AI 客服是目前企业对 LLM adoption 最快的几个场景之一。目前高达 50 % 的客服互动都属于简单直接的类型（例如密码重置、包裹查询、退货），这些互动未来可能不需要人工客服的参与。根据 Morgan Stanley 的报告，目前全球大约有 1700 万名客服人员，所代表的劳动力市场约 2000 亿美元。
LLM 出现后，我们判断现在是关注 AI 客服市场的好时机。从 Timing 上看，过去 3-4年，疫情使大量客服业务被搬到线上，且无后撤迹象。疫情教育了市场，让客户感知到 AI 客服投资回报率很高，价值显著。从技术拐点上看，此前 AI 客服的技术依赖于 NLP 和机器学习，通用性较差，LLM 的通用性有可能让分散的市场格局变为更加集中。
Kore.ai 于 2014 年成立，是第一批以 AI 为核心的客服软件技术公司之一，目前营收千万美金级别。Kore.ai 为企业提供对话式 AI 虚拟助手的低代码开发平台，主要场景为企业对内信息流和对外的客服场景。用户可以在 Kore.ai 的开发平台上自行构建、训练和部署对话式 AI 虚拟助手，也可以直接采用 Kore.ai 预建的助手；今年 Kore.ai 还新推出了 AI Agent 低代码开发平台。
LLM 对 AI 客服行业的改变或颠覆首先出现在 Chatbot 的开发阶段，开发阶段的容错率较高，并且可以显著提高开发速度，因此 Kore.ai 是确定性的受益者。其次，在 Chatbot 的运行阶段，Kore.ai 有自研的企业级 LLM 可以保证数据隐私和模型的稳定性；Kore.ai 在行业多年的积累可以更好地利用 LLM 实现多样化价值、进行 In-Context 的数据发现和利用。
公司创始人兼 CEO Rajkumar Koneru 是一位成功的连续创业者，曾创立两家纳斯达克上市公司，并且成功出售两家创业公司。Rajkumar Koneru 在 2B 领域有超过 25 年的经验，此前创立的公司也主要围绕企业内部信息流、客服领域展开。另外，公司 CTO 和其他核心高管与 CEO 有多年共同创业经历。
2023 年 12 月，Kore.ai 完成 1.5 亿美元 D 轮融资，投后估值 8 亿美元。由 FTV Capital 领投，老股东 Nvidia、Sweetwater Private Equity 等机构跟投。
以下为本文目录，建议结合要点进行针对性阅读。
?
01 Thesis
02 LLM 对 Chatbot 和 AI 客服的影响
03 产品与商业模式
04 Kore.ai 发展历程
05 团队
06 市场与竞争
07 融资情况
08 优势与风险
01.
Thesis
• 原有客服市场格局分散，AI 客服市场快速增长，LLM 有可能提高市场集中度
客服市场从上世纪 50 年代发展到今天，主要经历了四个阶段：传统电话客服（2000 年以前）—多渠道客服（2000 年-2010 年）—云客服（2010 年-2015 年）—AI 客服（2015年至今）。但是即使发展到今天，客服市场竞争格局仍然十分分散。在 LLM 之前，AI 客服依赖于自然语言理解（NLU） 和机器学习，不同的行业需要不同的语料库，客服公司通常仅能在一至两个垂直行业做深，难 scale。
第四阶段的 AI 客服也叫 “对话式 AI（Conversational AI）”，主要玩家包括 Kore.ai、Amelia 等。市场主要玩家市占率均不高，市场分散：Kore.ai 和 Amelia 市占率在 5-10%， Cognigy 和 Yellow.ai 市占率不超过 5%。除此之外，还有成千上万的小玩家。同时，区域化特征也很明显：Kore.ai 和 Amelia 主要在北美市场， Cognigy 是欧洲最大的对话式 AI 公司，Yellow.ai 主要活跃在亚洲市场。另外，对话式 AI 产品壁垒较低，技术上的壁垒无法构成真正的护城河，市场玩家在产品和技术方面几乎没有独特的卖点和差异化优势。
LLM 出现后，我们认为现在是关注 AI 客服市场的好时机。主要原因如下：第一，过去 3-4年，疫情使大量客服业务被搬到线上，迫使市场快速增长，且无后撤迹象。第二，语音识别技术的进步和 LLM 的出现进一步提升了用户体验，从而使 AI 客服在企业最关心的投资回报率和客户留存率上有更好的表现。第三，此前市场格局分散的原因是传统机器学习和 NLP 通用性较差，因此客户在选择供应商时更看重供应商在垂直行业的经验，以及要求提供定制化的解决方案。假设 LLM 在客服场景落地成熟，考虑到 LLM 的通用性，市场格局有可能由分散变为更加集中，第一波受益的可能还是在上一波对话式 AI 中相对跑出来、已经建立起深厚的渠道和客户资源、同时有一定 AI 使用能力的团队。
• 成功连续创业者，经验丰富且稳定的团队；金融行业垂直经验强，切入点好，downside 高
Kore.ai 最大的亮点是 CEO 和核心团队，与其他竞争对手相比，Kore.ai 团队在客户资源、客户需求理解、技术上都有深厚的积累和优势。
CEO Rajkumar Koneru 在 2B 领域有 25 年经验，主要围绕客服领域。创办过 4 家公司，其中两家被收购，两家成功上市，track record 优异。公司的核心高管与 CEO 有多年共同创业经历。CEO 从 1993 年开始在 2B 领域创业，2003 年进入 Contact Center 领域，2003 年创立的 iTouchPoint 是一家 BPO 公司（企业将客服流程外包给这类公司），2007 年创立的 Kony 是一家针对客服场景的 APP 开发公司。因此，从行业维度看，CEO 在 Kore.ai 所做的事情其实与 iTouchPoint、Kony 所做的事情一致，只不过技术的发展让这个 business 从 BPO 迁移到 APP，再从 APP 迁移到 AI 客服平台。Kore.ai 某种意义上并不是一个 startup，而是 CEO 与核心团队在企业会话、客服领域深耕到第三个阶段的产物。所以与其他竞争对手相比，Kore.ai 在客户资源、客户需求理解、技术上都有深厚的优势。
我们已经看到客服是目前企业在 LLM adoption 最快的几个场景之一。其中金融行业智能化转型的动力强，是率先采用 AI 客服的行业之一，服务价值较高，公司 CEO 和团队成员在金融领域积累极深，能够保证收入的下限。CEO 的前创业公司 Kony 在 2019 年被 Temenos 收购时被评为是数字银行 SaaS 领域内最好的公司；COO 在花旗银行担任了 8 年 的 CIO，人脉、行业经验丰富。截至 2023 年 3 月，Kore.ai 前 25 名客户中有 7 家是大型金融企业，营收占比 26 %。因此，尽管对话式 AI 目前的竞争格局分散，但 Kore.ai 至少在金融这一个最大的市场的积累非常深厚，收入下限和行业地位应该较为可观。
02.
LLM 对 Chatbot 和 AI 客服的影响
早期基于 rule-base 的 Chatbot 对答是可控、可预测、可重复的，但对话缺乏“人情味”，并且通常不保留已发生的响应，存在重复和循环对话的风险。传统 Chatbot 架构和工具非常成熟，主要包括四个部分：NLU 自然语言理解，对话流程管理（对话流和响应消息，基于固定和硬编码逻辑）、信息抽象（预定每个对话的机器人响应）、知识库检索（知识库和语义相似性搜索）。传统 Chatbot 唯一基于机器学习和 AI 模型的组件是 NLU 组件，负责根据模型预测意图和实体。这种 NLU 引擎的优点是：有众多开源模型、占用空间小/无需过多资源、存在大量的命名实体语料库、有大量垂直行业的数据。后来的 Chatbot 采用更复杂的算法，包括自然语言处理（NLP）和机器学习，来提供动态和上下文相关的交互，从而解决早期基于模板的方法的缺点。
Chatbot 发展到后期出现了 Voicebot。Voicebot 的基本方程式是：Voicebot = ASR（Automatic Speech Recognition） + Chatbot + TTS（Text To Speech）。这些变化增加了复杂性，提供更好的对话效果、更长的对话时间和更多的对话轮次，以及更复杂的对话元素（如自我纠正、背景噪音等）。然而，Voicebot 出现的同时也带来了一系列挑战：有延迟问题、需要更复杂的流程、需要加翻译层、容易出现对话离题、用户打断对话难以解决等。
因此，开发者依然在渴望一个灵活且真正智能的对话管理系统。LLM 的出现从开发到运行都颠覆了 Chatbot IDE 生态系统：不仅加速了 Chatbot 的开发设计，大大提高了 scalability；而且在对话运行中可以实现上下文交互、灵活且智能的回复。但缺点是稳定性、可预测性较差，以及在某种程度上的可重复性弱。
从目前 AI 客服行业发展来看，LLM 对 AI 客服行业的改变或颠覆可以分为四个阶段：第一，开发阶段的加速。在 Chatbot/Voicebot 开发过程中可以利用 LLM 加速 NLU 的开发，此阶段使用 LLM 的好处是容错率较高，并且可以显著降低研发/人力成本。例如，LLM可以在生成意图训练数据、检测命名实体等方面提升数据的准确性和开发效率，还可以通过描述流程生成流程框架，简化开发过程。第二，在 Chatbot 运行阶段将 LLM 用于增强搜索、问答、文本编辑、对话管理等功能。第三，多样化价值实现与责任承担。鉴于 AI 客服直接面对客户的特性，错误的输出可能导致重大损失和客户投诉。因此，企业需要一个既稳定、可审计的 LLM 来实现多样化的价值。另外，在一项企业对 LLM 态度的调查中，很多企业表示对 LLM 提供商托管和 API 访问的依赖带来了运营挑战。理想情况下，企业更希望在本地安装 LLM，以遵守个人身份信息和其他隐私保护法律。这将确保模型中传输和使用的数据路径能够接受全面审计。因此，第三阶段的 LLM 机会在于在数据隐私和审计安全的基础上，提供模型部署、定制化的 LLM Playground、无代码微调、托管、Agent、Orchestration 等多种价值机会。第四阶段是 In-Context 的数据利用。LLM 微调最好的起点就是企业内部的信息流（例如现有的客户对话），因此数据发现、数据设计、数据开发、数据传输也是 LLM 的机会。
03.
产品与商业模式
产品概览
Kore.ai 是一个针对企业的对话式 AI 虚拟助手低代码开发平台，主要场景为企业内部的信息流和对外的客服场景。2021 年公司开始针对 EX（Enterprise Experience）和 CX（Customer Experience） 提供多款预建对话式 AI 助手，为客户节约设计和部署时间。2024 年，公司推出了构建 AI Agent 的低代码平台 GALE。
XO Platform
Kore.ai 的核心产品 XO（Experience Optimization）Platform 是一个低代码平台，主要用途是设计、构建、测试和部署基于 AI 的虚拟助手（Virtual Assistants）和流程助手（ Process Assistants）。
部署虚拟助手和流程助手的业务流程
部署虚拟助手和流程助手的直观展示
该平台是公司的核心产品，公司成立 10 年以来至今已迭代至 11.0 版本。相比于此前的版本，11.0 版更加强调了智能化、自动化、数据隐私，是同类中产品力和技术实力的最前沿的。具体而言，第一，在模型方面，平台新推出了自研的 XO GPT 为客服对话提供定制的微调模型，着重强调了客户隐私和模型稳定性。第二，在渠道方面，公司注重语言渠道和数字渠道的并行发展，从 Day One 开始就针对语言渠道打造独特的 NLP 系统。通过 10 年的积累，目前平台已成为成熟的全渠道对话平台，支持 40 多种语音和数字渠道以及 130 多种语言。两种渠道的能力能够很好的满足偏好使用语言客服的传统行业和偏好使用语音渠道的新兴行业。第三，平台集成了 AI 驱动的自研搜索引擎 Search AI，可以快速准确地从海量数据集中检索信息，向用户提供最相关的信息，并提供数据源索引。第四，平台还集成了 AI Agent 为人工客服提供实时建议和指引，并自动化重复性任务。
XO Platform 的功能特色、
以及所提供的平台服务和企业服务
GALE
GALE 是 Kore.ai 最新推出的通用 AI Agent 低代码开发平台，企业可以用无代码/低代码的方式快速构建和部署 AI Agent，这些 AI Agent 可以与企业现有的系统集成。在 LLM 方面，GALE 提供了一套可扩展的 AI 模型：包括 Kore.ai 自研的 XO GPT、商业模型、开源模型和定制模型，用户可根据需求选择合适的模型，选择性进行微调，并且一键部署模型。当用户不知道选择哪一种模型时，GALE 提供了一个 Playground 让用户使用多个模型和多个提示进行实验，并提供模型性能指标分析。
GALE demo
使用 GALE 可以以无代码/低代码的方式
创建 AI Agent 的工作流
产品矩阵
除了两个低代码平台之外，公司根据多年的客户经验在 2021 年推出了针对 Customer Experience和Enterprise Experience 的多款预建对话式 AI 虚拟助手。对于 Enterprise Experience，公司推出了可以将所有工作流集中在一个平台的 WorkAssist Platform，以及企业级 AI 驱动的搜索引擎 SearchAssist。
商业模式与客户情况
Kore.ai 的部署时间在几十分钟至几天的范围，采用基于使用量的定价模式，费用根据对话次数和语音自动化持续时间计算。定价方面公司提供标准计划定价和企业级计划定价：
1. 标准计划定价为每次通话 20 美分，预建虚拟助手每次通话额外收费 10 美分，语音自动化每分钟额外收费 4 美分。此外，还有包括对话、主动通知、常见问题、培训语句、自定义 KPI 和分析以及分析历史的数量等方面的数量限制。
2. 企业级定价则针对具体客户需求和具体项目进行个性化定价。
公司在创立之初便以大型企业为目标客户，截至目前，公司大客户占比居多，产品以直接销售为主、渠道销售为辅。Kore.ai 累计客户数量已有 400+，在金融、数字行业积累较深，客户中的金融公司无论从数量和营收上看占比都很大。知名客户包括 Citi、PNC Bank、Morgan Stanley、Deutsche Bank、ebay 等。
近两年，公司开始扩展在 SMB 的业务， 2022 年 5 月在核心产品 XO Platform 上发布了自助模型，为 SMB 提供自助建立虚拟助手渠道，提高 SMB 触达率。
由于公司是个开发平台，因此除了产品的销售外，公司还会在产品的开发和落地阶段提供相关服务，而服务性的收入毛利相对较低、周期较长。预计从 2025 年开始，Kore.ai 将其所有的专业服务外包给 Mphasis（BSE：526299；NSE：MPHASIS），Mphasis 是一家来自印度的帮助企业信息化转型的公司。此举对于 Kore.ai 来说相当于转移较低毛利率的专业服务业务。另外，还帮助公司获得 Mphasis 的强大客户资源，以及与 Mphasis 的控股股东 Blackstone 旗下的 portfolio 建立更多的业务联系。
04.
Kore.ai 发展历程
公司早期的业务形态是为企业客户提供一个低代码平台，让企业可以自助式设计虚拟助手，虚拟助手可以与后台系统集成、并部署到任意对话渠道，为企业内部员工、企业外部客户提供无缝的交互体验。公司认为下一代的 UI 就是对话式的用户界面，而不是传统的基于屏幕或导航的用户界面。因此，为了实现更好的自然语言交流体验，公司最开始在 NLP 投入了大量精力。
2014 - 2016 年，Kore.ai 推出了 1.0 和 2.0 平台，在其平台上设计的虚拟助手可以理解用户输入，从后端系统获取数据并构建信息，基本上可以轻松地训练机器理解用户的自然语言命令。2016 年公司获得 10+ 来自银行、通信、健康领域的早期企业客户。回看同时期的产业链，Kore.ai 的起点很早，Amazon 是在 2014 年 11 月首次推虚拟助手 Alexa，Google 在 2016 年紧随其后推出了其语音助手 Google Assistant，而 Apple 是在 2016 年向第三方应用软件开放了 Siri 接口。
Chatbot 在 2016 年前后出现高增长拐点
2016 - 2018 年随着移动设备的成熟度和渗透率增加，对话式 AI 迎来了增长拐点。这个时期因为人与人沟通的范式已经从电子邮件、电话和视频会议转移到了通过 message 传递，从消费者端看有 WhatsApp、iMessage 和各种安卓系统 message 软件的发展，从企业端看有 Slack 的兴起和 Teams 的推出。因此，人们对于用 message 与沟通的需求提高，这也推高了企业对于对话式 AI 的需求。但总体看来对话式 AI 仍处于早期阶段，主要的用途是基本的对话请求，例如重置密码、解锁被锁定的账号，或者向知识库提问。这一年，Kore.ai 实现了 35+ CX（Customer Experience） 和 EX（Enterprise Experience）的用例，被 Frost & Sulivan 评为 “Best Conversational AI Platform”。
2020 年疫情爆发，人们对远程交互的需求激增，虚拟助手在桌面端和移动端与用户互动的重要性愈发显得重要，对话式 AI 市场激增。2020 年公司企业客户达到 75 家。2021 年公司着力构建行业解决方案，例如针对 HR 的 HR Assist，银行方面 Bank Assist，医疗保健方面的 Health Assist，这类解决方案预先构建在 Platform 之上，客户可以非常快速地部署、配置、甚至定制方案，节约从头开始部署的时间。2022 年公司服务客户超过 300+，2022 年收入 YoY 超过 100%。2023 年，公司上一年发布的 PLG program 聚集了超过 5 万开发者，为 SMB 企业提供了更多 DIY 能力，加速了对话式 AI 技术的民主化。
2023 年下半年至今，公司进行了密集的技术更新，推出了多样化的 LLM 选项、多种部署选项，还在今年二季度推出了 AI Agent 的低代码开发平台。
05.
团队
CEO
Rajkumar Koneru 是一位成功连续创业者，有超过 25 年全球 2B 业务经验，Kore.ai 是他创办的第五家公司。在此之前，他还创立了 ITouchPoint、Seranova、Intelligroup 和 Kony，其中 ITouchPoint、Seranova 分别在 1996 年、2000 年在 Nasdaq 上市，后被收购退市；另外两家也均被收购。
Rajkumar Koneru 对人们信息交互方式需求的变化有领先的理解。2007 年，全球有近 34 亿移动设备用户，Rajkumar Koneru 敏锐地捕捉到人们在移动设备、移动应用上与数据交互并完成工作的需求，在 2007 年创立了 Kony。具体来说，Kony 是一家使用可视化低代码构建 Web、移动应用的 SaaS 公司（后来成为一家数字银行领域的 SaaS 公司）。随着 2007 年初代 iPhone 推出、2008 年第一部安卓手机推出，移动应用程序成为大势，后来智能移动终端的浪潮也印证了 Rajkumar Koneru 的设想，Kony 成为美国企业平台领域构建移动应用的领导者。2019 年 Kony 被 Temenos 收购，在被收购时 Kony 被认为是数字银行 SaaS 领域最好的公司。
Kore.ai 的创立的理念延续了创始人在 Kony 7 年的工作中对互联网信息交互的理解。2014 年，Rajkumar Koneru 认为 message 成为了一种新的 UI，他相信人们最终还是希望通过 message 来与系统和数据进行交流。因此，Kore.ai 作为一个用自然语言与系统交流的 Platform 推出了市场。
核心团队成员
Prasanna Arikala - CTO
Prasanna Arikala 在咨询公司有超过 3 年的软件工程师经历，在 Virtusa 有 10 年的首席架构师经历，并在 CEO 创办的 Kony 担任了接近 2 年的首席架构师
Ravi Singh - CFO
Ravi Singh 在 Kore.ai 负责财务、运营以及人力。曾是 Kony 公司的董事会成员，也曾是 SeraNova 的执行副总裁兼首席财务官，因此与 CEO 有多年合作经历。
在 25 年的职业生涯中，Ravi Singh 曾策划和领导了众多的一二级融资、并购和全球投资。此外，他曾在创业公司和上市公司担任高级运营职务。
他曾是 Sycamore Ventures 的合伙人，专注于与印度相关的投资；他曾在纽约的 Coopers & Lybrand（现PwC）担任经理；在 Cowen & Company（现SG Cowen）担任常务合伙人和董事总经理；在纽约的商业银行 Forbes & Walker 担任董事总经理；在 Punk, Ziegel & Company 担任合伙人、董事总经理和技术投资银行业务负责人；有多样化的投融资工作经历。
Praneet Gill - Chief Strategy Officer
Praneet Gill 拥有超过 15 年的经验，曾担任 Outcome Capital 的分析师。她在金融、战略和企业发展方面拥有丰富的经验，曾在 Sycamore Ventures、Genpact 和 Raymond James 等公司工作过。
George Murphy - Chief Customer Officer
George Murphy 是 Kore.ai 公司的首席客户官，负责 Kore.ai 公司的合作伙伴关系、专业服务、客户成功、重要客户和续约工作。他拥有超过 25 年的客户成功交付经验，Morgan Stanley（8年）、Hines、Salesforce（10年）、GE 以及最近的 Yext 等公司工作过。他曾在全球范围内建立和领导客户交付、客户成功、战略联盟和渠道销售团队。
Peter Wulfraat - Chief Revenue Officer
Peter Wulfraat 作为 Kore.ai 公司的首席营收官，负责全球直销，并负责产品和地区的营收表现。他拥有超过 20 年工作经验，为世界上最知名的品牌提供智能客服体验。
06.
市场与竞争
1. 市场
市场规模
根据 Morgan Stanley 的报告，目前全球大约有 1700 万名客服代理人员，代表着大约 2000 亿美元的全球劳动力市场。随着多渠道协调响应的需求增加（例如电子邮件、社交媒体、聊天），这个市场从传统的客服中心向云服务转型。根据 Morgan Stanley 估计，目前高达 50 % 的客服互动都属于简单直接的类型（例如密码重置、包裹查询、需要退货），随着 AI 解决方案的改进，这些互动未来可能不需要人工客服的参与。但是考虑到客户强烈希望与真人客服交谈的偏好，在保守情况下，未来 5 年内，可由 AI 处理的客服业务将占 10-20 %，并且这一比例预期将增长。因此，Morgan Stanley 认为在未来 5 年内，Contact Center 市场（包括 CCaaS 和 对话式 AI ）2027 年市场规模可达约 260 亿美元。
市场格局
垂直行业的语料库和客户资源在客服 NLU 时代是玩家的竞争壁垒，所以客户在选择供应商时更看重供应商在垂直行业的经验，因此截至目前 AI 客服市场格局仍然较分散。根据专家访谈，AI 客服市场未来很可能有 20-30 位玩家同时留在场上，重要玩家的收入体量大约可达到 10-30 亿美元。
LLM 对 AI 客服市场的影响
目前看 LLM 对客服行业的影响主要为拉动需求，疫情教育了市场，让客户感知到 AI 客服投资回报率很高，价值显著。而 LLM 又一次触发客户对 AI 客服的兴趣，大家都在纷纷尝试。但从客户访谈看，真正到了落地阶段客户仍更多采用传统机器学习/NLP 的解决方案（客户有定制化和垂直行业解决方案的需求，LLM 对垂直行业的理解和准确性反而不如传统方案），因此目前主要是成立年限较长、有一定行业经验和客户积累的传统公司受益。但传统方案基于关键词进行回答，灵活度较差，用户体验也不够真实，因此该情况有可能仅是过渡阶段。假设 LLM 落地成熟，考虑到 LLM 的通用性，市场格局有可能由分散变为更加集中，更利好头部公司。
2. 竞争与行业 Mapping
企业端客服市场的参与者有以下几类公司：
1. 为对话式 AI 提供开发框架的公司
2. 提供端到端技术服务的公司
3. CCaaS 企业
4. 对话式 AI 软件公司
5. Big Tech 同类型产品
6. BPO （业务流程外包）公司。
·Kore.ai 提供的核心产品是一个设计 AI 客服的低代码平台，所以最直接的竞争对手是为对话式 AI 提供开发框架的公司。这类公司在众类参与者中的优势是企业可以根据自己的需求自己定制设计虚拟助 手，一般来说有这类需求的客户是中大型企业；而小型企业由于体量的原因会更倾向使用标准化方案。为了竞争中小企业客户，开发框架公司也会推出预建虚拟助手。为对话式 AI 提供开发框架的公司代表企业包括 Amelia、Cognigy、Yellow.ai 等公司：
Amelia
Amelia 1998 年成立于美国，Amelia 的产品是虚拟助理开发平台，2022 年营收 $1.4 B。Amelia 的市场份额占比最高，客户评价在可用性、设计对话流方面优于 Kore.ai。Amelia 总融资 $189 M，主要投资者有 Monroe Capital、BuildGroup、Monroe Capital Income Plus Corp BDC 等。
Cognigy
Cognigy 2016 年成立于德国，Cognigy 提供 Chatbot 的低代码开发平台，Cognigy 总融资 $69 M，主要投资者包括 Insight Partners、Digital Incubation and Growth、Possible Ventures、Plug and Play Tech Center 等
Yellow.ai
Yellow.ai 2016 年成立于美国，Yellow.ai 提供 AI 驱动的无代码动态自动化平台（DAP），用于创建动态 AI Agent 提供会话体验。Yellow.ai 总融资 $103 M，估值超过 $428 M，主要投资者有 Salesforce Venturee、Sapphire Ventures、Lightspeed、Westbridge Capital 等
· 提供端到端技术服务的公司的特点是提供全链路服务，而不是仅提供某个环节或部分功能。总的来说，这类公司可提供更定制化的方案，但技术能力较弱。以这个赛道的重要玩家有 Aisera ，Aisera 为企业提供端到端部署，和 Kore.ai 相比，Aisera 最大的优势在于更高的定制化和灵活性，但在规模化、集成、易用性、多渠道、自然语言理解等方面均弱于 Kore.ai。Aisera 介绍如下：
Aisera
Aisera 2017 年成立于美国，Aisera 是一家 AI 驱动的服务体验解决方案提供商，能够自动执行 IT、客户服务、销售和运营方面的任务、行动和工作流程，为用户提供端到端体验。2022 年营收 $50 M。Aisera 总融资 $175 M，估值超过 $640 M，主要投资者 Thoma Bravo、The Goldman Sachs Group、Icon Ventures、Zoom Video Communications、Cisco Systems、RingCentral、Norwest Venture Partners 等
·CCaaS 企业和对话式 AI 智能软件也是 Kore.ai 的核心产品 XO Platform 的竞争对手，因为 Kore.ai 指向的市场相当于 Contact Center as a Service + 对话式 AI + Platform Services。CCaaS 的解决方案与对话式 AI 软件既可以被 B 端企业一起使用，也可以分别独立使用。而且 CCaaS 玩家也正在将对话式 AI 集成到 CCaaS 平台中，因此对话式 AI 软件公司也正在面临 CCaaS 的激烈竞争。
二者相比之下 ，CCaaS 发展时间更久，可以提供更广泛的技术产品和解决方案，技术综合程度更强，目前 CCaaS 已有的市场规模更大，有几家百亿美金大公司，NICE 市值超 100 亿美金；Genesys 2023 财年营收超 20 亿美金，2022 年曾计划以超过 $30 B 的估值上市。对话式 AI 软件技术壁垒较小，技术综合程度较低，其最大优势在于即插即用，企业上手简单，目前几个热门玩家的市值在 10~20亿美金。LLM 催生了一大波参与者，同时也推动了很多中小企业采用对话式 AI 软件。
CCaaS 代表企业包括 NICE、Genesys、Five9 等公司：
NICE
NICE（TASE:NICE）成立于 1986 年，市值 $10 B。NICE 为提供云平台支持的 AI 驱动数字业务解决方案，主要服务于两个市场：客户参与（Customer Engagement ）和金融犯罪与合规。根据 IDC 报告，2022 年 NICE 的的 CCaaS 产品（CXone）和传统的工作力管理（WEM）产品约占 CCaaS 市场份额的 14%。2016年，NICE收购了inContact（一家领先的基于云的 CCaaS ），成为首家拥有完全集成和完整的云联系中心解决方案的平台。
Genesys
Genesys 成立于 1990 年，有支持数字化的全渠道和人工智能联络中心。2015年推出 Genesys Cloud CX 支持客户服务所需的所有功能，都集中在一个平台中。在 AI 方面，Genesys 设计了一个完整的 AI 解决方案，可以实现自动化工作流程和对话，实现智能个性化。公司成立以来总融资超过 $10.5 B，2022 年计划以超过 $30 B 的估值上市，但 IPO 暂缓，2023 财年营收 20 亿美金。
Five9
Five9（NasdaqGM:FIVN）成立于 2001 年，市值 $5.25 B。Five9 是一个CCaaS平台，提供虚拟联系中心云平台，支持联系中心相关的广泛客户服务、销售和市场营销功能。在 AI 方面，Five9 利用智能虚拟代理（Intelligent Virtual Agents）开启客户自助服务选项，并通过代理辅助（Agent Assist）提供实时辅导。在对话式 AI 领域，Five9 于 2020 年收购了Inference Solutions，推出了 对话式 AI 解决方案，客户非常喜欢该产品，因为它可以独立销售，这意味着在使用虚拟解决方案的时候不需要进行完整的 CCaaS 过渡。
对话式 AI 软件公司代表企业包括 Moveworks、Cresta、Observe. ai、Talkdesk 等公司：
Moveworks
Moveworks 2016 年成立于美国，Moveworks 的 Chatbot 可以智能问答与自动化执行企业内员工诉求。Moveworks 总融资 $308 M，估值 $2.1 B，主要投资者包括 Lightspeed Venture Partners、Bain Capital、Tiger Global 、Alkeon Capital 等。
Cresta
Cresta 2017 年成立于美国，Cresta 有 4 款产品：Agent Assist、Insights、Director、Chatbot。其中 Agent Assist 是核心产品。Cresta 总融资 $157 M，估值 $1.6 B，主要投资者包括 Tiger Global、Sequoia Capital、Greylock Partners 等。
Observe. ai
Observe. ai 2017 年成立于美国，是一款对话式 AI 软件，2023 推出了自研300亿参数的 Contact Center LLM，2022 年营收 $24 M。总融资 $214 M，估值 $825 M，主要投资者包括 SoftBank Investment Advisers、Zoom Video Communications、Menlo Ventures、 Scale Venture Partners、Nexus Venture 等，
Talkdesk
Talkdesk 2011 年成立于美国，Talkdesk 为金融、媒体、通讯、政府、零售等行业提供 AI 客服自动化平台。2020 年营收 $150 M。Talkdesk 总融资 $481 M，估值 $10.4 B，主要投资者包括 Salesforce Ventures、Twilio Fund 、Top Tier Capital Partners, Amity Ventures、Transpose Platform Management、Lead Edge Capital...
·由于 Kore.ai 希望解决的是企业客户的 Enterprise Experience 和 Customer Experience 问题，所以难以避免的与 Big Tech 和 CRM 巨头的 SaaS 产品中的 AI 客服处于竞争位置。对于巨头来说，对话式 AI 的功能属于是不可缺少的，但它们的重点不在对话式 AI 上，这只是他们拥有的 100 个或 1000 个功能中的一个，客户常常可以免费使用这些功能。但对于客户来说，免费的代价是在维护、定制、培训方面的服务力度不足。因此，Kore.ai 的优势在于自身以对话式 AI 起家，在功能和体验上要强大得多。再者，Kore.ai 平台可以与现有的所有不同系统集成，在技术上对企业更加可行，而巨头往往只支持自家的产品，因此灵活性和包容性也是 Kore.ai 的优势。举例来说，如果企业已经在使用 Salesforce 的生态，那么使用 Einstein 聊天机器人就很有意义，这是单一生态系统的固有优势。否则，像 Kore.ai 这样的纯玩家对于企业客户来说也许是更明智的选择。因此，Big Tech 和 CRM 巨头的技术综合实力更强，但是在对话式 AI 上可分到的蛋糕更小。
Big Tech 和 CRM 中涉足 AI 客服的有 Google、Amazon、IBM、Microsoft、Salesforce、Zoom 等：
Google Dialogflow
Chatbot 开发框架，可以构建基于 NLP 的 Chatbot，支持多语言多平台。
AWS Lex、AWS Connect
Chatbot 开发框架，为呼叫中心提供全方位、全渠道云联络中心服务。
IBM Watson
Chatbot 开发框架，它建立学习对话线索的神经网络之上。
Microsoft Power Virtual Agent、Microsoft Nuance
低代码对话机器人构建平台，可以通过拖拉拽的方式快速构建对话机器人，可以接入 Teams 和 Power Automate。另外，Microsoft 在 2021 年收购了全球最大语音识别公司 Nuance，Nuance 专注于开发在医疗保健、电信、汽车、金融服务等领域的“对话式 AI”应用。
Salesforce Contact Center
建立在 Salesforce 的 Service Cloud 之上，提供多种数字互动渠道
Zoom Contact Center
Zoom Contact Center 2022 年推出，作为其应用程序的一部分，已经积累了500+名客户（其中最大的客户有2000 个座位以上）。另外，2022 年，Zoom 收购 Solvvy 进一步提高对话 AI 能力。
·LLM 出现之前， BPO 公司处于 Customer Experience （CX）的有利位置，BPO 公司用大量的人工客服承包企业的 CX 业务，并集成 Chatbot 、智能 routing 和分析工具，可以加快互动时间，提高客户满意度。与 Kore.ai 这类开发框架公司相比，BPO 公司的客群是希望将客服外包的企业，而 Kore.ai 这类公司的客群是中大型的、希望自己开发 AI 客服的公司。
LLM 的到来降低了 BPO 公司的在人工客服上花费成本，但同时也削弱了 BPO 公司对 B 端企业的吸引力，所以 BPO 公司也在努力的减少客户流失、加大客户开发力度。Teleperformance 的 BPO 赛道的重要玩家，市值约 60 亿美金，是专业的 BPO 业务提供商以及外包呼叫运营商。值得一提的是，2024 年 5 月，Kore.ai 与 Teleperformance 达成合作，Teleperformance 旗下的 TP Infinity 部门将使用 Kore.ai 的低代码平台更好地为企业开发个性化的解决方案，此举为既为 Teleperformance 扩展客源，也让 Kore.ai 的客户得到更好的服务体验。
07.
融资情况
2023 年 12 月，Kore.ai 完成 1.5 亿美元 D 轮融资，由 FTV Capital 领投，老股东 Nvidia、Sweetwater Private Equity、Vistara Growth、NextEquity Partners、Beedie Capital、Nicola Wealth Private Capital 跟投。投后估值 8 亿美元。
08.
优势与风险
Kore.ai 的差异化优势
· 高度定制化能力
从客户的反馈来看，Kore.ai 最突出的差异化优势是其高度定制化的能力，解决方案可以真正定制到企业客户的环境中，适合定制化程度较高的复杂用例。据客户反馈，如果想拥有一款具有大量定制解决方案或差异化的产品，Kore.ai 是第一选择。从财务数据维度看，高度定制化的服务拉低了销售的毛利，对此 Kore.ai 采取了两个动作：1/ 与 BPO 龙头公司 Teleperformance 合作，嵌入到 Teleperformance 的解决方案中；2/ 将所有的服务外包给 Mphasis，预计 2025 年及以后将会只有产品收入，没有任何服务收入。这两个举动为公司剔除了毛利较低的服务收入，如果两项合作成功，Kore.ai 在保证高度定制化的同时也能保证高毛利、高经营效率。
· 垂直行业的经验
由于 Kore.ai 基本上是第一家以对话式 AI 为核心的公司，从 Day One 就以大客户为主，企业客户在选择供应商时，行业经验是重要的考虑因素。Kore.ai 团队在金融行业积累深厚，CEO 的前创业公司 Kony 也是一家专注于数字银行的 SaaS 公司，因此 Kore.ai 金融、保险等领域有足够领先的经验，也有深厚的客户资源。而金融行业也是客服细分赛道的最大赛道之一。Kore.ai 的客户中的金融公司无论从数量和营收上看占比都很大，知名客户包括 Citi、PNC Bank、Morgan Stanley、Deutsche Bank 等。
·开发平台在 LLM 中有确定性受益
在 thesis 中我们提到，LLM 对 AI 客服行业的颠覆可以分为四个阶段。第一阶段是聊天机器人/语音机器人开发期间利用 LLM 加速 NLU 的开发，在设计开发阶段使用 LLM 的好处是可以有较高的容错率，并且可以显著降低研发成本。由于 Kore.ai 本身的核心产品就是提供开发平台，所以 Kore.ai 在 LLM 这波中首先就能得到确定性的降低成本、加速开发的效果。
LLM 对 AI 客服行业第二至四阶段的颠覆从问答和对话增强开始、到多方位价值机会，再到企业数据利用。因此，我们判断成立年限较长、有一定行业经验和客户积累的公司比新的初创公司受益更大。在过去一年，Kore.ai 以非常密集的频率更新产品，陆续推出了自研模型、多样化的部署选项、AI Agent 低代码开发平台等，较早完成 LLM 的技术采用和布局，相比其他竞对具有一定先发优势。
风险点
·赛道竞争激烈
Kore.ai 目前在对话式 AI 有非常领先的地位，但 Kore.ai 的产品面临多方竞争，除了同样为对话式 AI 提供开发框架的公司、提供端到端部署 AI 客服服务的公司，还有传统的 CCaaS 企业，新兴的且 entry barrier 较低的对话式 AI 智能软件，以及 Big Tech 的同功能产品。Kore.ai 将会面临极大的竞争压力。
· LLM 的发展让行业的技术壁垒降低
NLP 的语言理解能力、准确率曾经是 Kore.ai 的主要技术壁垒之一。但是 LLM 的发展让竞争环境变得更加公平，因为对话式 AI 系统收到的客户 query 中，有不小的一部分是 LLM 可以解决的常见问题，这降低了初创公司开发对话式 AI 软件的壁垒，行业也会面临新一波的整合和洗牌。
