-
非结构化数据
【纽约】AI招聘平台 Elly 完成800万美元融资，重构“判断驱动型”招聘系统底层逻辑
HRTech概述：纽约AI招聘平台 Elly 宣布推出 AI-native hiring platform，并完成 800万美元融资，由 Sorenson Capital 领投。不同于传统ATS系统，Elly 从底层即以AI为核心，覆盖 sourcing、interviewing 与 applicant tracking，自动解析面试中的非结构化对话与团队反馈。客户数据显示，每位候选人最多可节省1小时45分钟文档时间，每周节省最高10小时初筛沟通时间。更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。
2026年2月25日，总部位于纽约的 Elly（运营主体为 Recruit Tech Labs dba Elly）宣布推出其 AI-native hiring platform，并完成 800万美元融资。本轮融资由 Sorenson Capital 领投，Atomic 与 Next Wave Capital 参与投资。Sorenson Capital 合伙人 Rob Rueckert 将加入 Elly 董事会。
这不仅是一笔资本加注，更是一场围绕招聘系统底层架构的重新定义。
从“流程记录”到“判断生成”：AI-native 架构的真正含义
过去十年，招聘软件的核心形态几乎没有发生本质变化。Applicant Tracking System（ATS）仍然以“字段+状态”为核心结构，要求招聘人员持续手动更新候选人阶段、填写面试反馈、维护流程节点。与此同时，大量AI工具以外挂形式出现，却彼此割裂，无法共享上下文信息。
Elly 试图解决的并非“效率问题”，而是“认知问题”。
招聘决策并不是一次性发生，而是在 sourcing 对话、面试交流、内部讨论中逐步形成。然而传统系统只记录结果状态，却无法沉淀“判断形成过程”。Elly 作为 AI-native 平台，从底层即以AI为核心，横跨 sourcing、interviewing 与 applicant tracking 三个环节，在招聘过程进行时自动捕捉非结构化对话内容，将分散信息转化为结构化、可搜索的信号。
这种设计意味着系统不再依赖手动录入字段，而是实时理解招聘逻辑的演进。
Elly CEO Kristen Habacht 表示：“Recruiting teams are overwhelmed by software that was never designed to reflect how hiring actually works. Elly flips that model by understanding the reasoning behind choices as they form.”
这句话揭示了其核心定位——理解“判断”，而非管理“流程”。
面试数据资产化：从沉没成本到复利效应
在招聘实践中，面试是最信息密集的环节，却也是最难沉淀为组织资产的部分。面试笔记往往零散存在，无法复用，更难形成长期招聘认知积累。
Elly 将每一次 screening、interview 与内部讨论视为可结构化资产。平台能够解析非结构化对话，将反馈随流程演进持续累积，使团队在高频招聘环境下获得更清晰的候选人画像。
这种“信号复利模型”在高体量招聘场景下尤为关键。
早期客户覆盖 technology、construction、manufacturing、healthcare 与 hospitality 等行业。据披露数据：
每位候选人最多节省 1小时45分钟 面试文档整理时间每周节省 3–5小时 手动记录与跟进时间每周节省 5–10小时 通过替代 live screening calls
这些数字不仅反映效率提升，更说明招聘组织在信息整合层面的结构性改进。
资本逻辑：复杂度削减，而非功能叠加
本轮 800万美元融资由 Sorenson Capital 领投。Rob Rueckert 表示：“Elly understands hiring judgment as it forms, not after the fact. That fundamentally changes how recruiting teams operate.”
在当前 HR Tech 市场，AI工具层出不穷，但企业的真实痛点往往是“系统堆叠导致复杂度上升”。Elly 的价值主张并非再增加一个功能模块，而是通过统一AI架构降低复杂性。
这与当前资本市场对“AI基础设施层”的关注趋势一致——投资人更青睐能够成为组织操作系统底层能力的平台，而非单点工具。
值得注意的是，Elly 诞生于 Atomic 这一 venture studio。Atomic 曾孵化多个成功企业，其参与意味着产品从一开始即围绕可扩展性与规模化设计。
新资金将用于产品研发、AI能力深化、销售与市场拓展。
行业意义：招聘系统进入“理解时代”
如果回顾招聘技术发展路径：
第一阶段是流程数字化第二阶段是自动化与效率提升第三阶段正在进入“认知理解”阶段
Elly 所代表的，是第三阶段的雏形——系统不再只是数据库，而是能够理解动态判断、积累组织招聘认知的基础设施。
在AI渗透招聘的浪潮中，真正的分水岭并不在于谁生成了更好的面试问题，而在于谁能成为招聘判断形成的核心载体。
800万美元的融资规模或许并不庞大，但其战略意义在于验证了一个趋势：招聘软件的竞争，正在从功能对比转向架构对比。
当系统能够理解“为什么选择”，招聘团队才真正从管理工具，转向管理判断。
-
非结构化数据
Workday签署最终协议收购Evisort，这是一家AI原生文档智能平台
Workday宣布收购Evisort，这是一家AI原生文档智能平台，此举旨在提升Workday在财务和HR数据管理领域的能力。Evisort利用先进的AI技术，从复杂的法律和商业文件中提取清晰、可操作的见解，帮助企业优化支出、增加收入、降低风险并管理义务。通过此次收购，Workday的客户将能够更高效地挖掘数据价值，加速业务决策和行动。
Evisort的平台使用户能够快速从合同、发票和政策文件等非结构化数据中提取信息，自动化流程，发现错误或缺失信息，并做出更明智的业务决策。例如，客户可以利用Evisort的AI技术更快地理解合同条款，优化文件创建过程，并确保利益相关者了解审查情况和必要的行动。
此次交易预计将在Workday 2025财年第三季度结束前完成，需满足惯常的交割条件。Workday表示，这次收购将帮助公司实现其愿景，即帮助客户从最重要的数据中释放更大的价值。
Evisort的AI驱动文档智能平台将使Workday客户能够更快、更高效地从大量的财务和HR数据中获取关键洞察并采取行动
拉斯维加斯，2024年9月17日美国西部时间 -- Workday公司（纳斯达克股票代码：WDAY），一家致力于帮助组织管理人力和财务的领先解决方案提供商，今天宣布已签署最终协议，将收购Evisort，一家领先的AI原生文档智能平台。通过此次收购，Workday将在其财务和HR套件中引入AI驱动的文档智能解决方案。
超过80%的业务数据是非结构化的，组织方式不利于搜索、分析或行动，包括合同、发票和政策文件中的数据。通过Evisort强大的AI功能，Workday将帮助客户从这些未开发的数据中获取关键洞察，以便更快地做出关键业务决策和行动。
Evisort是一家在文档智能领域受信任的AI领导者和先锋。该公司的平台利用AI技术，从存储在文档管理系统中的复杂法律和商业文件中提取清晰且可操作的洞察。大型组织使用Evisort分析整个企业的文件，挖掘重要信息，帮助他们减少支出、增加收入、降低风险和管理义务。
“组织坐拥海量数据，但由于搜索和分析过于复杂和耗时，往往无法发挥其全部潜力。”Workday首席财务官办公室集团总经理Terrance Wampler表示。“Evisort将帮助我们实现帮助客户解锁最关键数据价值的愿景。借助AI驱动的文档智能功能，客户将能够更快、更高效地获取并行动在这些洞察上，保持在当今快速变化的商业环境中的领先地位。”
“AI是一股强大的力量，正在转变组织将文件中的非结构化数据转化为战略性业务决策的方式，”Evisort创始人兼首席执行官Jerry Ting表示。“我们很高兴将Evisort的文档智能技术与Workday的统一财务和HR平台相结合，这将使客户能够更有效地利用关键业务数据，在一个单一的真实系统内工作。”
通过Workday和Evisort的文档智能解决方案，客户将能够将非结构化数据从文档管理系统引入Workday，帮助客户更高效、智能地管理人力和财务流程，包括：
获取更准确的数据。 客户将能够在几秒钟内从业务文件中提取并转移数据，且更加准确和自信。这包括直接从文件中提取财务和运营细节以自动化下游流程，揭示错误或缺失信息，以及搜索支付条款等详细信息。
通过自动化驱动对齐和行动。 客户将能够使用强大的AI帮助员工更好地理解合同，简化文件创建过程，并让利益相关者了解审查和必要的行动。
做出更明智的业务决策。 客户将能够最大限度地利用业务文件，通过通知有利条款和条件以及建议的行动来提升决策效果。
Workday与Evisort：AI驱动的文档智能，打造变革工作场所
Workday将在各种应用场景中提供Evisort的AI驱动文档智能解决方案，帮助团队更好地实现目标并重塑角色，包括：
会计。 会计人员将能够利用AI功能快速导航业务文件，如收入合同、供应商发票和资产协议，更有效地阅读、转换、匹配和记账。例如，对于收入合同，会计人员将收到合同错误的警报，获得收入确认时间表的建议，并在合同续约时得到通知。
采购。 组织将利用这些AI驱动的解决方案提升供应商合同谈判和合同风险管理活动。这将推动降低支出机会，支持合规，并帮助减少风险。例如，采购专业人员将能够识别现有供应商协议中的未声明利益，并根据历史基准评估合同语言以指导谈判。这将有助于保护利润并防止不必要的风险。
员工知识库。 员工将能够更快速地访问有关HR和财务政策（如福利和费用）的信息，从而减少获取关键员工信息的时间。例如，员工将能够使用AI聊天机器人简单提问，并获得即时答案和参考支持文档。
关于Evisort收购的详情
该交易预计将在Workday的2025财年第三季度结束（2024年10月31日）前完成，需满足惯常的交割条件。Orrick律师事务所担任Workday的法律顾问，Goodwin律师事务所担任Evisort及其股东的法律顾问。
关于Workday
Workday是一家领先的企业平台，帮助组织管理其最重要的资产——人力和财务。Workday平台以AI为核心，帮助客户提升人力、提升工作效率，并推动业务持续发展。全球超过10,500家组织在使用Workday，包括中型企业和超过60%的《财富》500强公司。有关Workday的更多信息，请访问workday.com。
© 2024 Workday, Inc. 保留所有权利。Workday及其标志是Workday公司的注册商标。所有其他品牌和产品名称是各自所有者的商标或注册商标。
关于Evisort
Evisort的AI原生合同智能平台帮助包括微软、Workday、McKesson、BNY Mellon、西联汇款和NetApp在内的知名组织全面了解其合同。Evisort通过先进的专有AI技术——包括第一个专为合同设计的大型语言模型（LLM）——赋能团队更快速、更智能地起草、管理、分析和优化协议，帮助加快交易，减少风险和成本，并将法律和合同挑战转化为战略性业务机会。
前瞻性声明
本新闻稿包含与Workday、Evisort及Workday收购Evisort相关的前瞻性声明。这些前瞻性声明仅基于当前可用的信息以及Workday的当前信念、期望和假设。由于前瞻性声明涉及未来，因此存在固有的风险、不确定性、假设和难以预测的情况变化，其中许多因素超出了Workday的控制范围。如果风险变为现实，假设证明不正确，或者我们经历意外的情况变化，实际结果可能与这些前瞻性声明所暗示的结果有重大差异，因此，您不应依赖任何前瞻性声明。此声明中的前瞻性声明包括但不限于：有关拟议交易潜在利益和效果的声明；Workday对Evisort业务及其能力的计划、目标、期望和意图；以及拟议交易的预期完成时间。风险包括但不限于：（i）交易可能无法按时或根本无法完成的风险；（ii）未能实现交易预期利益的风险；（iii）Workday实施其对Evisort业务及其能力的计划、目标和其他期望的能力，以及我们在我们的HR和财务应用套件中交付AI驱动的文档智能解决方案的能力；（iv）交易公告或完成的负面影响；（v）与收购相关的意外费用或负债；以及（vi）我们向美国证券交易委员会（“SEC”）提交的文件中描述的其他风险和因素，包括我们最近提交的10-Q表格和我们将不时向SEC提交的其他报告，这些文件可能导致实际结果与预期有差异。Workday不承担任何义务，也不打算在本新闻稿发布后更新任何此类前瞻性声明。
本文件、Workday网站或其他新闻稿或公开声明中引用的任何尚未发布的服务、功能或功能均可能会发生变化，且可能不会按计划交付或根本不交付。购买Workday服务的客户应根据当前可用的服务、功能和功能做出购买决策。
来源：Workday公司
-
非结构化数据
硅谷大数据公司 Taste Analytics，专注讲 “非结构化数据” 分析的故事
Taste Analytics 公司位于美国硅谷，是一家基于数据驱动的可视化分析公司。它在做的事情就是把任何可以转化成文字的信息，通过机器深度学习来进行自动的挖掘，然后再通过图像可视化给用户展示出去。要理解清楚 Taste Analytics，就要知道它服务的对象不是企业的 IT、数据库，而是商业人员，例如市场营销，客服、信息洞察员、产品优化改进设计人员等。
现在的消费者都会在论坛、微博等各种渠道留下对企业的产品、品牌、客服等一系列言论，但这些言论不会按照常规化的语序进行表达，里面大多夹杂新生词汇、代名词等，导致企业往往不能很好的理解这些反馈信息中的建议。说到这里就可以大概理解，Taste Analytics 做的事情好比舆情分析。传统的舆情分析系统需要企业自己建立模型、字典，而 Taste Analytics 可以深度学习非结构化的自然语言，根据用户的用词、造句、行文方式来理解文字含义，通过对大范围的用户、上千万个消费点进行聚类分析，让企业了解到用户的真正建议。
信息的渠道包括邮件、聊天记录等，当问到是否涉及用户隐私问题时，创始人 Derek Wang 举例说明了一下，Taste Analytics 的一个企业客户，每周能收到几十万封投诉建议邮件，一年累积在几千万封，根本没时间看，Taste Analytics 就可以帮助这个公司的人快速将邮件聚类、整合，通过图像告诉企业用户反馈的问题在什么地方，可能是 “没办法在网站上注册” 等。在使用邮件的过程中，Taste Analytics 是不做任何信息采集的，只提供分析工具的平台，分析师不会直接接触用户隐私信息，所以不涉及隐私问题。
Derek Wang 还分享了另一个客户案例，联想美国企业内部有 14 个客户反馈的数据源头，每个数据源一个月可以收到几百万条反馈，导致他们没有办法系统的进行横向、纵向的解读。而 Taste Analytics 平台就可以过滤这些信息，当数据经过企业采集进入平台，企业便可以第一时间得知用户对产品的反馈信息。假设用户反馈 “网卡不好用” 比较多，企业就可以及时调整产品线，减少负面反馈。原来企业里只有两三个分析师管理这些数据，现在可以应用到不同领域的商业化决策中去。
Taste Analytics 涉及处理的信息都是非结构化数据，目前在文本阶段，预计 2016年 将会扩展到图像，2017年 会增加视频数据分析。
那怎样鉴定 Taste Analytics 平台的分析效果呢？Derek Wang 回答到，他们做了很多机器和人相互比对的实验，结果的相似度在 8 成以上。Taste Analytics 在推广过程中采用 “先试用后付款” 的方式，让企业先免费用两个月，与之前的平台进行交叉验证、比对结果，满意后续费使用。
对此，我采访了一下 Taste Analytics 的一个客户 Answers.com——一个社区问题、问卷调查网站，其项目总监 Feng Shao 说到：“Answers 有很多企业级客户，我们帮助这些客户分析他们的用户反馈。这些反馈很大一部分是 unstructured text，也有很多分布在社交平台上。这恰好是 Taste 的强项，我们两家合作搭建这么一个开放和灵活的平台，让 Answers 的企业用户可以深度的分析汇总分布在各处的用户反馈，提高客户满意度。” 另外，Feng Shao 还表示，对于文字情感分析，Answers 也使用过其他的第三方伙伴，从功能的广度、深度、性价比以及对客户的服务上，Taste 的效果都相对较好。
据 Derek Wang 透露，目前 Taste Analytics 的客户主要为大型企业，不乏世界 500 强，10月 底开放云平台之后，为 100 多家中小型企业提供服务，还有 8 家学校在免费使用，日均用户几千人。
来源：36氪
作者：徐宁
出处：http://36kr.com/p/5040802.html
-
非结构化数据
集智数据：想用众包的方式帮助企业分析非结构化数据
来源：猎云网（微信：ilieyun）文/郑桂兰
“第一次接触到数据众包的概念，是在四年前刚到美国念书的时候。那时候我是伊利诺伊大学的香槟分校计算机科学的研究生，做的是人工智能相关的研究。研究的过程当中，我发现大量标注的数据是推动人工智能发展的关键。”集智数据创始人黄适文在接受猎云网采访的时候这样说到。
黄适文，一个台湾海归选择在深圳创业，集智数据算是他回国的首秀，美国伊利诺伊大学计算机科学硕士，华盛顿大学计算机科学博士生，曾经发表十多篇关于国际计算机科学的论文。他表示目前数据众包仍以英文为主，市场上没有一个很好的数据众包平台可以标注中文的数据，导致许多国内的研究人员必须使用英文的数据来发展他们的研究。因此黄适文跟研究伙伴决定回到国内创立集智数据，提供一个中文数据的众包标注平台。
目前集智数据的主要业务是为数据处理，为企业提供图像标注、数据采集和舆情分析等服务。集智数据平台分为两个端口，在线用户和发布任务的客户。客户通过API接口自行设计并且发布数据任务，由集智数据把繁杂的数据分割成微任务，推送给在线用户。在线用户可根据自己的时间及技能灵活选择任务，集智数据最后会通过系统把结果反馈给任务发布方，确保满意的结果之后用户才会得到收益。
事实上数据科学早已不是新鲜事物了，不过对数据质量的需求却是这几年才激增起来的。这可不是一阵时尚或旧词新用，而是一场变革。大至总统选举，小至总部设在厨房餐桌的小创业公司的各种决策，已不再是建立于直觉与猜想之上，而是植根于真实可靠的数据。
数据科学发展日新月异，如今各种数据工具已经形成了一个庞大的生态系统。可现实中大部分的非结构化的数据是无法直接使用的，电脑也是无法分析的，比如要概括文字档里包含的情绪、分析图片上的物体、将录音变成逐字稿或者将影片转换成文字稿等，这要使用人工才能得到准确的结果。简单来说，集智数据要做的就是处理一些对于人来说很简单，但是对电脑智能很难的数据。
黄适文向猎云网介绍，由于时空限制，传统劳动力市场呈现雇主与雇员简单的一对一关系。这种雇佣关系难以随时间地点与工作量灵活调节，工作内容的繁杂琐事与复杂的任务也无法分离，阻碍了工作效率的提高。而集智提供的众包平台希望打破以个体为单位的传统劳动力市场格局，开创以“工作任务”为中心的扁平化雇佣关系。
目前国内数据众包平台有数据堂、众客堂、猪八戒等。数据堂在国内做数据众包比较早，主要是为企业定制方案，企业有需求，就会为其定制任务。众客堂是一款App，推广重点是用户可以利用闲事去赚钱。用户使用手机完成任务申请，制作后即可拿到现金报酬，也可以通过支付宝实时提现。任务主要有方言的录音，图像的采集、传一份日程安排等，用户可以快速完成任务。猪八戒的服务交易品类涵盖较多，比如平面设计、动画视频、网站建设、装修设计、文案策划等，形式较多，但用时会较长。集智数据更多的可以说是一个工具，客户自己有需求就可以自己发布任务，更多的是注重客户的体验。
据了解，集智数据将在近期上线，平台会对前100名注册客户提供1000元的额度免费发布数据标注任务。而平台的主要盈利点是计划从用户中抽取20%的佣金，未来会增加相关的增值服务，比如顾问的费用。此外，集智数据在将来也会在微信公众号每周会发布一些有趣的实验，以及一些翻译国外大数据产业的相关报告，或甚至分享一些集智数据自己产品开发的经验与心得。
目前集智数据正在积极寻求天使轮融资。
扫一扫 加微信
hrtechchina
