-
AI
猎头顾问平台「展招」完成千万人民币 Pre-A 轮融资，用 AI+SaaS 提高效率
猎头顾问平台展招宣布完成 Pre-A 轮融资，融资金额近千万人民币，本轮资方有无穹创投。新资金将用于技术研发和客户成功。
艾瑞《2016年高端猎头行业研究报告》显示，2013年-2015年，市场需要的猎企数量远大于实际猎企业量，虽然2016年猎企以126%速度增长，但猎企缺口仍有11万。 但是与强烈的市场需求形成反差的是，猎企本身人员流失率高，日常工作仍然以低效的数据库管理软件或Excel进行人才管理，以搜简历等重复性劳动为主，核心产出并不随需求的增长而增加。所以，从管理、运营和企业发展角度来讲，猎企都需要一套能够提升顾问人均产出的智能管理系统。
展招是一家用技术解决猎企痛点的 SaaS 服务商，用 AI 把行业大数据的规律和算法结合，提升管理效率。通过 AI+大数据 Souring 候选人， 让顾问把有效的精力放在沟通和选人上。
可以用猎头工作流程理解展招系统。猎头通常有两方面的工作，一是理解客户需求，二是寻访。寻访工作中，顾问仍然在 Linkedin 等招聘网站上手动筛选简历、寻找合适人选，寻访就占据了整个工作流程的80%。展招的解决方案是，首先根据在系统内新增客户职位项目分析，聚合系统内外部候选人简历数据，为顾问匹配合适的候选人，再进一步根据候选人动态、网络互动等数据预估出离职预期，在合适的简历中进一步挑选最有求职动机的简历，之后为猎头顾问提供沟通建议。
目前展招系统的注册企业数有700-800家，使用展招系统的百万顾问数达300人，展招系统每日帮助猎头企业处理5000份简历。目前，展招已经与半数国内排名前20的大型招聘服务企业达成合作。
在效率提升方面，CEO 赵卫光告诉记者，产品今年5月份上线，经过回访发现，传统上一个岗位的寻访时间是1个多月左右，展招系统可以将效率提高1倍，新增简历量是之前的3倍，顾问使用系统的整体效率提高了两倍。
同一赛道还报道过谷露、猎上网，在企业市场，此前报道过的北森、大易、Moka 等都涉及 ATS功能，展招的差别在于，展招面向的是招聘服务企业，提供 SaaS 系统，管理成本低且系统简洁流畅，在赵卫光看来，简单好用的产品才会持续深度使用，才能最终降低管理成本并提升运营水平和效率。在实用性上，展招还支持PC端和移动端微信公众号同步操作，提升了1.5倍的协作效率。
展招未来发展目标是持续提高技术在行业的应用，定时输出有利于行业运营和管理的经验，组织线下社群活动等，帮助用户提升运营效率。
展招团队将近50人，其中技术人员有30多位，成员来自微软、中华英才网、智联招聘等企业。CEO 赵卫光有5年互联网从业经验， 7年的中高端人才招聘公司经营经验；产品总监卢小东有6年互联网招聘行业经验，曾供职于智联招聘；技术总监李洋有9年互联网招聘行业经验，曾供职于中华英才网、智联招聘、汽车之家。
来源：36氪，作者：韩旭。转载或内容合作请联系zhuanzai@36kr.com；违规转载法律必究。
-
AI
“管人”的问题能交给 AI 解决吗？HR 在变革面前要谨慎
编者按：AI潮流席卷各行各业，算法也让我们窥见未来全新的可能。人力资源管理也开始受到这股新潮流的影响。不过说到底，如同使剑，剑虽利，可削铁如泥，也可能误伤自己。工具虽好，还得用的妥当，才能发挥其最大效能。AI目前的应用包括：筛选简历、HR聊天机器人（跟应聘者聊天，以加深HR对他们的了解）、线上面试后通过面试者的表现（表情、言语模式等）判断性格特征等等。然而，但凡是工具，都是有利有弊的。这时候就要看工具使用者的操作了。如果HR人能了解并用好这些工具，不仅能节省大量时间，甚至能实现整个行业的工作模式和战略转型。本文编译自Venturebeat的原题为“AI can revolutionize HR, but deploy with care”的文章。
人工智能的出现，让各行各业都开始转型。人力资源业也不例外。
我们已经看到各式各样的HR工具数量的显著增长，机器学习和人工智能也渐渐开始解决工作范围内“人”的问题。越来越多的组织和企业开始迎接这股潮流，将权力逐渐分散，而那些能用好这项技术的人就能在这场竞争中领先。
数据来自ideal，一间打造招聘AI的公司。https://ideal.com/ai-recruiting/
风险高 回报也大
人工智能和机器学习再神，也只是工具。就像所有其他工具一样，它们也是中性的，可能有益，也可能有害。如果这工具你用得不好，或者安置到不合适的地方，它们就可能对你的商业流程和企业文化不利。而HR专业人士又不想技术人员那样熟悉这些工具背后的运作机制，因此，他们也面临很大的风险，可能弄巧成拙。出发点是好的，但结果却可能不尽如人意。
那么，HR专业又该怎么做，才不会“好心”办坏事呢？
首先，要确保自己真的了解手头要处理的是什么问题。也就是说，问题里里外外，都弄得清清楚楚，理解透彻。只要你能意识到问题何在，能够确定要解决的是什么，这时候你就要问自己，是否确实需要这项技术来解决这个特定的问题。如果没有这项技术，工作是否会受到很大影响，甚至停滞不前？这项技术会让问题简单化，让你有更多时间精力去解决其他问题？还是说，你可以使用现有的技术，或者改变方法来解决当前的问题？
有足够的了解才有发言权。
如果你觉得你确实需要某个酷炫的AI技术来解决难题，那你就得好好“教育”自己，去了解这门技术的优势和劣势。不是简单的百度一下就完事儿了，而是扎扎实实地花时间、真的深入了解你决定使用的工具。利用自己的专业人脉网，看看公司里其他人的经验能不能对你有所启发。你还可以让他们评估一下你考虑使用的技术，以帮助你做出更好的决定。
如果操作得当，那人工智能自然能帮你节省大量时间精力，让人力资源部从运营中心转向以战略为核心的部门。
工欲善其事 必先利其器 选择正确的工具很重要
你所面临的问题大大小小、方方面面可能都有所不同。各种算法也各有长处短处，但每个算法设计的时候，设计者也有不同考虑， 因此，不是每个算法都适合拿来解决当前的问题。所以你要确定，目前的问题可以用AI来解决。
算法对于下列的问题可能不太适合
产生的数据不多，或者数据不能准确表现出现实中的后果或者行为
极端的边缘个案会出现，或者数据有严重的偏差（但这个情况有办法做调整）
需要进行价值判断的情况（这种情况下，最好的办法是结合人类和算法做出决策）
往好的一面看，算法在以下几个方面很有优势
可以取得关键数据，而且数据与你所感兴趣的现实行为和后果直接相关的情况
你需要找出的模式是可预测的情况下（至少不会随着时间流逝而变化）
你需要知道，AI不能帮你让自己的团队在技能上有提高，所以那些仅仅是将流程自动化的工具可能给不了你想要的结果。如果你的目标是改变团队成员的行为，那你可以考虑使用帮助员工学习的工具。研究显示，用工具来向员工提出及时、具体又可行的建议或者反馈，在改变员工行为习惯方面是最有效的。
比如，Texito平台能字你写招聘广告的时候，向你提出建议，以便你能吸引到自己寻找的目标人才。Joonko公司可以分析企业的生产力和员工合作方面的活动，找出员工中无意识中的偏见，并且向该员工提出纠正的措施。
算法也是人设计的
设计人工智能，与其说是技术活，倒不如说像一门艺术。工具的创造者将自己的偏见“设计进”自己的作品中，也是不可避免的。谷歌以前就有过这个教训，曾有一个图像识别工具刚开发的时候，把肤色深的人识别为大猩猩...
算法将图中的黑人识别为大猩猩
所以，在购买基于人工智能的工具之前，要做好功课，深入调查是不可少的。看看这些算法的设计基础是什么，算法开发过程中，人工的决策对工具运作时产生的结果有什么影响。准备好一个问题清单，比如：
在“训练”这个算法时，用的是什么数据？
这些数据中有什么样的“偏见”存在？这个模型又经过怎么样的调整？（比如，如果算法中的数据体现的是女性接受的主要是优先度不高的工作，那算法可能“认为”女性能力不足，不能胜任优先度高的工作。）
随着时间推移，使用增加，这个算法会怎样“进化”，设计者对于其中产生的偏差问题打算怎么解决？
底线在哪里
人工智能和机器学习有很大的潜力，或许能使得人力资源业角色上根本的转换，扩大该专业人士的积极影响。但是光靠人工智能和机器学习的应用，是无法在你的企业在创造出可持续的变化的。如果你用人工智能来加速现有的积极变化，那这些以技术为基础的改变，也可以通过同时运行其他战略性项目来得到强化。
机器人不会取代我们，他们会让我们看起来更睿智。
原文链接：https://venturebeat.com/2017/10/16/ai-can-revolutionize-hr-but-deploy-with-care/
编译组出品。编辑：郝鹏程
本文翻译自 venturebeat.com，原文链接。如若转载请注明出处。
-
AI
硅谷来信Leap.ai创始人谈：什么是高质量的内推？
我的故事2003年，我刚从Drexel大学以博士身份毕业，研究方向是电脑网络 (Computer Networking)。我发表过一堆学术论文，但毫无行业经验，也不认识那些各大科技公司员工。我海投了一堆简历，但是杳无音讯，整整无业了三个月之后，终于得到了一个微软的面试机会。我紧紧抓牢了那个机会，成功加入了微软西雅图办公室。
三年之后，由于家庭原因，我需要从西雅图搬到匹兹堡。听说了Google即将在那里开办公室的消息，我找了一些从微软去Google的朋友打听消息，也请他们帮我内推投了简历。一周后，我就收到了Google的面试电话，几个月后，我作为前几名的早期员工，加入了Google匹兹堡分部。
十年间，我做了几个机器学习的项目，在Google还算混得不错。有人跟一家即将上市的创业公司Sumo Logic 的决策层提到了我的名字，他们找到我，并在几周之后说服我，加入他们成为机器学习领域的负责带头人 (Head of Machine Learning)。
乍看起来，一些人也许会说，看来有了更多相关行业经验找工作就会慢慢容易起来。这当然是不可否认的，但对于目前正在找工作、经验还不足的人来说，等于什么都没讲－－经验不是三两个月就能马上积累起来的。我们都听过著名的 Catch-22 悖论，找工作是这一悖论最常见的情形：95％ 的工作都要求有经验，但是对于一个刚离开大学的大学生，或者是想要转行的职场人，没有相关经验是自然的；公司不给机会，就永远也无法积累经验；没有经验，公司也不会给你机会。
那么，有什么我们马上可以开始做的？
潜藏在这些故事背后的，是高效、有质量的内推。这是一件立刻可以改变局面的、可行的事。
一论：内推之必要Google每年要收到一百万份简历。每份简历都由人过目是不可能的任务。所以，大多数简历被提取分析完后，就存在系统里从此再也无人问津了。只有很少一部分的简历有机会被从系统里挖出来，重新被发现。内推实现的，是增加你被发现和留意的可能性。
打个比方说，在机场过安检，
队伍A有1000个人在等待，但只有5个安检人员
队伍B有50个人在等待，但配有20个安检人员
你会希望去哪一列排队？
这就是自己海投和找人内推的区别：队伍A是自己海投的人，队伍B则代表了内推进系统的候选人。看了这个比较以后，你也许会问我，那为什么人多的队伍反而安排这么少招聘人员呢？答案在如何提高组织的效能里。
比如有一家公司，今年的目标是招满100人。公司招聘团队面临的其实是一个优化问题：如何用最少的投入来取得这个目标。
面对任何的优化问题，都是选择把尽可能多的资源投入到系统里更高效的部分。在招聘这个问题上，内推就是这样一个“需要资源少，产出结果高”的部分，因为员工已经对推荐来的人进行过初步甄选了。因此，公司在这部分需要花费在验证上的时间和资源，比在线自己投简历的情况要少。
Google著名的“50%雇佣员工来自于内推”这一结果，就是对于内推优势最好的证明。其他不少公司也差不多是这样。
二论：内推级别之分也许你会说，“听懂了，我要找一个目标公司的人把我的简历放进招聘系统里。” 等等，我们还没讲一个更重要的事情：不是所有的内推权重都相同。我和不少招聘专员及雇佣决定人 (Hiring Manager) 共事和合作过，我把我观察和体验到的总结成这么一句话：内推是分等次的。一等，最优: 资深推荐人，并对你很了解这是最强力的内推，一家公司的资深员工，或是高层，同时对方足够了解你并能帮你说好话。比如，一个公司的总监级人物推荐了你，并且说，“非常强的工程师，我非常愿意招这个人进入我的团队。” 这么一句话足够把你放到所有招聘面试列表中的第一顺位了，而且相应的，这句有分量的话也会很大程度地影响最终公司是否雇用你。
二等: 普通推荐人，但对你很了解并不是人人都认识一家公司里的高管的，所以一等的内推并不常见。那么接下来，你应该优先找一个对你很了解的人，即使对方在公司职位并不是最高。比如一个普通员工在内推里写道，“我和被推荐人合作过2年，可以担保他的执行速度和执行质量。”你应该也会很快收到公司的联系电话。
三等: 资深推荐人，但并不了解你如果一家公司里没有对你特别了解的人，但你可以找到一个熟人，对方是等级较高的员工。你仍然可以通过对方的内推，来获得电话面试的机会。这是因为招聘团队相信和尊重高层员工的评判，即使推荐人只和你有过短暂的接触，并且简单地说，“不太了解这个人，我们在一次聚会上见过，聊过15分钟，印象还不错。”四等: 普通推荐人，也不了解你如果你没办法找到任何推荐人符合以上三种推荐等级的话，尽管机会不如上面三种高，一个普通的、不了解你的推荐人仍然可以带来价值。但如果招聘团队没有回音，也不要太惊讶。三论：首推之重要你可能会说，“好吧，我手上也没有一等的最优内推，但我有一些四等的关系可以用上，反正也不会有什么坏处，可以先帮我推着，等我找到更好的内推，再推一次就可以了。”错。事实上，你在一家公司的第一次内推非常重要。不止一次，有人找到我做内推，我同意了，然后把简历、名字和联系方式发给人事，然后他们告诉我，这个人已经有很多其他人推荐过了，而且我们已经拒掉他了。这时候，即使是公司的高管，我也无计可施了。
但如果那是一个候选人的第一次推荐，招聘部门有一些疑虑，我可以说，“你们还是打个电话，更深入地了解一下吧。”这种情况下，很可能你还是会收到公司的联系电话的。
绝大多数人不知道，一个此前发生过的、无效的内推很可能会在将来，无形中削弱一次有效的、强有力的内推。
所以，请特别重视你的第一次内推质量和珍惜第一次的内推机会。
再读我的故事了解了内推机制和如何运作的之后，我们再来看一眼我在开头讲的我自己的故事：我刚出校园的时候，没有任何内推机会，所以很难得到面试机会和找到工作。我最终获得在微软的第一份工作，其实是有很大运气成分的。
随后，我从微软转去Google的时候，获得了一个三等的内推。一个Google的Staff Engineer推荐了我，尽管他只是知道我这个人，但他的推荐快速地为我带来了第一个电话面试。
当我从Google去Sumo Logic的时候，我获得了一个最优内推，公司里非常资深的人向那里的高层说了我的好话。整个进程从面试到最终给我offer，只用了一周时间。
隆重推出:
Leap Premium Referral我们切实地体会到用户在找工作中的痛点：海投申请，但总是石沉大海、听不到回音。正如上面我讲的我自己的故事，我们也曾经历过这些，所以我们决定为大家做点什么。
首先，我们的合作伙伴相信我们的判断和推荐，我们送到我们招聘合作伙伴那里的工作申请，都是一等的最优内推。我们一直以来，都免费地在为用户这么做，来帮助更多的人找到理想工作，这部分将持续进行下去。我们已经成功得帮助一些用户成功进入了像Uber，Dropbox，Upstart这样的快速增长的科技公司了。
我们也知道一些用户，对于我们合作伙伴之外的公司特别感兴趣，在我们快速地拓展招聘合作伙伴的同时，我们决定利用起 Leap 的平台和团队在科技圈内广泛的人脉－－尤其很多是招聘项目的经理 (Hiring Manager)， 来尽可能地帮助我们的用户。
今天我们隆重地推出Leap Premium Referrals：
你可以告诉我们几家你特别感兴趣申请、但不认识任何有效推荐人的公司，如果我们认为合适，我们会请我们关系网络内的Hiring Manager来帮你做内推。通过Leap系统对你的全方位了解，加上我们已有的人脉，以及在行业中比较好的声誉，我们希望在你找工作进程中，将你顺利领进门，并且起到一个有力的辅助。
如果你没有特别强的内推人脉，我们相信Leap Premium Referral会是你的最佳选择。
试用这项功能，首先，你需要 成为Leap.ai的用户，随后升级你的账户到Premium，在Jobs一栏中你会看到“Premium Referrals”。点击［阅读原文］注册或登录 Leap.ai 网站试试吧，我们期待听到你的反馈。
Happy referring!
使用 Promo Code：LEAP1 试试。
关于作者：
云凯是Leap.ai的创始人及CTO，他此前供职于微软、Google和像Sumo Logic这样相对成熟的科技创业公司。在Google的10年间，他参与、主导和开发建设了Google的搜索广告和Adwords产品。运用科技来解决商业问题是他的兴趣所在。
来源：公众号LeapdotAI
-
AI
云代账：想用AI+SaaS挖掘代账市场价值
来源：拓扑社（微信：tobshe） 作者：窦悦怡
一直以来，从公司注册、记账、税务、法律、人力资源等环节都是企业的刚需，但传统的财务软件，从安装到使用再到维度都存在一定的难度，产品用户体验差，且数据安全问题无法保证。
另外，传统财务软件价格很高，动辄就几千，甚至上万。如果企业用户既想降低成本，又想用户体验好，好用还能提升工作效率其实很难。所以，越来越多的企业都开始选择市场中专业的代账公司进行相关的财务代理工作。
不过在云代账创始人王超看来，其实，代账公司存在获客难、潜在客户跟进不及时、机制涣散不健全、工具落后做账效率等痛点，归根结底在于代账公司缺乏标准化的管理和服务能力。
记者了解到，云代账是一家为代账公司提供结合管理与财务记账一体化的SaaS软件的企业。根据IT桔子数据库显示，云代账成立于2015年6月，创始人CEO王超是用友出身，具有十年财务软件经验。2015年7月完成银杏谷资本的五百万元天使轮融资。
缺乏规范化、标准化的管理和服务能力
根据相关数据统计，目前，全国从事代账业务的公司应该不少于10万家，90%以上的中小微企业选择了代账服务。实际上，每家平均服务客户的数量在300家左右，最大的代账公司服务的客户数量也就在2万家左右，可以说代账拥有一个庞大的市场。
不过，随着劳动力成本的提高，管理难度的加大，将人员规模进行压缩、降低成本，代账公司传统的代账模式，需要代账公司大量往往铺设人力，将发票、账单、进销存数据等人工录入，再用传统记账软件、Excel等通用性工具进行分类、计算、制成报表。
这种方式的弊端是：人工进行数据采集、账务核算、税务制表、纳税申报效率低、出错率高；财税业务门槛高，但属于成本业务，需要控制成本，只能以低工资吸引低层次的财税人员，一旦财税人员成长起来必然会离开，因此行业流动率很高。
王超认为，代账公司在管理和服务的痛点主要表现在三个方面：
第一，传统的代账公司管理模式只是为中小企业提供一定的产品服务，但是缺少一个周期性业务管理，即售后服务管理，有效对客户进行管理。
第二，代账公司是典型人力输出型的公司，需要大量的人力堆积起来为企业提供服务，然后赚取人力和收费的差价。代账公司需要的思考的是如何帮助企业用户提供更多优质服务，同时还能节省人力，降低成本，提升效率，也就是提高单人效能的问题。
第三，管理规范的问题。王超表示，代账公司存在小、散、乱、弱的问题，越小的公司，在管理层面上越缺乏经验，管理也越困难。
所以，云代账为了可以同时解决代账公司自身业务管理和记账两方面需求，采用SaaS的模式，为代账公司量身打造管理+智能财税软件，包含代账公司内部协同管理、AI自动记账，意旨提高代账企业的管理水平，同时提升记账效率。
通过AI提高财税管理和代账的人效
2017年5月，一则消息的出现瞬间引爆财务人的朋友圈：世界四大会计事务所之一的德勤宣布，将与人工智能企业Kira Systems合作联盟，将人工智能引入到会计、税务、审计等工作中，代替人类阅读合同和文件。一时间“会计的基础财务工作将被AI取代”的声音不断出现。
拓扑社了解到，德勤的财务机器人主打的RPA技术。据悉，RPA(Robotic Process Automation)是基于计算机编码以及基于规则的软件，通过执行重复的基于规则的任务来将手工活动进行自动化的一种技术。
王超认为，德勤提到的财务机器人是流程自动化在财务领域的一种应用。就像我们玩的游戏里的一些外挂，模拟人类操作，简单来说，就是机器人手臂类似的理解。
如果想用AI完全取代人类其实是个伪命题，这不现实，除非国家有大的政策变革，技术上可以完全取代人类。目前大家要做的事情是，要深耕技术，有效的使AI与记账报税业务场景相结合，提高人工效能，使AI能够从50%取代人类工作逐渐扩展到80%，甚至更多。
据悉，云代账即将要推出面向代账公司、各种规模类型的企业的AI财务软件。王超认为，AI在财税代账里面的应用，首先要把会计人员的行为按照日常记账的习惯进行拆解，分为三部分：
第一，要根据不同发票类型，要进行判断识别，把基础信息装入“大脑”里。
第二，处理收集到的信息，就像会计根据自己的知识和经验判断一样，AI根据具体的发票类型，判断应该做什么账目。
第三，代替手工，把账目信息录入，切实落地的完成账务处理。
“当所有发票信息、账务齐全妥当之后，代账公司或者企业就可以根据国家统一的标准，通过工具进行一键报税表生成，降低成本，提高人效。”
王超告诉拓扑社，AI的价值落地需要具备三个条件：
一，源源不断的大数据源，这里的大并不简单指数据量大，同时包含种类大，是一个立体数据概念。
二，根据数据和用户习惯，通过深度学习技术，完善人工智能的机器人大脑。
三，完善的大脑需要能有效的结合用户的使用场景。
“结合这三点，云代账是天然适合去开垦财税领域人工智能的项目，不过，AI并非取代会计，而是会造成他们转型，使会计的职能由记账转为管理会计和分析会计更好的服务企业。”
“代记账公司只是一个入口，未来是所有的企业都是云代账的目标，未来，我会给代记账公司、各类型规模企业提供一个完善的财税大脑，帮助他们降低成本、提高人效。”
管理服务与代账相结合，闭环模式解决方案
目前，云代账的产品线分为两条：云代账CRS系统和云会计财务系统。据悉，CRS系统是云代账首家推出CRS概念，结合代账公司行业特点，内部可以有效管理客户、理清往来账目更重要的是服务客户，短信邮件互动、客户自助查询内部等，外部可以服务360度贴合代账公司管理服务需求。
王超解释道，CRS系统核心在于管理和服务。首先，系统可以帮助代账公司有效管理账务资料，满足他们检索、查询、管理的需求，也可以帮助企业用户管理资料。
其次，在服务层面，系统可以提高代账公司与企业用户交互的问题，用户可以及查及得，增加彼此信任，也可以提高代账公司和企业的用户体验，简单、方便、快速查询资料。
简单来说，当用户进入CRS系统后，可以在首页看板中清楚看到款项应收、合同到期、逾期欠款、逾期任务数量等，并且对等待处理的任务、待记账的客户等重要待办进行了汇总显示，另外也对新增客户数等进行了月度统计展示，让经营者对自身业务进展一目了然。
另外，在系统左侧的菜单栏，则从客户、派单、统计、单据、审批等多项细分功能方面进行了设置。
在代理记账方面，云会计财务系统包括极速做账、固定资产自动计提折旧、一键跨年结账、自动检测财务风险、报表导出、发票验真、凭证一键打印等等。代账公司的会计可以凭证极速录入，所有账簿、报表实时更新，全自动年结，一键反结账。
从客户管理服务、任务分配派单、经营统计分析、单据管理、财务系统、多端数据同步到售后服务，正组成了云代账SaaS解决方案的完整流程。
目前，云代账的盈利模式是SaaS收取年费，客单价在3-5万元不等，王超表示，未来AI产品上线后，会按照工作量收取费用。
“工作量分为很多种，比如说按照发票张数收费，或者按照报税接口使用数量收费。”
据悉，云代账为客户提供线下面对面的上门产品培训，也会定期组织月度的培训大课。线下沙龙、典型企业参观等，也都是云代账服务的特色。目前在北京地区云代账已经签约了1600多家付费用户，全国范围内的数量超过4000多家，续费率达到90%。
-
AI
利用AI回答员工的重复性问题，Spoke 获2800万美元融资
外媒消息，美国初创公司 Spoke 宣布完成了两轮融资，金额总计2800万美元。第一轮为 Accel Partners领投的800万美元，第二轮是 Greylock Partners 领投的2000万美元。其他投资者还包括 Felicis Ventures、 Webb Investment Network、 Spider Capital 、Red Dog Capital 等。
Spoke 利用人工智能来帮助企业解决自动化信息请求，通过回答IT和人力资源相关的问题来节省人们的时间。例如，如何登录工资系统，如何使用打印机，如何访问网站，以及如何重置密码等重复性的模版问题。
Spoke 的目标是减少人工服务的次数，适用于规模在100-1000人之间的公司。如果有人问到一个 Spoke 不能回答的问题，或提问者对答案不满意，那么它会将挑选出合适的人选，并将请求指向该人员。Spoke 从中学习答案，并在下一次询问中使用。
Spoke 的一个好处是它的产品可以在 Slack 中直接使用，而不是另一个独立APP。Slack 等消息平台越来越多地被用来代替电子邮件进行工作沟通，这使得团队中每一个人的信息更易于被访问。这也有助于 Spoke 利用人工智能来确定知识库中的哪些现有答案适用于员工的查询，然后随着时间的推移提供更好的答案。
创始人兼首席执行官 Srinivasan 表示，许多公司都已养成了在内部服务软件上花钱的习惯，这为 Spoke 未来的销售收入带来了想象空间。比如 Atlassian 和 ServiceNow 都是在服务平台上销售软件的公司。
Spoke 目前共有20名员工，大部分是技术人员。创始人 Srinivasan 和联合创始人 Patnaik 的上一个创业项目是 Appurify，于2014年被Google收购。
本文参考了多个信息来源：["https://www.cnbc.com/2017/10/19/spoke-raises-28-million-in-funding.html"]，如若转载请注明出处。
36kr.com
-
AI
从优化搜索引擎广告投放切入，「原昇科技」为企业提供一站式AI数字营销平台
原昇科技创办于2015年8月，是一家面向中小企业的AI数字营销自动化平台，旗下的 “易数宝”的软件能通过自主研发的大数据平台实时采集数据，并通过数据挖掘对企业所投放的广告进行大数据分析，精准评估推广效果，并通过深度学习决策系统输出有效广告策略，帮助企业降低推广成本，提升营销的效率和精准度。
简言之，“易数宝”为企业用户提供了从广告判断——广告方案的调整（优化网站内容、设计）——广告输出——结果落地（在企业的目标客户搜索引擎结果页中获得靠前位置）的一站式服务。
近日，原昇科技宣布已获得来自蓝色光标、英诺天使基金的近千万人民币Pre-A轮融资，这笔资金将主要用于AI平台算法规则的不断完善，加大研发力度以实现AI数字营销自动化在信息流广告上的应用，以及扩大市场。
现如今，进入大数据时代，企业营销SaaS应用也步入了数据化阶段。根据艾瑞咨询的数据，预计2018年我国数字营销规模将达到4200亿元；但研究机构eMarketer的报告却指出，如今通过数字渠道投放的广告，点击率大概只有0.04%，广告推送与用户需求不匹配的问题严峻。数字化营销还应回归个性化服务，即实现基于用户行为分析后的精准推送。从这点上看，传统营销管理工具处理效率低下、还会因人工操作而产生匹配误差，各种弊端显露无疑。
如果要实现精准推送，还需要有大数据和先进的技术作为支撑。现阶段，尤以AI的风头最为强劲。AI以大数据和深度学习算法为基础，将过去的人教机器的策略变成机器自我学习。借助AI，营销人员能够快速精准识别潜在用户并以最恰当的方式与这些用户进行交互。
可以说，AI的应用能给数字营销行业带来了重大变革与重构。原昇科技CEO梁文庆就认为，“传统工具解决不了的，AI能解决”；而作为基于基于AI、大数据模型的数字营销服务，“易数宝”就想在这一变革过程中发挥一定作用。梁文庆告诉36氪 ，公司自成立以来，经过1年的时间积累了超过一亿条客户行为数据，并通过机器学习不断地总结规则，形成经验模型，凝聚成了现如今的核心产品“易数宝”（ 2016年8月正式上线）。
现阶段，易数宝主要服务于年投放金额在30万左右的企业用户，其中也包括少量KA级用户（譬如维也纳集团）。据悉，截至目前，易数宝已积累了几千家企业注册用户，其中付费用户近700，并保持每月新增80-100家付费用户的增长速度，续费率超过55%。
梁文庆表示，目前公司主要的任务也是不断优化以做成标品，以实现后期的快速复制；另外，除了搜索引擎推广，易数宝未来还会支持信息流，为企业提供一站式服务。另外，需要了解的是，作为此次原昇科技pre-A轮融资资方蓝色光标母公司是一家为大型企业提供品牌管理与营销服务的公司。梁文庆表示，融资完成后，资方能会为原昇科技带来更多KA级用户；此外，蓝色光标的信息流业务较多，未来会与原昇科技实现上下游客户的对接。
在推广方面，公司有自建销售团队，在不同区域也有合作的代理商。
梁文庆告诉记者，随着中国流量成本的与日俱增，下一个阶段人们会更倾向于选择可以自动化、简单、一站式的工具，以替代原来的传统工具，并表示“未来用AI实现营销自动化一定是营销SaaS的竞争蓝海”；而得益于长时间的数据积累和规则总结，原昇科技在现阶段具有“明显的先发优势”。
团队方面，创始人兼CEO梁文庆深耕互联网行业逾10年，曾就职于百度广州分公司7年，拥有4年大型营销团队管理经验；CTO林正春为华南理工大学计算机专业博士，在图像处理与模式识别、人工智能和数据挖掘等领域有多年的研究经验；CMO曾就职于百度广州分公司，拥有5年百度大客户推广运营经验，2年阿里天猫运营推广经验。
来源：36氪，作者：顿雨婷。转载或内容合作请联系zhuanzai@36kr.com；违规转载法律必究。
-
AI
Agent AI：按次计费的CRM管理工具，让企业零门槛使用AI技术
Agent AI正想办法自动化更多的客户服务流程。为此，公司建立了自己的客户关系管理产品，以及相应的AI工具，并且现在的CRM部分的服务免费提供。虽然在CRM这一领域，已经有不少大型的软件公司，但公司首席执行官Fred Hsu表示，市场正在发生变化，软件差异逐渐减少，商品化程度越来越低。
Agent AI的CRM软件可使得企业保存消费者数据，管理不同的沟通渠道和视觉化客户互动。Hsu并不是说公司的软件不够好，但是在他看来，公司的优势在于AI方面（正如其名称所显示）。当有足够多的数据时，这些AI产品的工作将更加有效。
“通过免费提供我们的商品软件，我们可以零成本、零风险的获得更多消费者数据，”Hsu表示。
具体来说，Agent AI的Co-Pilot和Auto-Pilot服务均依赖过往的互动数据，某一公司的知识库等等。
Co-Pilot为客户问题提供参考回答，并允许团队成员一键接受这些回复。而Auto-Pilot更接近全自动，可以针对常规问题直接发送回答而无需人员干预。Agent AI表示，Auto-Pilot可以回答常规客户服务问题中的50%-80%。
Hsu还指出，Agent AI并不收取标准的软件即服务订阅费用。相反，客户需要为每个自动对话支付1美元。Hus认为此举可以让更多企业接触并使用AI。他解释说：“部分问题，或者说机会，其实是非常二元化的——你拥有AI或者没有AI，背后是昂贵的成本和难以解决的时间难度……那些想要快速、准确、高质量的对话的企业，我目前还没有看到现实可行的模型可供他们使用。”
另外值得注意的是，虽然Agent AI以免费的CRM服务作为吸引企业和他们数据的方式，Hsu表示，公司的AI技术同时也通过API集成了其他的CRM服务。
【AI星球（微信ID：ai_xingqiu）】10月3日报道 （编译：小白）
-
AI
微软Dynamics 365推出人工智能服务聊天机器人，用AI提高企业服务效率
微软正在利用AI的能力为Dynamics 365企业应用套件客户提供全新功能。该公司在Iginte会议上宣布了一系列新功能，专注于将智能引入业务之中，包括专为领域客户服务查询设计的预置聊天机器人。
包括惠普和梅西百货在内的相关客户已经在使用新的聊天机器人来帮助处理客户查询，以便客户得到更快的响应。微软计划在未来发布更多的AI功能，不过其并未提供详细信息。
对于那些不想购买整个Dynamics 365捆绑软件的客户，微软将其产品分解成以订阅为基础的可单独购买的模块。该公司首先从人力资本管理套件Talent开始。其被划分成了两个模块化应用Attract和Onboard，分别针对招聘和雇佣过程。
顾名思义，Attract旨在帮助公司找到合适的候选人，并为他们的申请池提供资料。Onboard旨在帮助新员工熟悉业务内部系统，以及培训和团队建设。
在未来，微软将会提供更多的此类型产品，客户无需购买整个套件，只需要购买一两个模块即可。
微软还进一步加强了LinkedIn和其CRM产品Sales之间的联系。很快，销售代表就可以通过Dynamics 365直接发送InMail，并将专业社交网络中的档案图片导入到其CRM的联系人记录中。
【AI星球（微信ID：ai_xingqiu）】10月12日报道（编译：福尔摩望）
-
AI
AI法务创企ROSS获870万美元A轮融资，iNovia Capital领投
人工智能律师创企ROSS Intelligence于2015年在多伦多大学创立，创始人为Andrew Arruda，Jimoh Ovbiagele和Pargles Dall'Oglio。日前，该公司宣布完成870万美元A轮融资，iNovia Capital领投，Comcast Ventures Catalyst Fund，Y Combinator Continuity Fund，Real Ventures，Dentons的Nextlaw Labs和几位天使投资人跟投。
究其核心，ROSS是一个帮助法律团队分类案例法，找到与新案件相关细节的平台。如果按照标准关键词搜索，这一过程可能需要数日或数周时间，于是ROSS以机器学习技术对关键词搜索进行了强化，在加快搜索过程的同时，所搜索条目的相关性也更高。
ROSS联合创始人兼CEO Andrew Arruda在一次采访中表示：“使用ROSS的技术，能够在更短时间内搜索到更多相关信息。”
ROSS的人工智能堆栈既使用了现成的深度学习算法，也自己开发了一些。开发一整套机器学习堆栈非常昂贵，因此创企早期使用现成的技术也就情有可原，只要确保业务的可扩展性即可。目前，该公司已和20家律所建立合作，结合人工反馈模拟工作流和测试结果。
Comcast Ventures的投资人Kai Bond表示：“我们花了很多时间思考ROSS给律师事务所带来的价值。以往需要一周时间的工作，现在只要2-4小时。”
这家公司最初的计划是将专业法律软件卖给大型事务所，例如Lathan & Watkins和Sidley Austin。目前，ROSS提供破产法和知识产权法方面的产品。未来也将扩展服务范围，如劳工法、雇佣法，并为小型律所服务。
【AI星球（微信ID：ai_xingqiu）】10月12日报道 （编译：冰摇柠檬茶）
-
AI
利用AI和神经科学游戏匹配最合适工作，Pymetrics获800万美元融资
【猎云网（微信号：ilieyun）】9月29日报道 （编译：叶展盛）
Pymetrics创企能利用人工智能和神经科学游戏帮人们匹配到最好的工作，今日这家公司宣布获800万美元融资。本轮融资的领投方为Jazz Venture Partners，参投方包括Workday Ventures、Khosla Ventures、Randstad Innovation Fund和BBG Ventures。
这家纽约创企并没有根据学历来评判一个人，相反它通过一系列神经科学游戏来评估候选人的认知和情感功能。这些游戏包括虚拟货币交易、键盘敲击等，一位候选人至少要完成12个游戏，才能获得完整的评估结果。
随后Pymetric的人工智能会分析结果，并候选人与表现最好的人进行比较。
“我们会从不同职位的成功专业人士身上搜集大量行为数据，并用机器学习技术进行建模，这些模型就能区分成功者和普通人。”公司的首席执政官兼联合创始人Frida Polli告诉外媒。
对于求职者而言，这项服务是免费的。如果公司想要通过这个平台建立自己的算法来寻找和选择潜在的人才，那么就要付钱。同时他们也可以选择购买年订阅服务。
Pymetrics表示，全世界已经有50多家公司选择使用这个平台，包括联合利华和埃森哲，而使用这个平台的求职者数量已经超过了50万。
这位首席执政官认为公司的竞争对手包括CEB-SHL和IBM Kenexa这类传统的平台，以及Leap.ai、Teamable、Beamery和Mya Systems这些人工智能驱动的求职平台。
之前，这家公司还从洛克菲勒基金会那里收到了一笔拨款（数额没有公开）。Pymetrics计划利用这笔新融资帮助未就业的年轻人找到工作。
目前公司的团队还只有45个人，它在纽约、旧金山、伦敦和新加坡设立了办事处。本轮融资也会帮助它进行扩招。
Pymetrics与2013年成立，目前融资总额为1700万美元。
扫一扫 加微信
hrtechchina
