Skan AI 已在 C 轮融资中筹集了6300 万美元，押注于这样一个判断：阻碍企业 AI 工作流真正落地的最大障碍并不是更聪明的模型，而是企业无法看清自己的员工实际上是如何把事情完成的。本轮融资由 Cathay Innovation 和 Dell Technologies Capital 共同领投，正值各大企业面临一个严峻现实：他们迄今部署的大多数 AI 代理根本没有奏效。
Citi Ventures、Bloomberg Beta、State Farm Ventures 和 Wipro Ventures 也参与了本轮融资，使这家成立七年的公司总融资额达到约1.2 亿美元。在完成融资的同时，Skan AI 宣布两款新产品 Skan AI Blueprint 和 Skan AI Agents 正式面向市场，与其现有的 Skan AI Intelligence 产品一起，构成公司所称的一个完整平台，用于发现、建模和自动化企业工作流。
Summary
要点速览
- Skan AI 在 Dell Technologies Capital 和 Cathay Innovation 共同领投的 C 轮融资中获得 6300 万美元，使总融资额达到约 1.2 亿美元。
- 公司在现有 Intelligence 平台基础上，推出了两款新产品：Skan AI Blueprint 和 Skan AI Agents。
- 公司引用的 Gartner 数据显示，仅有 8% 的企业在生产环境中运行 AI 代理，而 95% 的早期落地项目需要重新设计。
- Skan 声称已识别出累计超过 5 亿美元的客户价值，其客户包括美国十大银行中的七家、Unum 和 Mitie。
- 该平台运行在 Nvidia AI Enterprise 和 NIM 微服务之上，在企业防火墙内聚合匿名化数据，以应对隐私方面的担忧。
围绕一个行业无法忽视的失败率而展开的融资轮
企业级 AI 采用已经撞上了一堵仅靠砸钱无法解决的墙。Skan AI 引用的 Gartner 研究发现，目前只有8%的企业在生产环境中运行 AI 代理，而95%的早期实施项目在真正产生价值之前都需要彻底重构。这些数字与前一年 MIT 的一份报告相吻合（据《财富》报道），该报告记录到，大约 95% 的企业生成式 AI 试点项目未能取得可量化回报。
Skan 联合创始人兼 CEO Avinash Misra 认为，行业一直在诊断错误的问题。在宣布消息前接受 VentureBeat 采访时，他表示，模型本身并不是瓶颈——缺失的一块是对其被部署进去的业务的准确画像。“每个人都痴迷于打造一个更好的司机，”Misra 说，“我们认为更大的机会在于打造一个更好的导航系统。”
这也是为什么这个故事的意义超越了一轮融资：如果企业继续让代理基于官方流程文档来运作，而这些文档并不能反映工作实际是如何开展的，那么无论底层模型多么强大，Gartner 所描述的重构循环都会不断重演。
从员工屏幕上的实际操作构建企业 AI 工作流
Skan 的核心判断是，文档化流程与真实流程之间的鸿沟，正是 AI 代理失效的地方。Misra 和联合创始人 Manish Garg 在七年前就开始追踪这一鸿沟，那时“代理式 AI”还远未成为董事会的优先议题。“为什么一个组织，尤其是大型企业，会如此难以理解自己的工作到底是如何真正完成的？”Misra 问道，“为什么它需要飞来麦肯锡顾问来做这件事？”
公司的答案是直接观察工作本身，而不是从文档或后端日志中推断。Skan 在员工桌面上部署观测技术，持续跟踪工作如何在各类应用之间流转——电子表格、CRM 系统、邮件客户端，甚至服役数十年的大型机——并将这些观测转化为底层流程的一个“活模型”。这个模型就成为其代理进行推理的上下文图谱。
Misra 将其比作观察同事的屏幕。“如果我现在共享屏幕，而你观察我的屏幕在 Excel 表、CRM 系统、邮件客户端之间切换，大概两轮之后你就能构建出我在做什么的模型，”他说，“只是你无法把这件事做成规模化。你无法 7×24 小时去做，也无法对 1500 个像我这样的人去做。现在，把你自己替换成我们的技术。”
为什么难点在于意图抽取而不是观测本身
Skan 将自己的方法与 Celonis 等流程挖掘厂商进行对比，后者是从后端数据轨迹中重建工作流。Misra 认为，这些日志只记录了已经完成的交易，遗漏了产生这些交易的混乱人工步骤。“所有后端数据，从定义上讲，都是已提交的工作状态。而真正的工作发生在这些已提交状态之间，”他说，并估计大约 80% 对 AI 来说重要的内容都发生在这个间隙中。
他谨慎地指出，观看屏幕从来不是工程上的难题。“难题在于对你在屏幕上看到的东西进行抽象——也就是意图抽取，”Misra 说。教会一个模型分辨“真正的新案件”和“对旧案件的返工”——这对人类同事来说是瞬间就能理解的——正是他认为 Skan 多年领先优势所在。
在员工监控与运营透明之间权衡
持续的屏幕观测带来了一个显而易见的隐私问题，而且这并非假设。6 月，路透社报道称，Meta 在员工反对后缩减了一款内部工具的使用范围，该工具会跟踪员工的鼠标点击——这表明，即便是 AI 先锋公司，仍然对遥测与监控之间的界限保持警惕。
Misra 说，在写下第一行代码之前，他就听到了这样的质疑。早期向当时担任 AXA Mexico 首席转型官的 Delphine Icart 推介这一概念时，他收到了直截了当的回应。“Delphine 对我说的第一句话是：‘这听起来是个好主意，但你一开始就已经死了，’”他回忆道，“‘你在观察一些你不该观察的东西——我坐席的隐私，以及那些屏幕上数据的主权。’”
那次对话塑造了系统的构建方式。Skan 采用聚合而非个体化的方式，从数百名执行同一流程的员工中提炼统计模式，而不是跟踪任何一个具体的人。“我们对 John 在第 10 小时第 43 秒在做什么不感兴趣，”Misra 说，“我们感兴趣的是数百个 John 加在一起在做什么。”组织可以通过对特定应用和 URL 的自愿范围设定来控制系统能看到什么，而生成的数据永远不会离开企业防火墙，只有匿名化的元数据会通过三层架构发送到云端。Misra 指出，该模式已通过欧洲工会委员会审批的部署案例，证明其经受住了严苛审查。聚合是否能完全化解底层张力仍是一个开放问题，Misra 也承认，在某些情况下，这项技术确实促使客户在特定流程中裁减了人手。
声称的 5 亿美元客户价值究竟意味着什么
Skan 表示，其技术已挖掘出超过5 亿美元的累计客户价值，不过 Misra 直言，这一数字是机会评估，而非已经入账的现金。“这个数字来自我们所有客户中，我们为他们带来的可量化节省的累计——也就是他们预期能够节省下来的成本，”他说，并指出客户通过流程重构、技术变更以及日益增多的 AI 代理来实现这些节省。
更具体的数字来自单个部署案例。在一家美国顶级银行，Skan 称其在 1500 名财务专业人员中观察到 1120 万次上下文切换，并识别出 3700 万美元的运营摩擦。将这些上下文转化为可由代理执行的工作流后，实现了单笔交易成本降低 32%、吞吐量提升 41%以及每年节省 1800 万美元。在另一家银行的反洗钱业务中，Misra 表示，“现在有 60% 的案件由 AI 代理处理”，其准确率“远远超过人类”。在保险公司中，Skan 报告称核心理赔处理的生产率提升约 25%。
Skan 目前可公开引用的客户包括英国设施管理公司 Mitie，以及市值 138 亿美元的员工福利提供商 Unum。Mitie 的首席技术与数字官 Cijo Joseph 表示，这项技术“为我们提供了前所未有的运营可视性，大幅加速了我们的 AI 转型”。公司拒绝披露收入数据，但表示其年度营收同比增长已连续第二年超过 300%，净美元留存率约为 150%。目前，其客户包括美国十大银行中的七家以及四分之一的《财富》50 强企业。
Nvidia、竞争对手，以及争夺企业上下文的战役
Skan 运行在Nvidia AI Enterprise和 NIM 微服务之上，这一合作被公司与融资消息一同高调对外发布。Misra 描述了对私有设备需求的上升，这类设备可以在客户自有基础设施内完成工作观测、承载上下文模型并运行代理——这种架构对银行和保险等对数据主权要求极高的受监管行业颇具吸引力。
Skan 将自己与相邻品类划清了明确界限。流程挖掘工具只能看到后端日志记录的内容。RPA 平台在不了解任务本质的情况下重放任务。而 ServiceNow、Salesforce 和 Microsoft 等平台巨头虽然提供了能力不俗的代理，但其可见范围止步于各自的系统。“这些代理所能访问的上下文仅限于 ServiceNow、仅限于 Salesforce，而实际工作是跨整个流程展开的，”Misra 说。
他更宏观的论点是，当每家公司都能访问同样的前沿模型时，差异化将如何体现。“如果每家保险公司、每家银行都能访问同样的模型，那么结果最终会渐近地收敛到模型本身的结果，”他说，“那个老词——流程——现在以 AI 上下文的形式回归。但这个上下文是由你保护的。它不是模型的一部分。”Cathay Innovation 合伙人 Simon Wu 以类似方式阐述了这一押注，称 Skan 是“未来十年最具代表性的的平台公司之一”。
这种表述暗示了竞争博弈真正所在。随着越来越多厂商追逐同样的底层模型，差异化正在从原始 AI 能力转向谁掌控了企业运行方式的专有地图——而这正是 Skan 试图在竞争对手构建出类似上下文图谱之前抢先锁定的那一层。
常见问题
Skan AI 的主要技术创新是什么？
Skan AI 使用屏幕级观测技术来观察员工如何在各类应用中开展工作，并构建真实工作流的上下文图谱，而不是仅依赖流程文档或系统日志。
Skan AI 如何应对员工监控带来的隐私担忧？
Skan 聚合匿名化数据，在企业防火墙内运行，并通过自愿选择的方式将观测范围限定在特定应用和 URL 上，数据永远不会离开防火墙。
Skan AI 的一些知名客户有哪些？
Skan AI 的客户包括美国十大银行中的七家、员工福利提供商 Unum，以及英国设施管理公司 Mitie。
Skan AI 在部署中取得了哪些成果？
据报道的部署结果显示，在某家银行实现了 32% 的成本降低、41% 的吞吐量提升和每年 1800 万美元的节省，并在保险客户中带来了约 25% 或更高的生产率提升。
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”Skan AI 的主要技术创新是什么？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Skan AI 使用屏幕级观测技术来观察员工如何在各类应用中开展工作，并构建真实工作流的上下文图谱，而不是仅依赖流程文档或系统日志。”}},{“@type”:”Question”,”name”:”Skan AI 如何应对员工监控带来的隐私担忧？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Skan 聚合匿名化数据，在企业防火墙内运行，并通过自愿选择的方式将观测范围限定在特定应用和 URL 上，数据永远不会离开防火墙。”}},{“@type”:”Question”,”name”:”Skan AI 的一些知名客户有哪些？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Skan AI 的客户包括美国十大银行中的七家、员工福利提供商 Unum，以及英国设施管理公司 Mitie。”}},{“@type”:”Question”,”name”:”Skan AI 在部署中取得了哪些成果？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”据报道的部署结果显示，在某家银行实现了 32% 的成本降低、41% 的吞吐量提升和每年 1800 万美元的节省，并在保险客户中带来了约 25% 或更高的生产率提升。”}}]}
本文在人工智能协助下完成，由编辑团队审核。
