。这种贡献的证据,比声称衡量 AI 的每一项收益更能清楚说明产品角色。

这些是未来几个月的观察点,而非已排定的公告。已经验证的事件是融资及 Nebuly 所声明的扩张计划。未来的产品能力和客户成果,应在支持证据出现时加以评估。

对于开发者和知识工作者而言,报告方式将影响组织如何解读他们对 AI 的使用。能够识别已完成工作和质量的系统,比单纯奖励活动量的系统更能支持有价值的讨论。表述不当的指标可能鼓励改善仪表板、却不改变实际工作的行为。

对企业买方而言,Nebuly 的 A 轮融资是审视 AI 价值如何被报告的一个理由。在扩大部署之前,应询问哪些结果是已观察到的,哪些收益只是估算,以及哪些假设改变了结果。将释放出的产能与支出减少区分开来,将收入影响与额外销售区分开来。然后,将报告与员工和客户实际经历的工作流进行比较。最有力的投资理由应同时说明有用的工作以及其价值周围的不确定性。当下一笔 AI 预算进入审查时,其负责人能否将标题数字与另一团队可以核查的证据联系起来?

 
 

免费开始使用

一款本地优先的AI助手

为了获得更好的人工智能体验,

remio 目前仅支持Windows 10+ (x64)和M-Chip Mac 。

你的 AI 工作伙伴

和 remio 一起高效工作

规划、创作、交付

一站式完成

bottom of page