-
知识图谱
零工经济的底层正在塌陷：自由职业平台可能正在经历成立以来最大的一次商业模式危机
HRTech核心观察：AI并没有把原来的自由职业需求等量升级成更高价值的新需求。它正在更快地消灭低复杂度任务，而新的复杂工作能力、人才供给和交易市场还远没有建立起来。结果就是一个越来越明显的断层——基础工作没了，高阶工作又接不住。对于大量依赖线上零工生存的知识工作者来说，未来几年可能不是机会突然变多，而是钱越来越难赚。自由职业平台可能正在经历成立以来最大的一次商业模式危机。
Upwork和Fiverr 2026年第二季度财报，几乎从两个不同角度同时验证了这一趋势。
Upwork：客户少了，但留下来的客户更值钱
Upwork Q2 GSV为9.664亿美元，同比下降3.6%；Active Clients降至76.3万，同比下降4%；Revenue下降约2%。但GSV per Active Client却升至创纪录的5,230美元，同比增长约5%，AI-related work GSV增长22%以上，AI Strategy & Consulting更增长超过50%。
这组数字非常有代表性：平台不是没有AI需求，而是低价值需求消失得更快。
Upwork CEO Hayden Brown也直接承认，lower-complexity work正在持续转向automation。换句话说，过去企业愿意花50美元、100美元甚至几百美元外包的写作、翻译、信息整理、简单设计和基础数字任务，现在很多可以直接交给AI。
这些钱并不会自动变成新的AI咨询预算。
100美元的人工任务，很可能先变成10美元的软件成本，而不是变成500美元的AI项目。
所以Upwork才会同时出现一种看似矛盾的现象：总GSV下降，但AI Strategy & Consulting高速增长。
Fiverr的情况更直接：低价任务正在被真正挤出市场
Fiverr受到的冲击比Upwork更明显。Q2 Revenue为9,780万美元，同比下降10%；Marketplace Revenue下降15.5%；Annual Active Buyers只有270万，同比下降22%。但Annual Spend per Buyer却达到368美元，同比增长15.6%。
这与Upwork几乎完全一样：
客户数量下降，单个留下来的客户消费更高。
Fiverr管理层甚至说得更直接：低价值、交易型工作目前仍占Marketplace的大多数，但这部分业务下降的速度，快于高价值业务增长的速度。公司还披露，大多数1,000美元以下项目的交易量同比下降至少10%，其中Writing & Translation下降超过24%。
这可能是AI对知识工作影响最值得警惕的现实信号。
不是“AI帮助Freelancer提高效率”，而是：
一部分Freelancer已经失去了被购买的必要性。
真正的问题不是AI抢了工作，而是职业阶梯被拆掉了
过去零工平台其实有一个被低估的社会功能：它给新人提供了职业能力成长的入口。
一个人可以先做50美元的小项目，再做200美元、500美元的项目，积累经验、评价和客户，最后逐渐进入1,000美元甚至更复杂的工作。
但AI现在首先消灭的，恰恰是这条阶梯最下面的几级。
与此同时，新的高价值需求要求的已经不是“会用ChatGPT”。
Fiverr正在增长的，是Programming & Tech、复杂AI集成、AI Voice Agents、AI App Development以及更长周期的项目；Upwork增长最快的则是AI Strategy & Consulting、Business Plus和Enterprise Solutions。
这些工作需要的是业务理解、Workflow设计、系统集成、AI能力、项目管理、质量判断以及对最终结果负责。
问题于是变成：
如果初级工作越来越少，人从哪里获得成为高级人才所需要的经验？
企业一边说找不到真正懂AI、懂业务、能做复杂项目的人，另一边大量普通Freelancer却说没有工作。
这两件事情并不矛盾。
这就是正在形成的 Capability Gap——需求升级的速度超过了劳动力能力升级的速度。
线上零工不会消失，但“卖技能”正在变成“卖结果”
Upwork和Fiverr最后其实走向了同一个方向。
Upwork正在从Freelancer Marketplace转向Human + AI-powered work marketplace；Fiverr则明确提出从transaction-oriented marketplace转向面向high-end、high-trust work的end-to-end work platform。
过去Freelancer卖的是：“我会写文章”“我会设计Logo”“我会做网站”。
未来真正有价值的可能是：“我帮你建立AI内容增长体系”“我帮你把销售流程自动化”“我帮你把CRM、数据、Agent和业务流程真正跑起来”。
本质上，是从 Task Seller 变成 Outcome Owner。
这不是简单地“学一下AI”就能完成的升级，而是一轮真正的知识工作能力重构。
HRTech认为，企业接下来最缺的不是更多AI工具，而是知道自己的能力缺口到底在哪里
这也是为什么HRTech持续关注AI能力成熟度、AI Workforce和工作重构。
企业现在真正需要回答的，不应该只是“员工有没有用AI”，而应该进一步回答：哪些工作已经可以自动化？哪些岗位正在失去低价值任务？哪些新的复杂能力还没有建立？Human与AI如何重新分工？AI投入到底有没有真正产生ROI？
HRTech的 HRAI Forward 所做的AI能力成熟度测评，本质上就是先帮助HR和团队判断：AI究竟停留在“个人使用工具”，还是已经进入可复用、可迁移、可衡量的工作能力阶段。再往下一步，则需要进入 AI Workforce ROI 与 AI Workforce Benchmark——不再测“有没有用AI”，而是测AI究竟替代了什么、增强了什么，以及企业还缺什么能力。
Upwork和Fiverr的财报已经把问题摆到了台面上：
AI淘汰低复杂度工作的速度，正在超过社会建立高复杂度工作能力的速度。
这中间的GAP有多大、会持续多久，可能才是未来三到五年HR、人才市场和整个知识工作世界真正需要面对的问题。
-
知识图谱
以知识图谱呈现多源数据 PlantData获松禾资本天使轮投资
2012年，Google提出知识图谱的概念，表示世界万物是被分为概念和实体，而实体之间是相互联系而存在的。PlantData借此将非结构化数据进行结构化处理，以解决数据孤岛的问题。
铅笔道根据工商变动发现，PlantData（隶属于上海海乂知信息科技有限公司）已获得松禾资本投资。
2018年1月4日，上海海乂知信息科技有限公司的注册资本发生变更，由100.000000万元扩充至109.890100万元。同日，公司新增股东深圳市彩梦想一号创业投资合伙企业(有限合伙)，后者为松禾资本的投资实体
图表信息来自“企查查”。
该公司主要产品为图谱数据智能平台PlantData。根据其官网介绍，PlantData以知识图谱技术为核心，致力于整合多源异构的数据。产品可服务于一线数据分析师、研发工程师、企业业务高管，帮助用户学习实践知识图谱技能、探索企业大数据深度业务。
PlantData消费数据的过程分为数据整理，数据链接，生成数据智慧3个步骤。其产品组件支持数据语义、网络关系、模型计算、智能问答4项功能，能够根据用户的数据和业务快速生成应用。
PlantData可为行业客户提供知识图谱解决方案：包括互联网文本采集、抽取与分析，多源异构数据整合、加工与挖掘，大数据存储以及行业知识图谱套件等数据底层构建和分析服务；同时也提供口碑分析、市场营销以及行为决策等上层应用。
为满足企业个性化需求，团队提供包括Saas服务、私有化单机部署、私有化集群部署在内的多种服务方式。
同时，PlantData也提供已完成链接的数据资源，例如：包括约3600万余条国内企业工商数据的金融图谱、含有约1500万条国内专利数据的专利图谱、覆盖超过15万条国内创业企业及5000余家投资机构数据的创投图谱。
PlantData官网展示到，公司合作伙伴覆盖证券、数据、科技情报等类型的机构和企业，包括中信建投、量子数聚、动点科技、上海图书馆、北京理工大学图书馆、上海交通大学、同济大学档案馆等。
同时，团队也和知识管理厂商蓝凌软件等建立了战略合作关系，致力于让数据智能更好的支撑商业智能和人工智能服务。
目前，PlantData已经积累了全国企业知识图谱、中外创投知识图谱、海洋鱼类知识图谱、全国专利知识图谱等案例。
编辑 | 赤橙
来源：铅笔道（ID：pencilnews）
-
知识图谱
面向数亿职场人士，“职得看”利用知识图谱实现精准个性化资讯推荐
在资讯过载时代，个性化推荐确实是一个为用户节省时间的重要机制。市场上出现了越来越多的资讯应用，比如今日头条、看荐、即刻等。
今日头条使用了推荐算法，根据用户过往的阅读行为作为用户兴趣，进行内容推荐，多有重复和冗杂；一点资讯在算法基础上增加了订阅的规则，提升推荐准确度。看荐除了使用算法，还将人工甄别引入到个性化推荐的链条中。
不过在AiLingual创始人吴羽君看来，市面上缺乏面向职场人士的更为专业的资讯应用。同时，现有的个性推荐缺乏拓展性，无法挖掘用户潜在的兴趣点。
因此拥有Google工作背景的吴羽君，联合斯坦福大学硕士林咏为创立了AiLingual，并着手开发面向职场人士+大学生的拥有个性化推荐功能的资讯应用“职得看”。
说起“个性推荐”，今日头条是国内当仁不让的先行者。今日头条的推荐算法，是使用“协同过滤”技术提取用户兴趣的特征，然后和相应内容进行匹配。“协同过滤”主要依据的是用户或者项之间的相似性，即在海量的用户中发掘出一小部分和你品位比较类似的，在协同过滤中，这些用户成为邻居，然后根据他们喜欢的其他东西组织成一个排序的目录作为推荐给你。早期的今日头条通过预装获得了巨大的用户基础，因此“协同过滤”技术路线是走得通的。
在没有足够的用户量基础上，AiLingual选择建立知识图谱来推测用户可能感兴趣的话题，并做相关性的推荐。知识图谱可以看作是一种复杂的树状图，每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”。知识图谱提供了从“关系”的角度去分析问题的能力。
吴羽君表示，由于很多文本、图片、音频、视频等都是未经处理过的非结构化数据，因此需要掌握机器学习、数据挖掘、自然语言处理等技术，从这些非结构化数据中提取出有价值的信息。此外对团队的知识推理能力也提出了较高的要求。AiLingual自去年底开始着手建立“科技互联网”相关的知识图谱，对2500万+个实体、7万+的话题、700+的互联网科技相关专题进行了清洗、筛选，最终完成了上万个实体的知识图谱的建立。
梳理出这些实体间的关系，除了可以进行相关内容的推荐，还可以帮助用户挖掘和推荐他们潜在的感兴趣的话题。吴羽君举了个例子：比如实体“A”和实体“B”看似不相关，但其实是有一定强逻辑关联的。一个关注了大量A话题的读者，我们会尝试给他推荐B话题相关的内容，看看是否会引起他的关注和兴趣。
知识图谱的建成后，吴羽君团队也是通过内容提取（关键词匹配、内容分析等）做机器学习，将话题和文章对应起来。吴羽君告诉36氪，现在的匹配精确度大概能达到80%-90%。未来随着算法的优化和内容量的增加，匹配精度也将提升。同时，团队也在拓展除科技互联网外的其他领域内容，并不断加入新的实体。
用户也可以以专题形式定制自己感兴趣的内容，“职得看”上现有包括15个领域的大量专题内容，每个专题包括相关的资讯、观点、深度报告、音频、视频等。
吴羽君告诉记者，他们监测了绝大多数的科技互联网内容源，包括相关的网站、上千个微信公众号、知乎专栏、海内外博客等。未来还将拓展至除科技互联网外的其他知识领域，预期可以覆盖几亿的职场人士和大学生。
职得看现在有几百个核心用户，这些用户可以对推荐的内容是否满意进行多维度评判，从而帮助职得看调整和优化知识图谱结构或是内容提取算法。普通用户则是通过其是否对推荐的文章进行了阅读、浏览时间、是否分享了、收藏了等方式来进行正负反馈的判断。
不过APP的平均获客成本高是众多公司面临的挑战。吴羽君表示，他们还是着重在目标人群关注的地方推广产品，比如通过在知乎、简书上产出内容进行用户转化，以及基于产品本身功能结合社会热点做一些活动。
在盈利方面，吴羽君表示2C业务主要是通过广告或是专栏订阅等内容付费服务进行盈利。此外，职得看的内容推荐功能也可以通过API接口接入智能音箱系统中，为用户提供音频内容，在拓展盈利途径的同时，还可以扩大用户量。音频来源除了已有的音频内容，吴羽君还计划自行产出音频内容。
公司于去年获得了峰瑞资本数百万元的天使轮投资，8月份将开启Pre-A轮融资，主要用于团队的拓展、APP迭代和推广。
职得看的核心团队成员毕业于斯坦福，CMU，清华，北大，交大，拥有Google、Uber、搜狗等科技公司工作背景。创始人吴羽君曾任棕榈大道联合创始人& CTO，负责搭建稳定可规模化的服务器系统。曾在Google NestLabs担任UX工程师，有丰富的全栈开发经验。同时还入选了2017 Forbes 30 under 30 China。联合创始人林咏为斯坦福大学硕士，在硅谷明星企业Lark担任首席iOS工程师4年多，同时也是连续创业者。
来源：36氪，作者：希大，如若转载，请注明出处：http://36kr.com/p/5085370.html
扫一扫 加微信
hrtechchina
