Encore AI 获3000万美元A轮融资：企业AI代理如何从“降本”转向“创收”？

在2026年的企业AI市场中，几乎每一个销售提案都将“降本增效”列为首要价值主张。客服机器人旨在拦截来电，工单自动化系统试图消灭人工坐席，整个行业的叙事围绕着一个隐含假设：每一次人类交互都是等待被优化的成本中心。但在金融服务、保险和高价值零售领域，一通电话可能改变客户资产配置、关系到数百万美元的贷款发放，或是触发致命的合规风险。在这些场景中，把对话视为成本并加以压缩的做法，本身就在摧毁收入。

这正是Encore AI试图切入的缝隙。这家原名Insait IO的公司本周宣布完成3000万美元A轮融资，它销售一套与主流叙事方向相反的产品：不削减交互，而是让每一次客户交互产生更多收入。本轮由Team8、Planven和The Garage共同领投，Lukatz以及至少两家大型金融机构——Harel和Bank Leumi——作为客户转向投资者参与其中。

产品定位与当前企业AI主流方向形成根本张力

理解Encore AI的出发点，需要先看清它所对抗的行业趋势。过去三年，企业AI代理市场被成本削减逻辑主导。无论是Zendesk的Answer Bot、Intercom的Fin，还是Salesforce的Einstein Bot，核心指标始终是“减少人工坐席处理量”“降低平均处理时长”“提升自助解决率”。这些指标背后的商业直觉很简单：人力贵，机器便宜，让机器替代人力就能省钱。

但Encore AI创始人兼CEO Dr. Dvir Ginzburg在官方新闻稿中明确表达了相反立场：“当今的企业AI行业围绕成本削减进行优化。Encore是为等式的另一边而构建的。每个组织已经拥有数据，显示其最佳员工与其他人有何不同。”这个“另一边”指向一个被主流叙事忽略的事实：在特定行业中，一线销售和客服人员的差异化表现是收入的直接驱动因素。顶尖销售人员创造不成比例的收入，他们的转化率、挽回率和成交率远超平均水平，但这些人数量有限，无法覆盖每一通电话、每一个渠道、每一个时段。Ginzburg给出的解决方案是将这些稀缺行为模式“捕获并复制”，发布为可规模化部署的AI代理。

这一产品哲学上的分歧，将Encore推入了与大部分AI代理公司不同的竞争维度。当其他厂商在“每一家AI公司都是成本削减公司”的框架内争夺客户时，Encore试图将自己定位为收入创造工具。但这也意味着它必须回答一个更难的问题：复制顶尖销售，在真实合规环境中是否真的可行？

交互挖掘：一个从行为数据中提取销售“剧本”的技术工程

Encore AI的核心技术被称为“交互挖掘”，已获得专利。其工作逻辑可以分解为三步。第一步是数据摄入：平台接入企业的通话录音、聊天记录、邮件往来、IVR日志和CRM数据，将结构化数值数据与非结构化的语音和文本合并，建立统一的客户交互视图。第二步是行为模式识别：将每一次客户交互切分为多个阶段，分析在哪些节点上哪些做法推动了转化，哪些做法导致了流失。第三步是代理部署：将识别出的成功行为模式打包为AI代理，这些代理可以自主与客户进行语音或文字交互，也可以作为“Wingman”在人工坐席进行实时通话时提供话术建议。

Ginzburg在接受TechCrunch专访时提供了一个极端的例子：“有时候我们的代理甚至会说关系经理讲的笑话，或者给出关系经理使用的轶事或例子，因为我们完全按照我们看到的有效剧本运作。”这种对行为细节的逐帧复制，使得Encore的产品与通用的对话式AI代理形成了显著区别。后者通常基于预设的对话流程和意图识别，而前者宣称从员工的真实成功记录中提取剧本。

但这里存在一个技术逻辑上的张力：Encore宣称的是“复制最佳员工”，但其平台实际分析的是全量员工数据——它需要从所有交互中发现哪些做法有效、哪些无效。这意味着系统并非简单地克隆某一位明星销售，而是提取跨个体的有效行为片段并重新组合。这种做法的效果取决于一个关键假设：成功行为具有可分离性，可以被提取、重新打包并部署到不同于原始语境的交互中，而不损失有效性。这个假设本身需要更广泛的验证，尤其是在不同客户群体、不同产品线、不同市场条件下的可迁移性。

另一个值得注意的技术变量是创始人背景。Ginzburg拥有特拉维夫大学的几何深度学习博士学位，曾在微软从事推荐系统研究，专注于从大规模行为数据中识别模式。他将推荐系统领域的技术方法迁移到客户交互分析，构成了Encore AI的理论基础。但推荐系统与销售代理之间存在本质区别：前者只需预测用户偏好并作出建议，后者需要实时参与双向对话，应对不可预见的客户反应，并且在受监管行业中保证每一次交互的合规性。

商业模式：通过客户兼投资者验证收入增长假设

Encore AI至今未公开披露其定价模型或收入结构细节。但通过本轮融资的投资者构成和客户增长数据，可以勾勒出它的商业化路径和验证状态。

公司披露已服务超过40家全球企业客户，绝大多数是金融机构，包括银行和保险公司。平台已在超过30家组织中部署，覆盖以色列、澳大利亚、欧洲和美国市场。更关键的增长指标是：年化经常性收入自种子轮以来不到18个月内增长超过5倍。公司在种子轮由The Garage领投，这意味着这一增长曲线发生在一个较短的观察窗内。

公司还提供了一个单体客户的经济模型案例：一个大型贷款客户在部署后数月内获得了10倍的投资回报。这是公司公开的唯一量化的投资回报率数据。需要注意的是，这一数字由公司自行报告，其计算基准、成本口径和时间范围并未披露，无法独立核实。

本轮最值得审视的资本结构特征，是客户转化为投资者的现象。Harel和Bank Leumi先作为Encore AI的客户使用其平台，在目睹平台对自身业务的直接影响后选择参与本轮投资。The Garage管理合伙人Omer Nagar曾表态：“除了资金，我们与创始人携手在实际银行环境中验证产品，并在我们的生态系统中打开大门。”

客户即投资者的结构，在特定情境下可以视为强社会证明：它意味着付费用户在与公司的持续合作中看到了足够的增量价值，以至于愿意以股权形式进一步绑定利益。但这种结构同样会导致一种利益相关方集中的效果：若最大客户同时也是股东，公司的独立性以及面向其他潜在客户的谈判立场将受到关注。这在本案中尤其值得留意，因为公司未披露来自金融机构客户投资者的参投金额或持股比例。

资金用途：美国扩张与金融机构部署构成主要线索

Encore AI明确宣布本轮资金将主要用于两个方向：扩大美国销售业务，以及在更多大型金融机构中部署平台；同时加速产品开发和商业运营。

“扩大美国销售业务”这一表述意味着公司正从当前的多地域部署状态——其客户已覆盖以色列、澳大利亚、欧洲和美国——转向对北美市场的战略性集中。美国拥有全球最大的金融服务市场和最激烈的企业软件竞争环境，这也是Salesforce、HubSpot等CRM厂商的大本营。进入这一市场意味着Encore AI将从相对分散的全球客户部署，转向面对一个高度成熟且竞争饱和的软件采购环境。

“在更多大型金融机构中部署平台”则表明Encore正在从当前的中型金融机构客户群向更大规模的金融巨头推进。这类大型机构的销售周期更长、合规审查更严格、对供应商的财务稳定性要求更高。3000万美元的A轮融资为这类对话提供了一定的资产负债表背书。

公司目前拥有约50名员工，其中35人在以色列，其余分布在纽约和澳大利亚。随着美国扩张计划的推进，纽约团队的规模预计将发生显著变化。但公司未披露具体招聘计划或目标客户管线。

竞争格局：真正的对手不是AI初创公司，而是CRM底座

在竞争分析中，需要区分两类竞争者：与Encore处于相似定位的AI交互代理初创公司，以及拥有客户数据基础设施的CRM平台厂商。前者目前在市场声量上尚未构成明确威胁，但后者——Salesforce、SAP、Zoho、HubSpot——却是所有企业AI公司必须正视的力量。

大型CRM厂商拥有一个Encore AI不具备的结构性优势：它们已经掌握着客户的营销、销售和服务数据。Salesforce的Data Cloud、HubSpot的CRM数据平台，都存储着大量客户交互记录。如果这些平台决定在本已拥有的数据之上构建类似交互挖掘的能力，它们不需要从零开始的数据接入过程，也不需要在采购过程中说服客户开放另一套数据管道。

Ginzburg在接受TechCrunch采访时对此进行了回应，核心论点是：现有CRM厂商并不以历史对话数据作为构建代理的基础。“我们最大的竞争对手，他们不将对话历史视为他们在利用的数据点。要让他们开始索取与现有员工的对话数据，将需要改变整个实施栈和技术栈。”这一判断的潜台词是，CRM厂商目前的技术架构并非围绕“从交互历史中提取行为模式”这一逻辑构建，要转向这种模式需要进行底层重构，而这个过程不会很快发生。

但这一判断本身是公司立场，不是客观事实。Salesforce已经在Einstein GPT中整合了来自其生态系统的多种数据源；HubSpot的Content Hub和AI功能也在持续扩展其使用场景。关键问题不在于CRM厂商现在是否在做同样的事，而在于如果客户开始要求这种行为挖掘能力，这些拥有数据基础和资金优势的平台将以多快的速度跟进。Encore AI的技术壁垒——专利的交互挖掘技术——在多大程度上能够提供有意义的保护时间窗口，这一点目前无法判断。

还有一个更细微的竞争维度需要注意：当Encore AI部署在大型金融机构中时，它通常需要与这些机构已经采用的CRM系统进行数据集成。这意味着Encore在某些情况下既是现有CRM供应商的替代方案，又是其生态系统的一部分。这种竞合关系的动态变化，将影响其在不同客户环境中的扩展速度。

投资逻辑：垂直AI、专有数据壁垒与“品类定义”叙事

三家领投机构在本轮中呈现了高度一致的投资叙事，但其侧重点各有不同。将这些表述并列比较，有助于区分真正的投资逻辑与公关话术。

Team8合伙人Hadar Siterman Norris聚焦于两个要素：未充分利用的交互数据资产，以及监管合规架构。“每个企业都坐在多年客户交互数据上，却没有充分利用。Encore AI通过了解顶尖员工的不同之处并大规模部署这些行为，将这些数据转化为收入。同样重要的是，它已经构建了在最严苛的受监管行业中运营所需的合规架构。”这番话将Encore的价值主张拆解为数据资产变现与合规能力两个板块。第一个是收入端的故事，第二个是准入门槛的防御性论据。

Planven管理合伙人Eran Westman则使用了一个更大的概念框架：“下一代AI领导者将由它们创造的企业价值来定义。我们相信拥有专有数据优势和深厚领域专业知识的垂直AI公司将构建这个十年的持久平台。”他将Encore AI定位为这一投资主题的代表案例。这个框架的前提假设——垂直AI公司将胜出——本身是当前风险投资界的主流判断之一，但能否成立取决于每家具体公司能否在特定垂直市场中获取并维持不可替代的地位。

The Garage的叙事更具历史纵深感：“我们从第一天起就支持这个团队，领导了前种子轮和种子轮。除了资金，我们与创始人携手在实际银行环境中验证产品。”从Insait IO时期到Encore AI的品牌重塑，The Garage是唯一贯穿公司各融资阶段的外部机构，它的连续注资构成了一种非典型的信号：一家早期基金对同一个团队进行连续三轮投资。

需要指出的是，投资者中包含了公司客户这一事实，使得“投资者因看好而注资”与“客户因使用满意而加深绑定”这两种行为在本轮中难以清晰切割。这种混合信号在解读投资者信心时需要冷静对待。

风险与待验证假设：从10倍回报到美国市场扩张的多重挑战

即便接受公司披露的所有数据为真，Encore AI仍面临多个层级的风险与待验证假设。

第一个也是最核心的风险是产品效果的持续性和可复制性。公司列举了一个大型贷款客户在数月内实现10倍投资回报的案例。即便这一数字准确，它来自单一客户，且未披露该客户所处的具体场景、产品类型、部署规模或基线业绩。在一个客户身上实现高回报，不保证在另一个客户——尤其是在不同监管环境、不同客户群体、不同产品复杂度的机构中——实现类似效果。当公司从早年的30余家客户向更大规模的企业群体扩展时，产品能否在不同语境下持续有效，是一个尚未充分回答的问题。

第二个风险是数据隐私与合规的持续压力。Encore AI的平台需要摄入通话录音、聊天记录、邮件内容和CRM数据，这些数据在金融服务行业中通常受到严格的隐私法规和内部信息安全政策约束，包括GDPR、CCPA以及各国金融监管机构的专门规定。公司声称已构建了“在最严苛的受监管行业中运营所需的合规架构”，但这一架构的具体设计、所获认证以及跨司法管辖区的适用性均未公开。一次数据泄露事件或监管机构的不利裁定，都可能显著影响其在金融机构中的部署进度。

第三个风险是美国市场扩张的执行难度。美国的金融服务市场既是大奖池，也是竞争最激烈的企业软件战场。Encore AI将需要与已在当地建立深厚销售关系的大型CRM厂商竞争客户的预算和注意力。它当前的纽约团队规模有限，大规模招聘和本地化销售能力的建设将考验管理团队的扩展能力。

第四个风险是AI代理能否持续优于人类团队的未证明性。Encore的核心价值主张是，其AI代理能够大规模复制顶尖员工的表现，从而实现超越纯人工团队的收入结果。但AI代理可能在特定场景中表现优异，而在遇到训练数据中未曾出现的边缘情况时产生错误。在金融服务的上下文中，这种错误不仅仅是转化率的损失——它可能意味着合规违规、客户投诉或监管处罚。公司能否在扩大规模的同时将错误率控制在可接受范围内，目前缺乏公开证据。

最后一个风险与公司的品牌重塑有关。从Insait IO（一家面向理财顾问的推荐软件公司）到Encore AI（一个收入驱动的AI代理平台），公司在不足两年的时间内经历了显著的战略转向。这一转向的驱动力究竟是对更大市场机会的合理把握，还是对原有商业模式瓶颈的反应？公司提供的数据——ARR增长超过5倍——倾向于支持前者，但这一增长曲线源自一个已经调整后的产品方向，而非初创阶段的自然成长。

RecodeX 极客视点：Encore AI的3000万美元A轮融资，把一个问题摆上了企业AI的桌面：当我们把“降本”当作唯一北极星时，是否系统性地低估了客户交互中的收入增量？这家公司用交互挖掘技术将顶尖销售行为切片、打包、规模化部署，其客户端投资者构成了一种值得注意的社会证明。但核心命题的验证仍处于早期：复制最佳员工这件事在多客户、多市场、多监管环境下是否可持续？当Salesforce们觉醒并开始挖掘历史对话数据时，Encore的专利窗口能不能撑到它建立网络效应？这笔融资买到的，是一次用18个月时间来证明“收入驱动AI”不是漂亮口号的机会。