墨西哥支付方式：是什么?
LLM 出現后，我們認為現在是關注 AI 客服市場的好時機。主要原因如下：第一，過去 3-4年，疫情使大量客服業務被搬到線上，迫使市場快速增長，且無后撤跡象。第二，語音識別技術的進步和 LLM 的出現進一步提升了用戶體驗，從而使 AI 客服在企業最關心的投資回報率和客戶留存率上有更好的表現。第三，此前市場格局分散的原因是傳統機器學習和 NLP 通用性較差，因此客戶在選擇供應商時更看重供應商在垂直行業的經驗，以及要求提供定制化的解決方案。假設 LLM 在客服場景落地成熟，考慮到 LLM 的通用性，市場格局有可能由分散變為更加集中，第一波受益的可能還是在上一波對話式 AI 中相對跑出來、已經建立起深厚的渠道和客戶資源、同時有一定 AI 使用能力的團隊。
? 成功連續創業者，經驗豐富且穩定的團隊；金融行業垂直經驗強，切入點好，downside 高
Kore.ai 最大的亮點是 CEO 和核心團隊，與其他競爭對手相比，Kore.ai 團隊在客戶資源、客戶需求理解、技術上都有深厚的積累和優勢。
CEO Rajkumar Koneru 在 2B 領域有 25 年經驗，主要圍繞客服領域。創辦過 4 家公司，其中兩家被收購，兩家成功上市，track record 優異。公司的核心高管與 CEO 有多年共同創業經歷。CEO 從 1993 年開始在 2B 領域創業，2003 年進入 Contact Center 領域，2003 年創立的 iTouchPoint 是一家 BPO 公司（企業將客服流程外包給這類公司），2007 年創立的 Kony 是一家針對客服場景的 APP 開發公司。因此，從行業維度看，CEO 在 Kore.ai 所做的事情其實與 iTouchPoint、Kony 所做的事情一致，只不過技術的發展讓這個 business 從 BPO 遷移到 APP，再從 APP 遷移到 AI 客服平臺。Kore.ai 某種意義上并不是一個 startup，而是 CEO 與核心團隊在企業會話、客服領域深耕到第三個階段的產物。所以與其他競爭對手相比，Kore.ai 在客戶資源、客戶需求理解、技術上都有深厚的優勢。
我們已經看到客服是目前企業在 LLM adoption 最快的幾個場景之一。其中金融行業智能化轉型的動力強，是率先采用 AI 客服的行業之一，服務價值較高，公司 CEO 和團隊成員在金融領域積累極深，能夠保證收入的下限。CEO 的前創業公司 Kony 在 2019 年被 Temenos 收購時被評為是數字銀行 SaaS 領域內最好的公司；COO 在花旗銀行擔任了 8 年 的 CIO，人脈、行業經驗豐富。截至 2023 年 3 月，Kore.ai 前 25 名客戶中有 7 家是大型金融企業，營收占比 26 %。因此，盡管對話式 AI 目前的競爭格局分散，但 Kore.ai 至少在金融這一個最大的市場的積累非常深厚，收入下限和行業地位應該較為可觀。
早期基于 rule-base 的 Chatbot 對答是可控、可預測、可重復的，但對話缺乏“人情味”，并且通常不保留已發生的響應，存在重復和循環對話的風險。傳統 Chatbot 架構和工具非常成熟，主要包括四個部分：NLU 自然語言理解，對話流程管理（對話流和響應消息，基于固定和硬編碼邏輯）、信息抽象（預定每個對話的機器人響應）、知識庫檢索（知識庫和語義相似性搜索）。傳統 Chatbot 唯一基于機器學習和 AI 模型的組件是 NLU 組件，負責根據模型預測意圖和實體。這種 NLU 引擎的優點是：有眾多開源模型、占用空間小/無需過多資源、存在大量的命名實體語料庫、有大量垂直行業的數據。后來的 Chatbot 采用更復雜的算法，包括自然語言處理（NLP）和機器學習，來提供動態和上下文相關的交互，從而解決早期基于模板的方法的缺點。
Chatbot 發展到后期出現了 Voicebot。Voicebot 的基本方程式是：Voicebot = ASR（Automatic Speech Recognition） + Chatbot + TTS（Text To Speech）。這些變化增加了復雜性，提供更好的對話效果、更長的對話時間和更多的對話輪次，以及更復雜的對話元素（如自我糾正、背景噪音等）。然而，Voicebot 出現的同時也帶來了一系列挑戰：有延遲問題、需要更復雜的流程、需要加翻譯層、容易出現對話離題、用戶打斷對話難以解決等。
因此，開發者依然在渴望一個靈活且真正智能的對話管理系統。LLM 的出現從開發到運行都顛覆了 Chatbot IDE 生態系統：不僅加速了 Chatbot 的開發設計，大大提高了 scalability；而且在對話運行中可以實現上下文交互、靈活且智能的回復。但缺點是穩定性、可預測性較差，以及在某種程度上的可重復性弱。
從目前 AI 客服行業發展來看，LLM 對 AI 客服行業的改變或顛覆可以分為四個階段：第一，開發階段的加速。在 Chatbot/Voicebot 開發過程中可以利用 LLM 加速 NLU 的開發，此階段使用 LLM 的好處是容錯率較高，并且可以顯著降低研發/人力成本。例如，LLM可以在生成意圖訓練數據、檢測命名實體等方面提升數據的準確性和開發效率，還可以通過描述流程生成流程框架，簡化開發過程。第二，在 Chatbot 運行階段將 LLM 用于增強搜索、問答、文本編輯、對話管理等功能。第三，多樣化價值實現與責任承擔。鑒于 AI 客服直接面對客戶的特性，錯誤的輸出可能導致重大損失和客戶投訴。因此，企業需要一個既穩定、可審計的 LLM 來實現多樣化的價值。另外，在一項企業對 LLM 態度的調查中，很多企業表示對 LLM 提供商托管和 API 訪問的依賴帶來了運營挑戰。理想情況下，企業更希望在本地安裝 LLM，以遵守個人身份信息和其他隱私保護法律。這將確保模型中傳輸和使用的數據路徑能夠接受全面審計。因此，第三階段的 LLM 機會在于在數據隱私和審計安全的基礎上，提供模型部署、定制化的 LLM Playground、無代碼微調、托管、Agent、Orchestration 等多種價值機會。第四階段是 In-Context 的數據利用。LLM 微調最好的起點就是企業內部的信息流（例如現有的客戶對話），因此數據發現、數據設計、數據開發、數據傳輸也是 LLM 的機會。
Kore.ai 是一個針對企業的對話式 AI 虛擬助手低代碼開發平臺，主要場景為企業內部的信息流和對外的客服場景。2021 年公司開始針對 EX（Enterprise Experience）和 CX（Customer Experience） 提供多款預建對話式 AI 助手，為客戶節約設計和部署時間。2024 年，公司推出了構建 AI Agent 的低代碼平臺 GALE。
XO Platform
Kore.ai 的核心產品 XO（Experience Optimization）Platform 是一個低代碼平臺，主要用途是設計、構建、測試和部署基于 AI 的虛擬助手（Virtual Assistants）和流程助手（ Process Assistants）。
部署虛擬助手和流程助手的業務流程
部署虛擬助手和流程助手的直觀展示
該平臺是公司的核心產品，公司成立 10 年以來至今已迭代至 11.0 版本。相比于此前的版本，11.0 版更加強調了智能化、自動化、數據隱私，是同類中產品力和技術實力的最前沿的。具體而言，第一，在模型方面，平臺新推出了自研的 XO GPT 為客服對話提供定制的微調模型，著重強調了客戶隱私和模型穩定性。第二，在渠道方面，公司注重語言渠道和數字渠道的并行發展，從 Day One 開始就針對語言渠道打造獨特的 NLP 系統。通過 10 年的積累，目前平臺已成為成熟的全渠道對話平臺，支持 40 多種語音和數字渠道以及 130 多種語言。兩種渠道的能力能夠很好的滿足偏好使用語言客服的傳統行業和偏好使用語音渠道的新興行業。第三，平臺集成了 AI 驅動的自研搜索引擎 Search AI，可以快速準確地從海量數據集中檢索信息，向用戶提供最相關的信息，并提供數據源索引。第四，平臺還集成了 AI Agent ?為人工客服提供實時建議和指引，并自動化重復性任務。
XO Platform 的功能特色、
以及所提供的平臺服務和企業服務
GALE
GALE 是 Kore.ai 最新推出的通用 AI Agent 低代碼開發平臺，企業可以用無代碼/低代碼的方式快速構建和部署 AI Agent，這些 AI Agent 可以與企業現有的系統集成。在 LLM 方面，GALE 提供了一套可擴展的 AI 模型：包括 Kore.ai 自研的 XO GPT、商業模型、開源模型和定制模型，用戶可根據需求選擇合適的模型，選擇性進行微調，并且一鍵部署模型。當用戶不知道選擇哪一種模型時，GALE 提供了一個 Playground 讓用戶使用多個模型和多個提示進行實驗，并提供模型性能指標分析。
GALE demo
使用 GALE 可以以無代碼/低代碼的方式
創建 AI Agent 的工作流
除了兩個低代碼平臺之外，公司根據多年的客戶經驗在 2021 年推出了針對 Customer Experience和Enterprise Experience 的多款預建對話式 AI 虛擬助手。對于 Enterprise Experience，公司推出了可以將所有工作流集中在一個平臺的 WorkAssist Platform，以及企業級 AI 驅動的搜索引擎 SearchAssist。
Kore.ai 的部署時間在幾十分鐘至幾天的范圍，采用基于使用量的定價模式，費用根據對話次數和語音自動化持續時間計算。定價方面公司提供標準計劃定價和企業級計劃定價：
1. 標準計劃定價為每次通話 20 美分，預建虛擬助手每次通話額外收費 10 美分，語音自動化每分鐘額外收費 4 美分。此外，還有包括對話、主動通知、常見問題、培訓語句、自定義 KPI 和分析以及分析歷史的數量等方面的數量限制。
2. 企業級定價則針對具體客戶需求和具體項目進行個性化定價。
公司在創立之初便以大型企業為目標客戶，截至目前，公司大客戶占比居多，產品以直接銷售為主、渠道銷售為輔。Kore.ai 累計客戶數量已有 400+，在金融、數字行業積累較深，客戶中的金融公司無論從數量和營收上看占比都很大。知名客戶包括 Citi、PNC Bank、Morgan Stanley、Deutsche Bank、ebay 等。
近兩年，公司開始擴展在 SMB 的業務， 2022 年 5 月在核心產品 XO Platform 上發布了自助模型，為 SMB 提供自助建立虛擬助手渠道，提高 SMB 觸達率。
由于公司是個開發平臺，因此除了產品的銷售外，公司還會在產品的開發和落地階段提供相關服務，而服務性的收入毛利相對較低、周期較長。預計從 2025 年開始，Kore.ai 將其所有的專業服務外包給 Mphasis（BSE：526299；NSE：MPHASIS），Mphasis 是一家來自印度的幫助企業信息化轉型的公司。此舉對于 Kore.ai 來說相當于轉移較低毛利率的專業服務業務。另外，還幫助公司獲得 Mphasis 的強大客戶資源，以及與 Mphasis 的控股股東 Blackstone 旗下的 portfolio 建立更多的業務聯系。
公司早期的業務形態是為企業客戶提供一個低代碼平臺，讓企業可以自助式設計虛擬助手，虛擬助手可以與后臺系統集成、并部署到任意對話渠道，為企業內部員工、企業外部客戶提供無縫的交互體驗。公司認為下一代的 UI 就是對話式的用戶界面，而不是傳統的基于屏幕或導航的用戶界面。因此，為了實現更好的自然語言交流體驗，公司最開始在 NLP 投入了大量精力。
2014 – 2016 年，Kore.ai 推出了 1.0 和 2.0 平臺，在其平臺上設計的虛擬助手可以理解用戶輸入，從后端系統獲取數據并構建信息，基本上可以輕松地訓練機器理解用戶的自然語言命令。2016 年公司獲得 10+ 來自銀行、通信、健康領域的早期企業客戶。回看同時期的產業鏈，Kore.ai 的起點很早，Amazon 是在 2014 年 11 月首次推虛擬助手 Alexa，Google 在 2016 年緊隨其后推出了其語音助手 Google Assistant，而 Apple 是在 2016 年向第三方應用軟件開放了 Siri 接口。
Chatbot 在 2016 年前后出現高增長拐點
資料來源：1966 年至 2019 年關于關鍵詞“聊天機器人”或“會話代理”或“會話界面”的 Scopus 搜索結果
2016 – 2018 年隨著移動設備的成熟度和滲透率增加，對話式 AI 迎來了增長拐點。這個時期因為人與人溝通的范式已經從電子郵件、電話和視頻會議轉移到了通過 message 傳遞，從消費者端看有 WhatsApp、iMessage 和各種安卓系統 message 軟件的發展，從企業端看有 Slack 的興起和 Teams 的推出。因此，人們對于用 message 與溝通的需求提高，這也推高了企業對于對話式 AI 的需求。但總體看來對話式 AI 仍處于早期階段，主要的用途是基本的對話請求，例如重置密碼、解鎖被鎖定的賬號，或者向知識庫提問。這一年，Kore.ai 實現了 35+ CX（Customer Experience） 和 EX（Enterprise Experience）的用例，被 Frost & Sulivan 評為 “Best Conversational AI Platform”。
2020 年疫情爆發，人們對遠程交互的需求激增，虛擬助手在桌面端和移動端與用戶互動的重要性愈發顯得重要，對話式 AI 市場激增。2020 年公司企業客戶達到 75 家。2021 年公司著力構建行業解決方案，例如針對 HR 的 HR Assist，銀行方面 Bank Assist，醫療保健方面的 Health Assist，這類解決方案預先構建在 Platform 之上，客戶可以非常快速地部署、配置、甚至定制方案，節約從頭開始部署的時間。2022 年公司服務客戶超過 300+，2022 年收入 YoY 超過 100%。2023 年，公司上一年發布的 PLG program 聚集了超過 5 萬開發者，為 SMB 企業提供了更多 DIY 能力，加速了對話式 AI 技術的民主化。
2023 年下半年至今，公司進行了密集的技術更新，推出了多樣化的 LLM 選項、多種部署選項，還在今年二季度推出了 AI Agent 的低代碼開發平臺。
Rajkumar Koneru 是一位成功連續創業者，有超過 25 年全球 2B 業務經驗，Kore.ai 是他創辦的第五家公司。在此之前，他還創立了 ITouchPoint、Seranova、Intelligroup 和 Kony，其中 ITouchPoint、Seranova 分別在 1996 年、2000 年在 Nasdaq 上市，后被收購退市；另外兩家也均被收購。
Rajkumar Koneru 對人們信息交互方式需求的變化有領先的理解。2007 年，全球有近 34 億移動設備用戶，Rajkumar Koneru 敏銳地捕捉到人們在移動設備、移動應用上與數據交互并完成工作的需求，在 2007 年創立了 Kony。具體來說，Kony 是一家使用可視化低代碼構建 Web、移動應用的 SaaS 公司（后來成為一家數字銀行領域的 SaaS 公司）。隨著 2007 年初代 iPhone 推出、2008 年第一部安卓手機推出，移動應用程序成為大勢，后來智能移動終端的浪潮也印證了 Rajkumar Koneru 的設想，Kony 成為美國企業平臺領域構建移動應用的領導者。2019 年 Kony 被 Temenos 收購，在被收購時 Kony 被認為是數字銀行 SaaS 領域最好的公司。
Kore.ai 的創立的理念延續了創始人在 Kony 7 年的工作中對互聯網信息交互的理解。2014 年，Rajkumar Koneru 認為 message 成為了一種新的 UI，他相信人們最終還是希望通過 message 來與系統和數據進行交流。因此，Kore.ai 作為一個用自然語言與系統交流的 Platform 推出了市場。
Prasanna Arikala – CTO
Prasanna Arikala 在咨詢公司有超過 3 年的軟件工程師經歷，在 Virtusa 有 10 年的首席架構師經歷，并在 CEO 創辦的 Kony 擔任了接近 2 年的首席架構師
Ravi Singh – CFO
Ravi Singh 在 Kore.ai 負責財務、運營以及人力。曾是 Kony 公司的董事會成員，也曾是 SeraNova 的執行副總裁兼首席財務官，因此與 CEO 有多年合作經歷。
在 25 年的職業生涯中，Ravi Singh 曾策劃和領導了眾多的一二級融資、并購和全球投資。此外，他曾在創業公司和上市公司擔任高級運營職務。
他曾是 Sycamore Ventures 的合伙人，專注于與印度相關的投資；他曾在紐約的 Coopers & Lybrand（現PwC）擔任經理；在 Cowen & Company（現SG Cowen）擔任常務合伙人和董事總經理；在紐約的商業銀行 Forbes & Walker 擔任董事總經理；在 Punk, Ziegel & Company 擔任合伙人、董事總經理和技術投資銀行業務負責人；有多樣化的投融資工作經歷。
Praneet Gill – Chief Strategy Officer
Praneet Gill 擁有超過 15 年的經驗，曾擔任 Outcome Capital 的分析師。她在金融、戰略和企業發展方面擁有豐富的經驗，曾在 Sycamore Ventures、Genpact 和 Raymond James 等公司工作過。
George Murphy – Chief Customer Officer
George Murphy 是 Kore.ai 公司的首席客戶官，負責 Kore.ai 公司的合作伙伴關系、專業服務、客戶成功、重要客戶和續約工作。他擁有超過 25 年的客戶成功交付經驗，Morgan Stanley（8年）、Hines、Salesforce（10年）、GE 以及最近的 Yext 等公司工作過。他曾在全球范圍內建立和領導客戶交付、客戶成功、戰略聯盟和渠道銷售團隊。
Peter Wulfraat – Chief Revenue Officer
Peter Wulfraat 作為 Kore.ai 公司的首席營收官，負責全球直銷，并負責產品和地區的營收表現。他擁有超過 20 年工作經驗，為世界上最知名的品牌提供智能客服體驗。
市場規模
根據 Morgan Stanley 的報告，目前全球大約有 1700 萬名客服代理人員，代表著大約 2000 億美元的全球勞動力市場。隨著多渠道協調響應的需求增加（例如電子郵件、社交媒體、聊天），這個市場從傳統的客服中心向云服務轉型。根據 Morgan Stanley 估計，目前高達 50 % 的客服互動都屬于簡單直接的類型（例如密碼重置、包裹查詢、需要退貨），隨著 AI 解決方案的改進，這些互動未來可能不需要人工客服的參與。但是考慮到客戶強烈希望與真人客服交談的偏好，在保守情況下，未來 5 年內，可由 AI 處理的客服業務將占 10-20 %，并且這一比例預期將增長。因此，Morgan Stanley 認為在未來 5 年內，Contact Center 市場（包括 CCaaS 和 對話式 AI ）2027 年市場規模可達約 260 億美元。
市場格局
垂直行業的語料庫和客戶資源在客服 NLU 時代是玩家的競爭壁壘，所以客戶在選擇供應商時更看重供應商在垂直行業的經驗，因此截至目前 AI 客服市場格局仍然較分散。根據專家訪談，AI 客服市場未來很可能有 20-30 位玩家同時留在場上，重要玩家的收入體量大約可達到 10-30 億美元。
LLM 對 AI 客服市場的影響
目前看 LLM 對客服行業的影響主要為拉動需求，疫情教育了市場，讓客戶感知到 AI 客服投資回報率很高，價值顯著。而 LLM 又一次觸發客戶對 AI 客服的興趣，大家都在紛紛嘗試。但從客戶訪談看，真正到了落地階段客戶仍更多采用傳統機器學習/NLP 的解決方案（客戶有定制化和垂直行業解決方案的需求，LLM 對垂直行業的理解和準確性反而不如傳統方案），因此目前主要是成立年限較長、有一定行業經驗和客戶積累的傳統公司受益。但傳統方案基于關鍵詞進行回答，靈活度較差，用戶體驗也不夠真實，因此該情況有可能僅是過渡階段。假設 LLM 落地成熟，考慮到 LLM 的通用性，市場格局有可能由分散變為更加集中，更利好頭部公司。?
企業端客服市場的參與者有以下幾類公司：
1. 為對話式 AI 提供開發框架的公司
2. 提供端到端技術服務的公司
3. CCaaS 企業
4. 對話式 AI 軟件公司
5. Big Tech 同類型產品
6. BPO （業務流程外包）公司。
·Kore.ai 提供的核心產品是一個設計 AI 客服的低代碼平臺，所以最直接的競爭對手是為對話式 AI 提供開發框架的公司。這類公司在眾類參與者中的優勢是企業可以根據自己的需求自己定制設計虛擬助 手，一般來說有這類需求的客戶是中大型企業；而小型企業由于體量的原因會更傾向使用標準化方案。為了競爭中小企業客戶，開發框架公司也會推出預建虛擬助手。為對話式 AI 提供開發框架的公司代表企業包括 Amelia、Cognigy、Yellow.ai 等公司：
Amelia
Amelia 1998 年成立于美國，Amelia 的產品是虛擬助理開發平臺，2022 年營收 $1.4 B。Amelia 的市場份額占比最高，客戶評價在可用性、設計對話流方面優于 Kore.ai。Amelia 總融資 $189 M，主要投資者有 Monroe Capital、BuildGroup、Monroe Capital Income Plus Corp BDC 等。
Cognigy
Cognigy 2016 年成立于德國，Cognigy 提供 Chatbot 的低代碼開發平臺，Cognigy 總融資 $69 M，主要投資者包括 Insight Partners、Digital Incubation and Growth、Possible Ventures、Plug and Play Tech Center 等
Yellow.ai
Yellow.ai 2016 年成立于美國，Yellow.ai 提供 AI 驅動的無代碼動態自動化平臺（DAP），用于創建動態 AI Agent 提供會話體驗。Yellow.ai 總融資 $103 M，估值超過 $428 M，主要投資者有 Salesforce Venturee、Sapphire Ventures、Lightspeed、Westbridge Capital 等
· 提供端到端技術服務的公司的特點是提供全鏈路服務，而不是僅提供某個環節或部分功能。總的來說，這類公司可提供更定制化的方案，但技術能力較弱。以這個賽道的重要玩家有 Aisera ，Aisera 為企業提供端到端部署，和 Kore.ai 相比，Aisera 最大的優勢在于更高的定制化和靈活性，但在規模化、集成、易用性、多渠道、自然語言理解等方面均弱于 Kore.ai。Aisera 介紹如下：
Aisera
Aisera 2017 年成立于美國，Aisera 是一家 AI 驅動的服務體驗解決方案提供商，能夠自動執行 IT、客戶服務、銷售和運營方面的任務、行動和工作流程，為用戶提供端到端體驗。2022 年營收 $50 M。Aisera 總融資 $175 M，估值超過 $640 M，主要投資者 Thoma Bravo、The Goldman Sachs Group、Icon Ventures、Zoom Video Communications、Cisco Systems、RingCentral、Norwest Venture Partners 等
·CCaaS 企業和對話式 AI 智能軟件也是 Kore.ai 的核心產品 XO Platform 的競爭對手，因為 Kore.ai 指向的市場相當于 Contact Center as a Service + 對話式 AI + Platform Services。CCaaS 的解決方案與對話式 AI 軟件既可以被 B 端企業一起使用，也可以分別獨立使用。而且 CCaaS 玩家也正在將對話式 AI 集成到 CCaaS 平臺中，因此對話式 AI 軟件公司也正在面臨 CCaaS 的激烈競爭。
二者相比之下 ，CCaaS 發展時間更久，可以提供更廣泛的技術產品和解決方案，技術綜合程度更強，目前 CCaaS 已有的市場規模更大，有幾家百億美金大公司，NICE 市值超 100 億美金；Genesys 2023 財年營收超 20 億美金，2022 年曾計劃以超過 $30 B 的估值上市。對話式 AI 軟件技術壁壘較小，技術綜合程度較低，其最大優勢在于即插即用，企業上手簡單，目前幾個熱門玩家的市值在 10~20億美金。LLM 催生了一大波參與者，同時也推動了很多中小企業采用對話式 AI 軟件。
CCaaS 代表企業包括 NICE、Genesys、Five9 等公司：
NICE
NICE（TASE:NICE）成立于 1986 年，市值 $10 B。NICE 為提供云平臺支持的 AI 驅動數字業務解決方案，主要服務于兩個市場：客戶參與（Customer Engagement ）和金融犯罪與合規。根據 IDC 報告，2022 年 NICE 的的 CCaaS 產品（CXone）和傳統的工作力管理（WEM）產品約占 CCaaS 市場份額的 14%。2016年，NICE收購了inContact（一家領先的基于云的 CCaaS ），成為首家擁有完全集成和完整的云聯系中心解決方案的平臺。
Genesys
Genesys 成立于 1990 年，有支持數字化的全渠道和人工智能聯絡中心。2015年推出 Genesys Cloud CX 支持客戶服務所需的所有功能，都集中在一個平臺中。在 AI 方面，Genesys 設計了一個完整的 AI 解決方案，可以實現自動化工作流程和對話，實現智能個性化。公司成立以來總融資超過 $10.5 B，2022 年計劃以超過 $30 B 的估值上市，但 IPO 暫緩，2023 財年營收 20 億美金。
Five9
Five9（NasdaqGM:FIVN）成立于 2001 年，市值 $5.25 B。Five9 是一個CCaaS平臺，提供虛擬聯系中心云平臺，支持聯系中心相關的廣泛客戶服務、銷售和市場營銷功能。在 AI 方面，Five9 利用智能虛擬代理（Intelligent Virtual Agents）開啟客戶自助服務選項，并通過代理輔助（Agent Assist）提供實時輔導。在對話式 AI 領域，Five9 于 2020 年收購了Inference Solutions，推出了 對話式 AI 解決方案，客戶非常喜歡該產品，因為它可以獨立銷售，這意味著在使用虛擬解決方案的時候不需要進行完整的 CCaaS 過渡。
對話式 AI 軟件公司代表企業包括 Moveworks、Cresta、Observe. ai、Talkdesk 等公司：
Moveworks
Moveworks 2016 年成立于美國，Moveworks 的 Chatbot 可以智能問答與自動化執行企業內員工訴求。Moveworks 總融資 $308 M，估值 $2.1 B，主要投資者包括 Lightspeed Venture Partners、Bain Capital、Tiger Global 、Alkeon Capital 等。
Cresta
Cresta 2017 年成立于美國，Cresta 有 4 款產品：Agent Assist、Insights、Director、Chatbot。其中 Agent Assist 是核心產品。Cresta 總融資 $157 M，估值 $1.6 B，主要投資者包括 Tiger Global、Sequoia Capital、Greylock Partners 等。
Observe. ai
Observe. ai 2017 年成立于美國，是一款對話式 AI 軟件，2023 推出了自研300億參數的 Contact Center LLM，2022 年營收 $24 M。總融資 $214 M，估值 $825 M，主要投資者包括 SoftBank Investment Advisers、Zoom Video Communications、Menlo Ventures、 Scale Venture Partners、Nexus Venture 等，
Talkdesk
Talkdesk 2011 年成立于美國，Talkdesk 為金融、媒體、通訊、政府、零售等行業提供 AI 客服自動化平臺。2020 年營收 $150 M。Talkdesk 總融資 $481 M，估值 $10.4 B，主要投資者包括 Salesforce Ventures、Twilio Fund 、Top Tier Capital Partners, Amity Ventures、Transpose Platform Management、Lead Edge Capital…
·由于 Kore.ai 希望解決的是企業客戶的 Enterprise Experience 和 Customer Experience 問題，所以難以避免的與 Big Tech 和 CRM 巨頭的 SaaS 產品中的 AI 客服處于競爭位置。對于巨頭來說，對話式 AI 的功能屬于是不可缺少的，但它們的重點不在對話式 AI 上，這只是他們擁有的 100 個或 1000 個功能中的一個，客戶常常可以免費使用這些功能。但對于客戶來說，免費的代價是在維護、定制、培訓方面的服務力度不足。因此，Kore.ai 的優勢在于自身以對話式 AI 起家，在功能和體驗上要強大得多。再者，Kore.ai 平臺可以與現有的所有不同系統集成，在技術上對企業更加可行，而巨頭往往只支持自家的產品，因此靈活性和包容性也是 Kore.ai 的優勢。舉例來說，如果企業已經在使用 Salesforce 的生態，那么使用 Einstein 聊天機器人就很有意義，這是單一生態系統的固有優勢。否則，像 Kore.ai 這樣的純玩家對于企業客戶來說也許是更明智的選擇。因此，Big Tech 和 CRM 巨頭的技術綜合實力更強，但是在對話式 AI 上可分到的蛋糕更小。
Big Tech 和 CRM 中涉足 AI 客服的有 Google、Amazon、IBM、Microsoft、Salesforce、Zoom 等：
Google Dialogflow
Chatbot 開發框架，可以構建基于 NLP 的 Chatbot，支持多語言多平臺。
AWS Lex、AWS Connect
Chatbot 開發框架，為呼叫中心提供全方位、全渠道云聯絡中心服務。
IBM Watson
Chatbot 開發框架，它建立學習對話線索的神經網絡之上。
Microsoft Power Virtual Agent、Microsoft Nuance
低代碼對話機器人構建平臺，可以通過拖拉拽的方式快速構建對話機器人，可以接入 Teams 和 Power Automate。另外，Microsoft 在 2021 年收購了全球最大語音識別公司 Nuance，Nuance 專注于開發在醫療保健、電信、汽車、金融服務等領域的“對話式 AI”應用。
Salesforce Contact Center
建立在 Salesforce 的 Service Cloud 之上，提供多種數字互動渠道
Zoom Contact Center
Zoom Contact Center 2022 年推出，作為其應用程序的一部分，已經積累了500+名客戶（其中最大的客戶有2000 個座位以上）。另外，2022 年，Zoom 收購 Solvvy 進一步提高對話 AI 能力。
·LLM 出現之前， BPO 公司處于 Customer Experience （CX）的有利位置，BPO 公司用大量的人工客服承包企業的 CX 業務，并集成 Chatbot 、智能 routing 和分析工具，可以加快互動時間，提高客戶滿意度。與 Kore.ai 這類開發框架公司相比，BPO 公司的客群是希望將客服外包的企業，而 Kore.ai 這類公司的客群是中大型的、希望自己開發 AI 客服的公司。
LLM 的到來降低了 BPO 公司的在人工客服上花費成本，但同時也削弱了 BPO 公司對 B 端企業的吸引力，所以 BPO 公司也在努力的減少客戶流失、加大客戶開發力度。Teleperformance 的 BPO 賽道的重要玩家，市值約 60 億美金，是專業的 BPO 業務提供商以及外包呼叫運營商。值得一提的是，2024 年 5 月，Kore.ai 與 Teleperformance 達成合作，Teleperformance 旗下的 TP Infinity 部門將使用 Kore.ai 的低代碼平臺更好地為企業開發個性化的解決方案，此舉為既為 Teleperformance 擴展客源，也讓 Kore.ai 的客戶得到更好的服務體驗。
2023 年 12 月，Kore.ai 完成 1.5 億美元 D 輪融資，由 FTV Capital 領投，老股東 Nvidia、Sweetwater Private Equity、Vistara Growth、NextEquity Partners、Beedie Capital、Nicola Wealth Private Capital 跟投。投后估值 8 億美元。
· 高度定制化能力
從客戶的反饋來看，Kore.ai 最突出的差異化優勢是其高度定制化的能力，解決方案可以真正定制到企業客戶的環境中，適合定制化程度較高的復雜用例。據客戶反饋，如果想擁有一款具有大量定制解決方案或差異化的產品，Kore.ai 是第一選擇。從財務數據維度看，高度定制化的服務拉低了銷售的毛利，對此 Kore.ai 采取了兩個動作：1/ 與 BPO 龍頭公司 Teleperformance 合作，嵌入到 Teleperformance 的解決方案中；2/ 將所有的服務外包給 Mphasis，預計 2025 年及以后將會只有產品收入，沒有任何服務收入。這兩個舉動為公司剔除了毛利較低的服務收入，如果兩項合作成功，Kore.ai 在保證高度定制化的同時也能保證高毛利、高經營效率。
· 垂直行業的經驗
由于 Kore.ai 基本上是第一家以對話式 AI 為核心的公司，從 Day One 就以大客戶為主，企業客戶在選擇供應商時，行業經驗是重要的考慮因素。Kore.ai 團隊在金融行業積累深厚，CEO 的前創業公司 Kony 也是一家專注于數字銀行的 SaaS 公司，因此 Kore.ai 金融、保險等領域有足夠領先的經驗，也有深厚的客戶資源。而金融行業也是客服細分賽道的最大賽道之一。Kore.ai 的客戶中的金融公司無論從數量和營收上看占比都很大，知名客戶包括 Citi、PNC Bank、Morgan Stanley、Deutsche Bank 等。
·開發平臺在 LLM 中有確定性受益
在 thesis 中我們提到，LLM 對 AI 客服行業的顛覆可以分為四個階段。第一階段是聊天機器人/語音機器人開發期間利用 LLM 加速 NLU 的開發，在設計開發階段使用 LLM 的好處是可以有較高的容錯率，并且可以顯著降低研發成本。由于 Kore.ai 本身的核心產品就是提供開發平臺，所以 Kore.ai 在 LLM 這波中首先就能得到確定性的降低成本、加速開發的效果。
LLM 對 AI 客服行業第二至四階段的顛覆從問答和對話增強開始、到多方位價值機會，再到企業數據利用。因此，我們判斷成立年限較長、有一定行業經驗和客戶積累的公司比新的初創公司受益更大。在過去一年，Kore.ai 以非常密集的頻率更新產品，陸續推出了自研模型、多樣化的部署選項、AI Agent 低代碼開發平臺等，較早完成 LLM 的技術采用和布局，相比其他競對具有一定先發優勢。
·賽道競爭激烈
Kore.ai 目前在對話式 AI 有非常領先的地位，但 Kore.ai 的產品面臨多方競爭，除了同樣為對話式 AI 提供開發框架的公司、提供端到端部署 AI 客服服務的公司，還有傳統的 CCaaS 企業，新興的且 entry barrier 較低的對話式 AI 智能軟件，以及 Big Tech 的同功能產品。Kore.ai 將會面臨極大的競爭壓力。
· LLM 的發展讓行業的技術壁壘降低
NLP 的語言理解能力、準確率曾經是 Kore.ai 的主要技術壁壘之一。但是 LLM 的發展讓競爭環境變得更加公平，因為對話式 AI 系統收到的客戶 query 中，有不小的一部分是 LLM 可以解決的常見問題，這降低了初創公司開發對話式 AI 軟件的壁壘，行業也會面臨新一波的整合和洗牌。
文章轉自微信公眾號@海外獨角獸
