-
Cursor
【财报】Upwork发布2026年二季度财报，营收 1.917 亿美元，同比下降约 2%：AI正在重写自由职业市场
HRTech概述：全球自由职业平台 Upwork 发布2026年第二季度财报。公司GSV为9.664亿美元，同比下降3.6%，营收1.917亿美元，同比下降2%，活跃客户也下降4%。但一个更重要的变化正在发生：低复杂度工作正在持续转向自动化，而高价值AI人才、更复杂项目和新的工作类别正在增长。
AI正在拆掉知识工作的初级职业阶梯，而新的Human + AI职业阶梯还没有完全建起来。Upwork已经开始把自己从传统自由职业平台重新定义为连接企业、Human Experts和AI Agents的工作市场，并通过ChatGPT、Claude和MCP进入AI工作流。
未来企业管理的不只是员工和外包人员，还可能包括大量AI Agent。更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。
Upwork 2026 年第二季度财报看起来并不“增长”：GSV 为 9.664 亿美元，同比下降 3.6%；营收 1.917 亿美元，同比下降约 2%；活跃客户降至 76.3 万，同比下降 4%。但如果把这些数字与 AI 业务、单客户价值和利润率放在一起看，呈现出的并不是一家传统自由职业平台简单进入衰退，而是一个更值得 HR 行业关注的信号——低复杂度工作正在被 AI 自动化，而平台正在主动把增长重心转移到高价值 AI 工作、复杂项目、SMB 深度服务和 Enterprise Workforce Management。
从 HRTech 的视角看，这份财报真正值得研究的，也不是 Upwork 本季度少了多少客户，而是它正在试图回答一个所有 HR 科技公司未来都会面对的问题：当企业里的“劳动力”开始同时包括 Employee、Contractor 和 AI Agent，人才平台究竟应该管理“人”，还是管理“工作”？
收入仍在下降，但Upwork已经从“追求更多客户”转向“经营更高价值客户”
Q2 2026，Upwork Marketplace Revenue 为 1.669 亿美元，同比下降 2%；Enterprise Revenue 为 2,480 万美元，同比增长 2%。GAAP Net Income 为 2,540 万美元，同比下降 22%，但 Adjusted EBITDA 却达到 6,410 万美元，同比增长 12%，Investor Presentation 披露的 Adjusted EBITDA Margin 达到约 33.4%。与此同时，Take Rate 提升至 19.8%，同比增加 40 个基点。
真正关键的是另一项指标：GSV per Active Client 达到创纪录的 5,230 美元，同比增长约 5%，并已经连续八个季度环比增长。 与此同时，Active Clients 同比下降 4%。
这组数据实际上揭示了 Upwork 当前非常明确的经营方向：客户数量可以下降，但留下来的客户必须产生更多、更复杂、更高价值的交易。
过去的自由职业平台依赖的是“大量客户 × 大量任务 × 平台抽佣”；新的 Upwork 更希望形成“大客户/高价值 SMB × 持续工作需求 × 更高客单价 × 更多服务收入”的模式。
这也是为什么收入仍然承压，但 Adjusted EBITDA 和 Take Rate 却能够继续改善。Upwork 已经不再单纯追求 Marketplace 的交易规模，而是在主动优化其业务结构。
AI没有把旧工作等量转换成新工作，它首先正在消灭一部分低复杂度任务
CEO Hayden Brown 在此次财报中给出了一句非常重要的判断：
“While lower-complexity work continues to shift toward automation…”
也就是说，低复杂度工作正在持续转向自动化。
这是本季度最值得 HR 与人才行业重视的一句话。
如果 AI 只是帮助 Freelancer 提高效率，那么理论上 Upwork 总体 GSV 不一定应该下降。但现实是，Q2 GSV 下降 3.6%、Active Clients 下降 4%。这意味着部分原来需要支付给自由职业者的任务，并没有转化成新的人工需求，而是被 AI 直接完成了。
但另一方面，新需求正在出现。Q2 2026，Upwork 平台 AI-related work GSV 同比增长超过 22%；其中 AI Strategy & Consulting GSV 增长超过 50%。Investor Presentation 显示，AI-related work 按 Q2 GSV 年化计算已经达到约 3.3 亿美元。
这形成了一个非常典型的 AI 劳动力市场分层：
基础写作、简单设计、翻译、标准化数据处理和低复杂度数字任务越来越容易自动化，而 AI Strategy、Consulting、Workflow Design、Agent Implementation 和更复杂的业务项目开始产生新的需求。
因此，未来人才市场真正需要讨论的可能已经不是简单的“AI会不会取代工作”，而是：
哪些任务会消失，哪些任务会升级，哪些任务会由 Human + AI共同完成。
Business Plus正在证明：Upwork真正想争夺的是企业级SMB预算
Upwork 第二条增长曲线来自 Business Plus。
Q2 Business Plus GSV 环比增长 24%、同比增长 174%；Business Plus Active Clients 环比增长 16%、同比增长 219%。更值得注意的是，38%的 Business Plus 活跃客户第一次在 Upwork 发生消费，就是通过 Business Plus 完成。 Investor Presentation 同时披露，其 Q2 Business Plus Revenue 同比达到约 2.5 倍。
这说明 Business Plus 并不仅仅是在把原来的 Freelancer Marketplace 用户升级成付费会员，而是在帮助 Upwork 获取一种新的客户群体：有持续项目、有复杂需求、有管理需求，同时又没有完整 Enterprise Procurement Infrastructure 的中型及成长型企业。
这类客户的价值远高于一次性的 Freelancer Hiring。
Upwork实际上正在尝试从：
“帮你找一个自由职业者”
升级为：
“帮你持续获得、组织和管理外部专业能力”。
这也是 HR Tech 产品增长中非常值得参考的一条路径：不要只提供单点工具，而是围绕客户不断增加的复杂度，从 Entry Product 向 Workflow、Management、Benchmark 和 Enterprise Solution逐层升级。
Enterprise与Lifted：Upwork正在逼近真正的Contingent Workforce Management
第三条增长主线是 Enterprise。
Upwork 旗下 Lifted 已在 6 月底将第一批企业客户迁移到新的平台，并扩大 Go-to-Market 团队，包括招聘新的 Head of Sales。与此同时，Enterprise Solutions 中的 EOR offering GSV 同比增长29%。该业务在 2025 年通过 Lifted 收购 Ascen 后得到进一步加强。
这意味着 Upwork 的边界正在继续扩大。
从最初的 Freelancer Marketplace，到 Contractor Management，再到 EOR、Managed Services、Enterprise Workforce Solutions，它越来越接近一套完整的 Contingent Workforce Infrastructure。
未来企业可能不再分别购买“自由职业平台”“EOR”“Contractor Management”“AI Agent”，而是希望在一个统一的 Work Layer 中配置：
Employee、Contractor、Freelancer、EOR Worker，以及 AI Agent。
一旦这个方向成立，Upwork真正竞争的就不再只是 Fiverr 或其他 Freelancer Marketplace，而会逐渐进入更广泛的 Workforce Management 市场。
ChatGPT、Claude和MCP背后的野心：让AI成为新的“劳动力采购入口”
Upwork另一个非常值得观察的战略，是它正在主动进入 AI Agent 的工作流程。
继 2026 年 4 月推出 Upwork app for ChatGPT 后，公司又推出 Upwork Claude Connector，并发布 Model Context Protocol（MCP）server。通过 MCP，客户与 Freelancer 可以让 AI Agent 在已有工具和工作流中寻找人才、发现工作机会，并帮助管理 Upwork 上的工作。Investor Presentation 明确提到 Claude、ChatGPT、Cursor 以及其他 MCP-compatible products。
这里真正重要的并不是又多了一个 ChatGPT 插件。
传统人才平台的入口是“人搜索人”：
企业产生需求 → HR或业务部门进入人才平台 → 搜索人才 → 发布项目。
Agent时代可能变成：
企业告诉 AI Agent 一个业务目标 → Agent拆解任务 → 判断哪些任务AI能够完成 → 哪些任务需要Human Expert → 自动调用 Upwork寻找相应专业人才。
这样一来，Upwork就可能从一个“用户访问的网站”，逐渐变成一个被 AI Agent调用的劳动力网络。
这也是 Upwork 为什么开始强调自己的定位不是 Freelancer Marketplace，而是：
“The human and AI-powered work marketplace.”
真正的新变量，是AI Agent开始成为一种独立的劳动力供给
Investor Presentation 第10页给出的结构非常清晰：
Clients、Human Experts、AI Agents，三者围绕 Upwork 平台形成新的工作关系。
更进一步，公司在 Presentation 中提出，Upwork希望为 SMB 提供 “AI diffusion layer”，通过人才和 human-supervised agents 帮助中小企业跨越从“拥有AI能力”到“真正采用AI”的鸿沟。公司同时披露，其 human-supervised agent product 已于 2026 年 8 月推出，但原文未披露独立正式产品名称。
这个变化对 HR Tech 的意义可能比单纯的 AI Recruiting 更大。
过去企业劳动力结构主要是：
Employee + Contractor。
现在正在出现第三种资源：
AI Agent。
未来 HR 和企业管理者必须开始回答新的问题：什么任务应该由员工完成？什么任务可以直接交给 Agent？哪些工作必须 Human-in-the-loop？一个 AI Agent 的成本应该如何核算？Human + Agent组合之后，生产率究竟提升多少？增加的 Token、模型、软件和治理成本是否值得？
这些问题最终都会落到一个核心概念：
AI Workforce Management。
$1.3万亿美元市场故事很大，但Upwork短期仍处于转型“Gap”
Upwork Investor Presentation 给出了三个长期增长支柱：Transforming human + AI work、Accelerating SMB growth，以及 Unlocking Enterprise expansion。公司引用委托第三方完成的市场研究，预计到2028年相关机会约为 1.3万亿美元，其中 SMB contingent digital knowledge work 为 5,300 亿美元、Enterprise 为 6,500 亿美元、Agentic AI 为 1,200 亿美元。需要强调的是，这属于市场机会估算，并非 Upwork 已经实现的收入。
短期数据仍然说明转型并没有完成。
Q3 2026 Revenue Guidance 为 1.76亿至1.84亿美元；全年 Revenue Guidance 为 7.30亿至7.50亿美元。与此同时，Q2 Operating Cash Flow 从去年同期的 7,250 万美元降至 4,690 万美元，Free Cash Flow 从 6,560 万美元下降到 3,590 万美元。
因此，目前最准确的描述并不是“Upwork已经完成AI转型”，而是：
传统低价值任务下降，新型AI高价值工作正在快速增长，但新的需求规模暂时仍未完全覆盖旧市场的收缩。
这正是 AI 时代大量知识工作平台未来几年都可能经历的“增长缺口”。
HRTech观察：未来企业真正缺少的可能不是更多AI工具，而是一套AI Workforce衡量体系
从 Upwork 这份财报继续往前推一步，HRTech认为，一个新的企业管理问题正在形成。
今天多数企业仍然通过“有多少员工使用 ChatGPT”“采购了多少 Copilot席位”来衡量AI采用。但当 AI 真正进入工作流程后，这些指标很快会失去意义。
企业真正需要知道的是：
一项工作原来需要多少 Human Hours，现在需要多少；Human与Agent分别完成了什么；单位任务成本是否下降；AI增加了多少模型和Token成本；质量、速度和风险是否改善；以及哪些岗位正在从“执行工作”转向“监督、设计和管理Agent”。
因此，HRTech接下来关注的重点也正在从单纯的 AI Readiness，进一步走向 AI Workforce ROI、AI Workforce Benchmark和Human + AI工作结构分析。HRAI Forward所衡量的“AI是否已经成为可复用、可迁移、可衡量的HR工作能力”，本质上也是这条路径的起点：先知道组织和HR当前处于什么位置，再进一步判断AI投入究竟有没有真正改变工作方式和产出。
Upwork此次财报给出的启示非常明确：
未来最有价值的 HR Tech 公司，未必只是帮助企业“招聘更多人”或“部署更多AI”，而是能够帮助企业回答——
什么工作应该由谁完成，以及Human + AI组合之后，企业是否真的创造了更多价值。
这可能才是 AI Workforce 时代真正的新基础设施。
-
Cursor
特斯拉限制每周AI使用额度的背后：企业AI进入“成本治理”阶段，而不是停止使用AI
HRTech核心摘要：Tesla 给员工 AI 工具支出设定每周 200 美元上限，不是一个简单的降本动作，而是企业 AI 从“鼓励无限使用”进入“预算治理、模型选择、供应商控制和内部生态倾斜”的标志性事件。真正值得 HR、CIO 和企业管理者关注的，不是员工还能不能用 AI，而是企业如何在效率、成本、安全、合规和平台依赖之间重新建立规则。
根据 Electrek 引述 The Information 的报道，Tesla 将从 2026 年 7 月 6 日开始，对员工 AI 工具使用设定每周 200 美元支出上限。这个政策出台前，Tesla 过去几个月一直在推动员工更积极使用 AI，并通过内部平台和使用排名鼓励工程师大量调用 Claude、GPT、Gemini、Grok、Cursor 等工具。结果是，部分软件工程师每周 AI token 消耗达到数千美元。支出快速上升后，Tesla 开始为 AI 使用加上财务边界。值得注意的是，报道显示 xAI 的 beta 产品被排除在该上限之外，这意味着 Grok 相关产品不会受到同样限制。
这不是“AI退潮”，而是“AI财务化”开始。 过去一年，企业内部对生成式 AI 的态度非常激进：谁用得多，谁就更先进；哪个团队 token 消耗更高，哪个团队就更像 AI-first。现在问题出现了：AI 使用量并不等于生产力提升，token 消耗也不等于业务结果。企业终于开始意识到，AI 不是免费的数字劳动力，而是一种按使用量计费、随任务复杂度快速放大的新型运营成本。AI 进入企业后，第一阶段是试用，第二阶段是普及，第三阶段必然是治理。
Tesla 的特殊性在于，支出治理与生态选择叠加在一起。 如果所有模型一视同仁地限额，这只是典型的成本控制。但当 Grok/xAI beta 产品被豁免，而 Claude、GPT、Gemini 等外部模型被纳入限额时，政策就不再只是财务规则，也会变成使用行为的引导机制。员工会自然倾向于使用不受限制的工具，哪怕他们原本更偏好其他模型。这对企业来说是一种内部采购权力的重新分配：不是员工选择最好用的工具，而是公司预算规则决定哪些工具更容易被使用。
Cursor/Anysphere 的交易让这件事更具战略含义。 Reuters 报道，SpaceX 正以 600 亿美元全股票交易收购 Cursor 母公司 Anysphere，交易预计在 2026 年第三季度完成。Cursor 是 AI coding 工具领域的重要玩家，如果交易完成，Cursor、Composer、Grok 与 xAI 生态之间的协同会进一步增强。对 Tesla 工程师而言，未来使用 Claude Code、GPT 或 Gemini 可能受到预算限制，而使用 Musk 体系内的工具可能拥有更低的内部阻力。这不是简单的工具选择，而是企业 AI 工作流被平台生态重新塑形。
对 HR 来说，这件事的核心不是技术，而是组织治理。 当 AI 工具成为工程师、产品经理、运营团队和 HR 团队的日常工作基础，企业必须回答几个问题：员工可以自由选择 AI 工具吗？公司如何评估不同模型的产出质量？AI 预算归属 IT、业务部门还是人力资源？员工使用 AI 的效率提升如何计入绩效？当企业推动员工使用某个内部或关联生态工具时，是否需要披露潜在利益冲突？这些问题已经不再只是 CIO 的责任，也进入了 CHRO 和 CEO 的管理议程。
更大的行业趋势是，企业 AI 正从“采用率竞争”转向“单位成本产出竞争”。 Uber、Microsoft、Meta、Amazon、Walmart 等公司都被报道开始控制 AI 工具支出、取消部分高成本许可证，或推动员工使用更便宜、更可控的模型。背后的逻辑很现实：企业并不是不用 AI，而是不愿意继续为不可衡量的 AI 使用买单。未来企业评估 AI 的核心指标，不会只是“有多少员工使用 AI”，而是“每一美元 AI 支出带来多少代码、多少效率、多少错误减少、多少客户响应提升、多少组织成本下降”。
这也提醒资本市场，不要把企业 AI 消费理解为无上限增长。 Nvidia、Palantir、AI coding 公司和各类企业 AI 应用的高估值，都隐含着一个假设：企业会持续扩大 AI 使用。但真实企业内部正在发生的是预算化、路由化和治理化。AI token 消费总量仍可能增长，但增长方式会改变。企业会减少无序调用，增加模型路由；减少高价通用模型依赖，增加小模型、专用模型、内部模型和自建平台；减少“员工随便用”，增加“场景审批、预算控制、数据安全和ROI评估”。
HRTech的判断是：2026年企业AI管理的关键词，不再只是 adoption，而是 AI governance、AI FinOps 和 workforce productivity measurement。 Tesla 的做法之所以重要，是因为它把企业 AI 的矛盾暴露得非常集中：一方面，公司希望员工尽可能多地使用 AI，以提升研发效率；另一方面，公司又无法接受不可控的 token 成本；再进一步，公司还希望把员工使用行为导向自己的 AI 生态。这种矛盾会在更多企业出现。
最终，企业 AI 不会因为支出上限而停止发展。相反，真正成熟的企业会从“鼓励大家多用 AI”进入“让正确的人，在正确场景，用正确模型，以可衡量成本创造正确结果”。这才是 AI 进入组织管理深水区的开始。对 HR 而言，AI 不只是工具采购问题，而是未来工作方式、绩效评估、技能结构、员工授权和组织治理的系统性重构。
-
Cursor
【旧金山】AI劳动力管理平台 Reload 完成 227.5 万美元种子轮融资，发布共享记忆架构产品 Epic
HRTech概述：旧金山的新创HR科技公司Reload 宣布完成 227.5 万美元种子轮融资，由 Anthemis 领投。公司推出首款产品 Epic，主打为AI代理提供共享架构记忆层。当前企业在使用 coding agents 时面临长期上下文缺失问题，Reload 通过定义产品需求、数据模型与系统结构，并持续维护决策记录，构建 AI 员工的管理系统。其目标是成为 AI workforce 的“System of Record”。
2026年2月19日，AI 劳动力管理平台 Reload 宣布完成 227.5 万美元种子轮融资。本轮由 Anthemis 领投，Zeal Capital Partners、Plug and Play、Cohen Circle、Blueprint 与 Axiom 参投。与此同时，公司正式发布首款AI产品 Epic，标志着其从平台构建阶段进入产品落地阶段。
Reload 由连续创业者 Newton Asare（CEO）与 Kiran Das（CTO）创立。这是两人在此前公司成功退出后的第二次创业合作。创始团队观察到，随着生成式AI与自动化工具快速演进，企业内部的 AI agents 正在从辅助工具转变为“数字员工”，在编码、调试、重构等复杂任务中承担越来越多的执行工作。但当前企业缺乏系统化的管理架构来协调这些AI代理的协作与治理。
构建 AI 员工的管理基础设施
Reload 的核心定位是 AI Workforce Management Platform，即面向“AI员工”的管理系统。不同于直接构建新的模型或单一功能代理，Reload 的平台聚焦于企业级管理层面，提供统一接入、权限控制与任务可视化能力，使企业能够在跨团队、跨部门环境下集中管理不同来源的 AI agents。
企业可以在 Reload 平台上接入内部开发或第三方构建的代理，为其分配角色与权限，并实时追踪其执行任务的过程与结果。平台通过集中化管理与记录机制，形成针对AI员工的“System of Record”，为企业提供可见性、协调能力与审计支持。这一设计本质上是为数字劳动力建立一套结构化的管理框架。
行业痛点：AI 代理缺乏长期系统记忆
当前企业在使用 AI coding agents 时普遍面临一个问题：代理通常仅围绕当前提示进行执行，缺乏对产品整体背景与历史决策的长期理解。随着项目演进或代理切换，系统容易失去上下文，甚至偏离原始设计目标。
在多名工程师使用不同AI工具协作的情况下，项目层面的架构一致性与知识连续性往往难以维持。这种“短期记忆模式”成为AI规模化应用中的核心瓶颈。
Epic：共享架构记忆层的技术设计
为解决上述问题，Reload 推出了 Epic。该产品建立在 Reload 平台之上，被定位为“架构级共享记忆层”。Epic 不替代现有 coding agents，而是为其提供统一的结构与长期上下文支持。
在项目启动阶段，Epic 可自动生成并维护关键系统资产，包括产品需求文档、数据模型、API规范、技术栈决策、架构图与结构化任务拆解。这些基础资产成为后续所有AI代理执行工作的统一参照。
在开发推进过程中，Epic 持续记录架构决策、代码变更路径与设计模式演进，形成结构化的长期记忆体系。当团队更换 coding agent，或多名工程师同时使用不同代理时，所有参与者仍基于同一共享知识源进行构建，避免信息碎片化。
在技术实现层面，Epic 可作为扩展插件嵌入 AI 辅助代码编辑器，如 Cursor 与 Windsurf，直接运行于开发环境之中。这种嵌入式部署方式使其成为开发流程的一部分，而非独立的外部管理系统。
竞争格局与差异化定位
在AI基础设施领域，Reload 面临 LongChain 与 CrewAI 等竞争者。LongChain 侧重于AI代理部署与记忆管理，CrewAI 聚焦企业级代理编排。相比之下，Reload 更强调项目级架构定义与长期共享系统理解，其核心目标是为AI员工建立治理与管理层级，而非单纯提升单个代理的执行效率。
公司认为，传统企业管理系统并未为“作为团队成员运行的AI代理”设计，而Reload 正在构建这一缺失的基础设施层。
融资用途与未来发展
本轮 227.5 万美元融资将主要用于团队扩张与产品能力提升，尤其是强化底层基础设施，以支持日益增长的AI代理数量与复杂度。随着企业内部AI代理规模不断扩大，如何实现结构化管理、权限控制与长期知识保持，将成为新的企业软件核心问题。
Reload 所构建的，并非单一功能产品，而是一套面向数字劳动力时代的管理操作系统。随着AI从辅助工具向协作主体演进，围绕“AI员工”的治理、协调与共享记忆体系，或将成为下一代企业软件的重要基础层。
-
Cursor
【美国】精英招聘平台Paraform宣布完成2000万美元A轮融资
总部位于美国加利福尼亚州旧金山的精英招聘平台Paraform宣布完成2000万美元A轮融资。
本轮融资由Felicis领投，A*、BOND、DST Global、Liquid 2等机构跟投，天使投资人包括Canva、Instacart、YouTube和xAI的联合创始人，以及Shyam Sankar、Harley Finklestein、Mark Pincus等。
该公司计划利用这笔资金扩大其平台规模，以满足初创企业和大型企业日益增长的需求，深化产品开发，并全球范围内扩大其招聘人员社区。
Paraform 是专为精英招聘人员打造的招聘市场，帮助企业更快地填补最关键的职位。借助该平台，招聘人员可以专注于他们最擅长的事情：建立关系、为人才发声以及完成招聘。该公司还为招聘人员提供提升效率的工具，包括人工智能驱动的候选人关系管理、通话转录、人才搜寻工具以及工作流程自动化，这些工具在节省时间的同时不牺牲质量。
大型企业如Palantir，以及快速发展的公司包括Cursor、Windsurf、Decagon和Hightouch，都使用该平台与专业招聘人员匹配，以填补最难找到的职位。
关于Paraform
Paraform 是一个招聘市场平台，将企业与空缺职位连接到能够填补这些职位的招聘人员。
Paraform 借助被裁员招聘人员的专长，推动初创企业的扩张。通过认可被忽视的被裁员招聘专业人士社区中的潜力，Paraform 通过一个专门针对初创企业的招聘平台引领潮流，缩小了寻求人才与经验丰富的招聘人员之间的距离。
因此，最令人兴奋的初创企业和企业中正在组建令人惊叹的团队。
-
Cursor
打造内部信息搜索工具缓解员工交流障碍，Cursor获200万美元种子轮融资
来源| 猎云网
随着企业变得越来越大，它的信息也开始变得越来越零散。这个问题的解决方法之一就是，确保人们之间彼此的交流。但如果一家公司有数千名员工，那么这个方法就不太现实。
Adam Weinstein和另两位联合创始人Patrick Farrell、Jason McGhee创立了一家名为Cursor的公司，这家公司就是为了缓解这个问题。
Cursor提供了一种内部信息搜索工具，其目的就是为了尽量降低员工之间的交流不足，确保某些经常被询问的问题，不会只有一个人知道解决方案。
Weinstein表示：“硅谷总是用更加积极的方式去看待问题。但我发现的是，哪怕是在数据分析的领导部门，每个人都存在这种问题。太多的普通软件背后隐藏着数据和信息（而且十分零散）。
如果你使用了Mixpanel和Google Analytics，这两个软件都有一定程度的数据保护，而这种能力更加剧了问题。企业想要主动地获取有价值的信息，反而越来越困难。
问题就是，我们没有一个人可以一直留意这些数据。哪怕每个部门有这么一个人，但如果他一旦休假了，那么风险就来了。”
今日这家创企表示获200万美元种子轮融资，投资方包括Toba Capital、Ride Ventures以及其他天使投资人。它还会推出Cursor数据搜索和分析中心。
Weinstein通过2014年领英对Bright的收购而加入领英，他在数据分析团队工作，和大多数优秀工程师一样，他也想要让流程变得更高效，从而让自己“失业”。他的理念大多数诞生于这个时期。
Cursor的表现或多或少和一款内部的搜索引擎类似。用户可以从Tableau工作电子表格、结构化查询语言的某个部分中搜索信息。
用户可以对搜索得到的信息进行评价，这些信息还会被贴上元数据标签帮助员工更好地搜索信息。
其理念就是，如果产品团队的某个员工需要一些东西（如代码片段等），那么他们就会以一种直觉般的方法找到它，而不是发一封邮件给数十个人慢慢找。
扫一扫 加微信
hrtechchina
