Encore AI 已募得 3,000 萬美元 A 輪資金，用以擴大一個平台；該平台會研究員工如何與客戶交談，並利用這些模式來訓練用於銷售與支援的 AI 代理。根據 TechCrunch，這輪融資由 Team8 領投，Planven、Lukatz、Garage，以及未具名的銀行和保險公司參與投資。

這筆融資之所以重要，是因為 Encore AI 在擁擠的企業 AI 市場中做出了一個明確的押注：面向客戶自動化最有價值的訓練資料，不是一般的網路文字，甚至也不是 CRM 欄位，而是公司自身累積的通話、電子郵件與訊息歷史。若此一論點成立，這家新創的產品可能會吸引那些希望 AI 代理 能依照內部作業手冊調校，而非使用廣泛、千篇一律模型的企業。

該公司於 2022 年以 Insait IO 之名成立，現已更名為 Encore AI。公司表示，它會分析客戶互動，將其對應到工作流程中的各個階段，找出哪些做法與成功結果相關，然後把這些經驗套用到語音或文字代理。根據執行長 Dvir Ginzburg 的說法，這些代理可以在即時互動中協助人類團隊，也可以自主處理部分往來。

一輪圍繞對話資料打造的融資

TechCrunch 報導，Encore AI 會利用新資金擴大其美國銷售業務，並拓展與大型金融機構的部署。這個目標市場相當值得注意。公司表示，其超過 40 家企業客戶中，大多數來自金融服務業，因為該領域的客戶互動價值高、流程性強，且經常分散記錄於多個系統中。

Encore AI 的根源也有助於解釋這個聚焦方向。根據 TechCrunch，當時仍名為 Insait IO 的新創最初是為金融顧問與客戶關係經理開發推薦軟體。現有產品似乎是在此基礎上進一步延伸，將客戶對話與營運資料中的可重複戰術萃取成更廣泛的系統。

這輪融資由 Team8 領投；Team8 是一家以支持企業基礎設施與資安公司聞名的創投。銀行與保險公司的參與消息也是另一個訊號，但需要謹慎看待：TechCrunch 指出，部分金融機構是在先使用產品後才投資，不過並未公開名稱、投資規模或部署細節。

Encore AI 如何描述其系統運作

公司核心流程被 Ginzburg 向 TechCrunch 形容為「interaction mining」，其做法是整合通話錄音、電子郵件、簡訊，以及 CRM 系統中的資料。接著，平台會把客戶互動拆解為不同階段，並尋找看起來能推動成交、服務案件或帳戶關係向前發展的模式。

這個概念與其說是打造通用型助理，不如說是在擷取組織知識。依 Encore AI 的說法，績效優異的員工不只知道產品資訊；他們知道何時該提問、何時該安撫客戶、哪個例子最有效，以及哪一連串步驟最能提高好結果的機率。新創表示，其系統試圖把這些非正式習慣轉化為結構化的 playbooks。

根據 TechCrunch 的報導，Encore AI 的代理可直接透過語音或文字與客戶溝通，也能在對話中推薦回應與戰術，作為員工的助手。這使產品同時落在兩個相鄰類別：用於自動化第一線工作的 AI 代理，以及供人類團隊使用的 agent-assist 工具。

Ginzburg 告訴 TechCrunch，這些代理甚至可能複製歷史互動中有效的風格元素，包括關係經理使用過的軼事或笑話。這個細節相當引人注目，但也點出一個關鍵的產品挑戰：模仿成功對話習慣的 AI 系統，也許能提升一致性，但若沒有嚴格治理，也可能重現讓人感到不自然或不恰當的語氣與戰術。

競爭角度：超越 CRM 紀錄

Encore AI 正進入一個許多大型軟體供應商已經從另一個方向切入的市場。像 Salesforce、SAP、Zoho 和 HubSpot 這類公司都能直接接觸客戶紀錄，並持續在其平台中加入更多 AI。對企業買家來說，這會引出一個很直接的問題：為什麼要使用 Encore AI 這樣的專門廠商，而不是等更全面的 CRM 套件推出類似能力？

Ginzburg 受 TechCrunch 引述的說法是，對話歷史仍然沒有被充分利用為 企業 AI 系統的核心輸入，而既有供應商若要把過往客戶互動當成基礎訓練材料，就需要在實作與技術架構上做出實質改變。這件事能否持續成立仍是未知數，但它確實點出了 Encore AI 目前的差異化所在。

這個位置也反映出企業 AI 的更大趨勢。通用模型越來越容易取得，而專有的工作流程資料仍然更難整理與落地。能把雜亂、受權限控管的企業資料轉化為可運作系統的新創，可能比只靠模型外殼的公司擁有更具防禦性的產品。

不過，競爭壓力是真實存在的。大型既有廠商不必複製 Encore AI 的每一個元素，就能削弱其吸引力。如果 Salesforce 或 HubSpot 能在既有 CRM 合約中提供「夠好用」的對話智慧與 AI 代理，採購摩擦本身就可能成為小型供應商的一大障礙。

證據、主張，以及仍未驗證的部分

這則故事中最扎實的事實，來自 TechCrunch 的報導：3,000 萬美元 A 輪、領投方 Team8、前公司名稱 Insait IO，以及公司計畫在美國擴張並深化與金融機構的合作。

另有幾項重要主張來自 Ginzburg 或公司本身，應視為供應商所述資訊。包括 Encore AI 在全球擁有 40 多家企業客戶，其中多數為金融機構，以及自不到 18 個月前的種子輪以來，年度經常性收入成長超過五倍。TechCrunch 報導了這些數字，但公司並未公開確切營收、估值、客戶名稱或留存率指標。

同樣地，產品描述反映的是公司對「interaction mining」如何運作，以及其產生的代理能多有效捕捉成功 playbooks 的自我詮釋。現有報導中沒有關於轉換率提升、通話解決率改善、合規準確度或成本節省的獨立基準。也沒有關於支撐 Encore AI 的 foundation models、客戶如何核准或編輯生成 playbooks，以及面對受監管通訊的安全機制等技術細節。

這些缺口並不否定產品論點，但它們很重要。在銀行與保險等受監管產業中，企業買家大概不只想看到 AI 代理能不能說得有說服力，也會想確認它是否能長期維持合規、可稽核且可控。

這對 AI 建構者與企業團隊為何重要

對 AI 建構者而言，Encore AI 提醒大家，前沿正從通用 copilots 轉向建立在公司特定行為上的系統。這裡的新意不只是另一個語音機器人，而是嘗試挖掘真實商業互動，並將這些學習回饋到可部署的 AI 代理中。如果這能穩定運作，就可能縮小分析軟體與營運自動化之間的差距。

對產品團隊來說，其吸引力很務實。公司本來就會錄下客戶通話、儲存訊息、並在 CRM 系統中記錄活動。把這段碎片化歷史轉化成一個能協助或自動化工作的代理，遠比購買一個與工作流程沒有直接連結的大型 AI 平台更容易說服預算。原則上，Encore AI 可以接進既有的銷售或支援流程，而不是要求團隊圍繞新工具全面重構。

對企業 AI 買家而言，真正的取捨大概在於資料存取、治理與上線速度。以內部互動訓練的系統，可能比通用工具更貼合需求，但也意味著必須處理敏感的錄音與通訊資料。這會帶來關於同意、保存期限、模型行為，以及企業能否檢視 AI 代理為何說出那些內容的採購問題。

金融服務的切入點讓這些顧慮更加強烈。如果 Encore AI 能在那個領域成功，就會強化一種說法：在工作流程知識比原始模型流暢度更重要的產業裡，狹義、領域調校過的 AI 代理可以勝出。如果失敗，則可能表示從對話衍生出的自動化，比目前新創宣傳所暗示的更難在受監管環境中落地運作。

接下來要觀察什麼

下一個值得關注的訊號，是 Encore AI 是否會點名大型設計合作夥伴或金融服務領域的參考客戶。如今，公司雖然宣稱已獲企業採用，但公開證據仍然有限。

另一個重要指標是部署範圍。關鍵在於客戶主要把 Encore AI 用於內部 agent-assist 功能，還是把自主語音與文字代理真正用在生產環境中的客戶互動。這兩種用途在風險、合規與變更管理上的差距相當大。

同時，也值得觀察 Salesforce、SAP、Zoho 和 HubSpot 等 CRM 既有廠商，會以多快速度強化各自的對話式 AI 產品。即使這些供應商從較簡單的分析功能起步，他們也擁有深厚的通路與既有資料關係。

最後，技術透明度可能成為差異化要素。買家會想要更清楚的答案，包括模型治理、可稽核性、幻覺控制，以及歷史互動如何在 AI 代理中被選取、加權和更新。

Creati.ai 觀點

Encore AI 正在追逐一種相當可信的企業 AI 模式：從企業本來就會產生珍貴資料的工作流程出發，再用這些資料產生可衡量的營運成果。在這個案例中，資料是客戶對話歷史，而產出則是建立在既有成功經驗上的 AI 代理或 agent-assist 層。這比許多以泛用生產力提升為賣點的企業 AI 簡報更有說服力。

但公司的長期價值，取決於它能否證明「interaction mining」不只是吸引人的敘事。如果 Encore AI 能展現其代理在受監管環境中仍可被控制，同時改善結果，就有機會建立持久地位。否則，具備內建 CRM 存取的大型平台可能會吸收這個類別。目前，這筆 3,000 萬美元的融資，讓 Encore AI 有時間測試：以對話為原生的企業 AI，究竟能否成為產品護城河，而不只是功能組合。