一句话看懂：以色列初创公司 Encore AI 完成 3000 万美元 A 轮融资，其核心产品是分析企业历史客户通话与邮件，提炼出成功销售或客服的话术“剧本”，并基于此训练出能自主执行任务的 AI agents。这一技术路线让 AI agent 不再是通用模型，而是精准复刻了公司内部最优秀员工的工作方法。
事件核心：发生了什么
Encore AI（前身为 Insait IO）宣布获得由 Team8 领投的 3000 万美元 A 轮融资。这家公司最初为金融顾问开发推荐软件，后转型为专注于客户交互分析的 AI agent 平台。其核心能力是“交互挖掘”——系统接入企业的通话录音、电子邮件、短信及 CRM 数据，自动将客户交互流程拆解为不同阶段，并分析哪些话术、发言或行为推动了销售或解决问题的进程。
根据 CEO Dvir Ginzburg 的介绍，Encore 的 AI agent 会学习这些被验证有效的“剧本”，甚至直接使用最佳员工使用的笑话、案例和推销话术。当前，Encore 拥有超过 40 家企业客户，以金融机构为主。自 18 个月前完成种子轮以来，其年经常性收入（ARR）已增长超过 5 倍。
为什么重要
Encore AI 提供了一种与 Salesforce、HubSpot 等 CRM 巨头截然不同的 AI agent 构建思路。后者通常依赖企业内部已结构化的流程数据，而 Encore 将历史对话数据本身作为训练 AI 的基础材料。这意味着，它不需要企业先定义好完整的标准作业程序（SOP），而是直接从一线员工的真实对话中提取最优实践。
这种“数据驱动”的 agent 训练方式，降低了企业部署 AI 助手的门槛。如果企业有大量可用的客服或销售录音，就能训练出符合自身风格的高效 agent。同时，它也暴露出大型 CRM 厂商的一个潜在盲区：要复制 Encore 的模式，它们需要对现有的技术栈和数据处理流程进行大幅改造，而不仅仅是开放 API。
目前公开信息显示，Encore 的收入增长数据证明了市场对这类“以历史对话为燃料”的 AI agent 有真实需求，尤其是在对合规和话术要求极高的金融行业。
对用户/开发者/创作者的影响
对企业采购者（尤其是客服与销售负责人）：这意味着在选择 AI agent 时，除了关注模型本身的推理能力，更要评估其“学习能力”和“数据兼容性”。Encore 证明了，一个能直接消化你公司数千小时通话录音的 AI agent，可能比一个通用的、需要大量人工微调的大模型更具成本效益。这将促使企业在选型时，优先考虑是否能将自有对话数据作为训练基础。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对 CRM 领域的开发者与产品经理：这是一个明确的竞争信号。如果你开发的是客服或销售辅助工具，单纯依靠规则引擎或通用 AI 模型已经不够。必须考虑如何让 agent 从企业的历史对话中自主学习，并快速复制优秀员工的“做法”。同时，这也意味着开发者需要构建更强大的数据清洗、分析及隐私保护模块。
值得关注的后续
- 金融行业的应用深度：Encore 当前客户以金融机构为主，但金融行业对数据合规和隐私极其敏感。其后续是否能将交互挖掘技术扩展到医疗、法律等其他高度监管的行业，将验证其技术的泛化能力。
- 巨头是否跟进及如何跟进：Salesforce、Zoho 等拥有海量结构化客户数据的厂商，是否会通过收购类似技术或内部大改产品来补足这一短板？这将直接改变企业级 AI agent 市场的竞争格局。
- 落地成本与效果验证：对于普通企业而言，需要多少历史数据才能训练出一个有效的 agent？训练和推理的算力成本是否比直接调用成熟大模型更划算？这需要 Encore 在未来提供更多可量化的 ROI 案例。
