Andrew Gershfeld 是 Flint Capital 的普通合伙人，Flint Capital 是一家投资于人工智能、网络安全和数字健康领域早期创业公司的风险投资公司，并帮助他们扩展到美国市场。
我们已经自动化了我们的日历、电子邮件，甚至入职流程。然而，实际工作——混乱的人类、日常任务流——仍然停滞不前。每周，知识工作者都会浪费大约40%的时间在重复的、低价值的任务上，例如搜索文件、复制粘贴、输入数据、跟进状态更新。这些并不是推动业务发展的活动。当然，这种低效率会产生负面的连锁反应。在人员方面，它会导致倦怠。在经济方面，它会导致数十亿美元的分心和失去的生产力。在指责“缺乏工具”之前，想想 Twice。问题在于，我们拥有的工具不协同工作，从来没有真正协同工作过。系统哪里出了问题理论上，每个应用程序都解决了一个问题。实际上，它们创造了新的问题。经常，我们看到员工在一天中在12个或更多平台之间跳转。我们使用Slack、Google Docs、Notion、项目板等，每个都有自己的逻辑、登录详细信息和学习曲线。因此，每个任务都变成了一个标签跳转的寻宝游戏。工作分散在线程和文件夹中，团队每个季度都会发明新的流程来修补上一个系统的盲点。没有人有时间记录下来，当他们这样做时，没有人会读它。我知道这一点，因为我经历过。作为一个精益VC公司——我们认为自己是一个创业公司——跨越大陆和多个时区运营，我们从零开始建立了自己的工作流程。早期，我们创建了一个自定义的交易流引擎，并设定了严格的仪式，包括每周通话、定期审查和每季度的面对面会议。这些系统帮助我们用小团队快速运作。但即使如此，我也感受到了工具过载的重担。我们将这种洞察力融入了我们的投资理念中。我们的投资组合包括像WalkMe这样的公司，它帮助团队简化数字采用并识别内部工作流程中的潜在摩擦点。然而，在更广泛的世界中，我们继续看到一个一致的问题。最重要的工作，例如培训、委派和判断，仍然分散在Slack DM、日历邀请和即兴Loom视频中。从工具到紧张尽管自动化取得了进步，大多数团队仍然依赖手动交接。没有集中的事实来源。流程可能会在关键人员离开时中断，当事情出错时，重做任务比弄清楚上次如何完成它更容易。这种系统不具备可扩展性，考虑到今天快速变化的环境，它不再可持续。我们现在处于转变的边缘。感谢多模态AI模型，可以解析文本、图像、视频和音频，我们进入了一个软件可以“观察”我们工作并开始理解发生了什么而无需完美输入的时代。这种软件识别上下文、检测重复并随着时间的推移变得越来越智能。更大的转变正在发生即将到来的十年的工作不太可能是关于选择一个“更好的”应用程序或工具栈。定义它的是什么最终将取代许多应用程序。多模态人工智能、无结构工作场所数据（通常称为灰色数据）的增长、软件即服务工具的传播以及创作者经济的扩张都指向一个方向：一个适应人们操作的工作操作系统，即使它是不完美的、异步的和没有文档的。这种转变的迹象已经显现。更多的人现在直接跳过单个应用程序，转向结果，例如要求AI助手准备报告、触发自动链来发布内容，或者简单地描述一个目标并让软件执行。 在这种模型中，界面退居其次，结果成为产品。发生了什么变化一代新软件正在出现，正在从基于规则的自动化转向适应性、和谐的协调和AI原生编排。新的Agentic AI工具从反应转向主动。是的，这意味着它们实际上采取主动。这种转变有三个模式： 团队想要结果，而不是界面。人们不想要另一个仪表盘——他们想要更少的事情来担心。最好的工具是那些几乎没有被注意到的工具。 自动化正在转变，如前所述，从简单地响应到领导。真正的飞跃在于背景编排，它是安静的、有用的和不可见的。下一代工具不会等待输入。相反，它们将观察人们的工作方式，并开始预测接下来需要发生什么。 个性化正在成为标准。没有两个团队以相同的方式工作。因此，未来的系统将学习和调整，而不是强加僵化的模板。想想你自己的、专有的操作系统。 执行优于对话下一波自动化是关于执行。最软件仍然等待人们点击菜单或输入命令。新的系统可以观察任务如何完成，发现重复的步骤，并自行执行。一个团队可能会录制一次演练，包括屏幕录制和简短的解说，软件捕获该过程，根据条件的变化进行更新，并自动运行它。个人操作系统没有两个人或团队以相同的方式工作，未来的系统将尊重这种现实。每个知识工作者都将拥有一个个人生产力模型：软件学习他们的习惯、节奏和偏好，然后预测接下来需要发生什么。在这种情况下，执行不再是一份脆弱的清单，而是人类判断和AI主动性之间的不断演变的伙伴关系。前方的道路为了构建工作的未来，我们需要改变我们对软件的思考方式。我们不应该将其视为工具的集合，而应该将其视为一个适应人们操作的环境，即使它是不完美的、异步的和没有文档的。事实上，混乱的、无结构的层——对话、屏幕录制、语音笔记和快速消息——是真正的工作发生的地方，也是公司的真正运营DNA所在。Agentic系统旨在理解和支持这一点，并与人们作为执行的真正伙伴一起工作。在这里，执行可能是被忽视的瓶颈。扩大公司规模仍然意味着记录数百个流程，用胶带将工具粘合在一起，并在每次变化时都会默默破碎的工作流程中培训人员。Agentic AI提供了一种解决方案。通过理解上下文、主动行动并随着业务发展而快速适应的软件，它实现了自动化的真正承诺，即释放人们的时间，让他们专注于判断、创造力和只有人类才能做出的决定。这种转变将需要时间。它将需要信任。并且它将需要公司抵制用更多复杂性来解决复杂性的诱惑。但是，如果做得正确，结果是值得的。
在今天日益拥挤的市场中，客户体验正在成为一个主导因素。根据 Gartner 的一项研究，80% 的公司认为，提供顶级的客户体验是主要的竞争优势。对于在国际上开展业务的公司来说，提供最佳的客户体验需要额外的努力。一个 调查显示，76% 的购物者更喜欢以他们的母语获取信息，无论他们的英语水平如何。虽然这看起来似乎很复杂，但实际上并非如此。由于生成式 AI 工具（如 ChatGPT）的采用率越来越高，企业现在有能力根据客户的需求量身定制市场营销信息，并以多种语言呈现。通过跳出思维定式，企业可以利用生成式 AI 来实现全球化和本地化的营销策略，提高国际化增长的机会。以下是方法。#1：简化市场适应过程生成式 AI 具有令人难以置信的生产能力，可以在保持一致性和质量的同时，创建多达 20 倍的多语言内容。最好的部分是，这可以在预先指定的预算内完成。这种效率不仅可以实现更有效的 A/B 测试和分段过程，还可以加快多个地区的市场推出（GTM）试验，从而减少成本并缩短公司准备推出产品和服务的时间。大型科技公司并没有忽视这一点。例如，Google 和 Microsoft最近推出了针对企业客户的生成式 AI 能力，包括复制和图像生成工具。然而，需要记住的是，用户更信任由其他用户创建的内容，而不是由营销人员创建的内容。这就是为什么评论网站已经成为各行各业的宝贵资源。 社会证明仍然是影响客户旅程和决策过程的关键因素。但是，这里有一个矛盾。如果一家公司刚刚进入一个新市场，这意味着他们可能没有任何本地生成的内容可以依靠。他们没有任何用户可以在市场的母语中传播信息。然而，有一种方法可以解决这个问题。旧金山的一家初创公司 Intento，利用 AI 为欧洲跨境零售商 Joom...
作者：Grigory Sapunov，inten.to 的首席技术官；Andrew Gershfeld，Flint Capital 的合伙人。为了促进下一个层次的可及性和包容性，我们需要开始投资开发更复杂的认知人工智能机器。开发更复杂的认知人工智能是扩大全球可及性和增加包容性的关键。事实上，我们已经看到前所未有的语言覆盖范围。Flint Capital 指出，最近的研究显示，机器翻译语言对的数量已经从 16,000 个增加到大约 100,000 个，仅仅在一年内就增加了 88,000 个语言对，Niutrans 和阿里巴巴是主要贡献者。此外，Flint Capital 还指出，全球认知计算市场预计将在 2027 年达到 722.6 亿美元的规模。我们已经看到巨大的增长，随着新的人工智能技术的快速发展，现有的语音合成和语音识别技术的极限正在被突破。从财务和技术进步的角度来看，为什么会有推动人工智能能力的趋势已经很明显。但为什么要专注于可及性和包容性呢？目前，全球大约有 10 亿残疾人。此外，专家估计全球有大约 7,000 种不同的语言。随着我们变得更加相互联系，可及性和包容性的挑战变得太大，人类无法独自处理。让我们来看看企业面临的一些包容性问题，这些问题可以通过先进的认知人工智能来改善。1. 语言障碍会阻碍自我表达。当我们继续向全球经济和全球劳动力迈进时，我们必须解决共享语言的局限性。全球员工使用的语言和方言有数千种。即使他们都使用一种共同的语言（例如英语），仍然有无数次他们无法有效地表达自己的想法或意见，因为语言差异。根据专家的说法，采用先进的认知人工智能引擎和部署虚拟助手是解决这个问题的方法。这些机器经过专门的训练，可以处理特定的翻译任务，因此它们提供了更具包容性和表达性的功能，而无需人工干预。认知人工智能还可以为残疾人提高可及性。例如，它可以为听力障碍人士提供语音转文本服务。相反，它还可以为视力障碍人士生成语音。在未来，我们可以期待看到更先进的认知人工智能服务，它们可以更有效地执行多种语言的语音、文本和图像翻译，并服务于更广泛的残疾人群体。2....
