Lorikeet的AI系统不仅仅是一个聊天机器人，而是一个能够真正解决问题的“客户管家”。从精细化的权限控制到动态门控机制炒股配资软件排名，从高度可配置的系统设计到对复杂流程的精准执行，Lorikeet的技术突破为AI客服行业带来了新的希望。
你有没有想过，为什么我们明明已经进入AI时代，但大部分客服体验依然糟糕透顶？为什么那些号称”智能”的聊天机器人总是让人更加恼火，只会重复FAQ里的标准答案，却永远无法真正解决你的实际问题？我一直在思考这个现象，直到看到澳大利亚AI公司Lorikeet刚刚完成的3500万美元A轮融资消息。这家公司正在挑战整个AI客服行业的基本假设，他们认为客户不需要被告知如何解决问题，而是需要一个真正能够解决问题的AI管家。
这轮融资由全球领先的金融科技风投基金QEDInvestors领投，Blackbird、SquarePeg、Airtree、SkipCapital、Capital49、OperatorPartners和AthleticVentures参与跟投。更有意思的是，Lorikeet成为继Canva之后第一家获得澳大利亚三大顶级风投基金Blackbird、SquarePeg和Airtree共同早期投资的公司。自去年10月公开发布以来，Lorikeet的收入增长了10倍，已经为包括Airwallex、Linktree、Flex、Eucalyptus在内的多家独角兽公司提供服务。到目前为止，该公司已累计融资超过5000万美元。
但让我真正感兴趣的不是这些数字，而是他们对AI客服本质的重新思考。在深入了解Lorikeet的产品和创始团队后，我发现他们不仅仅是在做一个更好的聊天机器人，而是在重新定义什么是真正的客户服务体验。这种重新定义可能会彻底改变我们与企业软件交互的方式，也预示着AI应用从简单的内容生成转向实际问题解决的重要转折点。
为什么传统AI客服都是伪需求
我在使用各种企业服务时，经常遇到这样的情况：当我有一个具体问题需要解决时，客服聊天机器人总是给我一堆链接，让我去自己查找答案。或者它会非常”贴心”地为我总结FAQ内容，但这些内容往往与我的实际问题相差甚远。更糟糕的是，当我试图描述一个复杂的情况时，这些机器人总是试图把我的问题归类到它们预设的几个标准场景中，完全忽略了问题的具体背景和紧迫性。
Lorikeet的联合创始人兼CEOSteveHind对这个现象有着犀利的观察。他曾在Stripe和Watershed等知名公司担任产品领导职务，深度参与过运营团队的工作，亲眼目睹了客服运营在高增长环境中面临的挑战。在他看来，即使那些被包装成”AIagent”热词的聊天机器人，本质上也只是在背诵自助服务FAQ的步骤，根本无法解决客户在现实世界中遇到的问题类型。客户不想被告知如何解决问题，他们想要一个真正能够解决问题的管家。
我深有同感。想象一下，当你的银行卡丢失时，你希望的是直接告诉AI”我的卡丢了，帮我换一张”，然后AI能够验证你的身份、更新你的地址信息、取消旧卡并安排新卡寄送，而不是给你一个冗长的指导手册，让你自己去完成十几个步骤。这就是Lorikeet所说的”真正的客户管家”与传统聊天机器人的根本区别。传统AI客服专注于回答问题，而Lorikeet的AI管家专注于解决问题。
更关键的是，我发现大部分AI客服公司实际上是在做技术优先的商业化，也就是看到了检索增强生成（RAG）技术在18个月前的出现，然后说”让我们把这个技术商业化吧，客服票据处理看起来是个不错的应用场景”。这种approach的问题在于，它们从技术出发，而不是从真实的用户痛点出发。相比之下，Lorikeet花了五个月时间与一家名为Eucalyptus的公司的患者支持团队共同工作，仔细观察他们的实际工作流程，发现支持代表并没有花很多时间总结FAQ，而是在执行复杂的标准操作程序，这些程序涉及检索大量数据、运用判断力、采取行动以及协调工作。
Lorikeet的技术突破在哪里
在深入研究Lorikeet的技术架构后，我发现他们的创新不在于使用了什么前沿的AI模型，而在于如何设计了一个能够安全执行高风险操作的智能系统。传统的AI客服系统要么只能回答问题，要么就是给AI开放过多权限导致安全风险。Lorikeet则通过精细化权限控制和动态门控机制，确保AI能够执行复杂操作的同时保持安全性和可审计性。
举个具体例子，当客户报告信用卡丢失时，Lorikeet的AI管家需要执行一系列高风险操作：确定客户是否符合换卡条件、更新客户地址信息、取消旧卡、安排新卡邮寄等。每一个步骤都可能涉及敏感的金融操作，一旦出错就可能造成严重后果。传统系统要么无法处理这种复杂度，要么需要大量人工干预。而Lorikeet的系统能够在保证安全的前提下，完全自动化地处理整个流程。
我特别欣赏他们的设计哲学。SteveHind说：”当其他人在摘低垂的果实时，我们搭建了一把梯子。”这个比喻很形象地说明了他们的策略选择。他们从一开始就决定不专注于FAQ摘要这种简单任务，而是选择与金融服务、医疗保健和能源等高度监管行业的公司合作，挑战自己构建一个能够在最严苛环境中执行高风险操作的系统。这种”向上兼容”的思路确保了他们的技术能力足够强大，可以处理各种复杂场景。
从技术实现角度看，Lorikeet采用了双层架构：底层是RAG系统，用于处理低配置、低精度的覆盖场景；上层是智能框架，用于执行复杂的多步骤流程并保持高准确度。这种架构设计让他们能够在保证质量的同时，处理任意深度的流程复杂性。在竞争对比中，他们在FAQ层面的表现就已经很出色，而在更复杂的任务层面，他们几乎是市场上唯一能够胜任的解决方案。这意味着对于那些有大量复杂客服需求的企业，Lorikeet几乎是不可替代的选择。
更重要的是，他们的系统具有很强的可配置性。不同于那些需要大量定制化开发的平台，Lorikeet实际上是市场上最具自助服务能力的产品。企业可以当天就开始使用，同时还能根据需要进行深度配置。这种平衡很难实现，既要保证易用性，又要提供足够的灵活性来满足复杂企业的特殊需求。据他们介绍，一些企业客户惊讶地发现，即使不依赖Lorikeet团队的配置工作，他们也能自己学会并使用这个系统。
AI客服的安全性和控制权问题
我一直认为，当AI系统能够代表用户执行实际操作时，安全性和控制权就成为最关键的问题。这不仅仅是技术问题，更是信任问题。企业凭什么相信一个AI系统不会误操作或越权？尤其是在金融、医疗这些高度监管的行业，一个错误的决策可能导致巨大的法律和财务风险。
Lorikeet在这方面的思考让我印象深刻。他们没有简单地给AI开放所有权限，而是设计了一套精细化的权限管理系统。比如，AI不能直接取消客户账户这样的高风险操作，而是通过颗粒化权限和动态门控来确保安全、可审计的执行。这种approach体现了对现实业务需求的深度理解，不是为了炫技而炫技，而是为了真正解决企业面临的实际问题。
从我的观察来看，很多AI公司在谈论”AIagent”时，往往忽略了一个关键点：在客服运营中，你实际上需要的是非常好的流程遵循能力，而不是第一性原理推理。如果你雇佣一个人类客服代表，让他们通过深度的第一性原理思考来解决每一张工单，你反而会觉得有问题。为什么不直接写下我们想要如何处理退款的标准，然后每次都按照同样的方式执行呢？这种对流程控制的重视，正是Lorikeet与那些单纯追求”智能”的竞争对手的重要区别。
在监管合规方面，Lorikeet的优势更加明显。他们从一开始就选择与高度监管的行业合作，这迫使他们必须在系统设计中考虑合规要求。当监管机构或投诉部门询问如何处理特定问题时，企业需要能够清晰地解释整个处理流程。传统的”黑盒”AI系统无法满足这种透明度要求，而Lorikeet的系统设计天然具备这种可解释性和可审计性。
我也观察到，Lorikeet在用户体验设计上做了很多细致的工作。比如在他们的语音助手中，他们会播放轻微的办公室背景噪音，让用户感觉到”有人在听”。这种细节处理体现了他们对人机交互心理学的深度理解。他们知道，最好的AI体验不是让用户感觉在与机器对话，而是让用户感觉在与一个能够理解和解决问题的助手交流。
为什么QEDInvestors要领投这家澳洲公司
我特别关注了这轮融资的投资方构成，发现了一些有趣的信号。QEDInvestors作为全球领先的金融科技专业风投基金，为什么会选择领投一家澳大利亚的AI客服公司？这背后反映了怎样的市场判断和投资逻辑？
QEDInvestors的合伙人VictoriaZuo给出了一个很清晰的解释：作为十多年的金融科技专家，他们非常了解金融科技和金融服务公司在客户体验方面面临的独特挑战。复杂的行业需要独特的解决方案，而AI革命正在持续降低成本并改善客户体验。当其他人都在构建推动客户进行自助服务的聊天机器人时，Lorikeet已经破解了真正端到端解决问题的AI密码。
我认为这个投资决策背后有更深层的逻辑。金融科技行业的客服需求具有几个特点：高度监管、高风险操作、复杂流程、严格的合规要求。这些特点使得传统的AI客服解决方案几乎无法胜任，而Lorikeet恰恰是为了解决这些最困难的场景而设计的。从投资角度看，这是一个典型的”护城河”优势——技术门槛高、竞争壁垒强、客户粘性大。
值得注意的是，Lorikeet还获得了包括Airwallex和Canva创始人在内的知名天使投资人的支持。这些成功企业家的参与，不仅带来了资金，更重要的是带来了对产品和市场的深度理解。Airwallex作为一家快速增长的金融科技公司，本身就是Lorikeet的客户，这种”客户变投资人”的模式很好地验证了产品的市场价值。
从澳大利亚创业生态的角度看，这轮融资也具有里程碑意义。Lorikeet成为继Canva之后第一家获得澳大利亚三大顶级风投基金共同投资的早期公司。这不仅体现了澳大利亚在AI领域的技术实力，也说明了全球投资者对于澳大利亚创新公司的认可度在不断提升。SteveHind在采访中提到，澳大利亚的人才市场和技术环境已经足够成熟，能够支撑世界级的技术公司成长。
我还注意到一个细节：尽管Lorikeet总部位于澳大利亚，但他们已经在美国、欧洲和澳大利亚都有客户。这种全球化的客户基础反映了他们产品的普适性和技术的先进性。在当今这个全球化的商业环境中，地理位置已经不再是技术公司成功的决定性因素，关键在于能否解决真实的市场痛点。
SteveHind的创业哲学和团队建设
在深入了解Lorikeet的过程中，我对创始人SteveHind的背景和创业哲学产生了浓厚兴趣。他的职业经历非常有趣：从BridgewaterAssociates的投资分析师，到Stripe的产品经理，再到气候科技公司Watershed，最后创立Lorikeet。这种跨领域的经验积累，为他提供了独特的产品直觉和市场洞察。
让我印象最深的是他对于职业选择的思考。他说自己在Bridgewater时被评为”8级曲线AA”，意思是长期潜力排在前20%，可能有一天会成为货币团队负责人，但永远不会成为首席投资官。这个评估让他意识到，虽然他在那里的表现不错，但如果能找到真正适合自己的事情，他可能会比前20%做得更好。这种对自我认知的清晰度和对潜力的追求，我觉得是很多成功创业者共有的特质。
在Stripe的经历对他的影响很大。他提到Stripe的一个运营原则叫”头版测试”：如果你即将要做或说的事情被刊登在《华尔街日报》头版，你会有什么感受？这是一个非常有力的道德和商业决策框架，帮助团队在面临选择时快速做出正确判断。他将这种文化理念带到了Lorikeet，制定了明确的运营原则，而且是经过深思熟虑的短名单，专注于真正与众不同的价值观。
我特别认同他关于团队建设的观点。他认为大多数专门针对团队建设和士气的活动，与强团队或高士气的相关性并不大。真正驱动团队建设和士气的，是共同解决高难度问题并获得成功。所有的团队建设和士气问题，基本上都能通过解决这两件事来解决。这个观点很有道理，当团队成员看到自己的工作产生实际影响，获得用户和市场的积极反馈时，自然会产生强烈的使命感和归属感。
在人才招聘方面，他的策略也很独特。Lorikeet团队由来自微软和Google等行业领先公司的资深AI工程师组成。首席AI官AnirudhBadam在微软西雅图总部拥有超过十年的AI/ML专业经验，创始AI工程师VijaySagar在Google硅谷办公室工作了十年开发机器学习模型。但更有意思的是，他们还招聘了一些”前置部署工程师”，专门寻找那些有技术能力但不想或不能成为软件工程师的人才。这种对人才的多元化理解和使用，体现了创业公司在资源有限情况下的智慧。
关于在澳大利亚建设世界级技术公司，SteveHind的观点很值得思考。他认为澳大利亚的人才市场和人口确实存在规模限制，但对于Lorikeet现阶段的需求来说还远没有达到瓶颈。今年招聘10名优秀工程师就能带来巨大改变，未来几年招聘100人就已经是巨大成就。关键不在于地理位置，而在于是否能够深刻理解用户需求并构建出色的产品。
AI客服行业的未来趋势
在研究Lorikeet的过程中，我对整个AI客服行业的发展趋势有了更深的思考。我认为我们正处在一个重要的转折点：从基于界面的交互转向基于意图的交互，从提供信息转向解决问题，从人工智能辅助转向人工智能主导。这种转变不仅仅是技术升级，更是商业模式和用户期望的根本性改变。
我观察到一个有趣的现象：很多AI客服公司都在强调自己是”AIagent”，但实际上大部分只是更智能一点的聊天机器人。真正的AIagent应该具备主动性、判断力和执行力，能够在复杂情况下做出合理决策并采取有效行动。Lorikeet在这方面的定位很清晰，他们不仅仅是在做技术产品，而是在重新定义客户服务的本质。
从技术发展趋势看，随着大语言模型能力的持续提升和成本的不断下降，AI系统处理复杂任务的能力会越来越强。但我认为关键不在于模型本身有多智能，而在于如何设计合适的架构和流程，让AI能够在现实的商业环境中安全、可靠、高效地运行。这正是Lorikeet的核心竞争优势所在。
我预测，未来几年内，客户支持可能不再是一个独立的职能部门。正如SteveHind所说，客户支持本质上不是一个第一性原理的功能，它只是为用户提供体验的一种方式。当解决边缘案例变得可扩展且相对便宜时，这些功能将回归到产品组织中，被视为产品体验的一部分。这意味着产品经理和技术团队需要开始思考：对于哪些用户需求和用户故事，AI客服是最佳解决方案？对于哪些场景它是最糟糕的选择？
从商业价值角度看，AI客服的发展将带来客户支持成本的大幅降低和服务质量的显著提升。更重要的是，它将改变企业与客户的关系模式。当客户能够通过简单的自然语言表达快速解决问题时，客户满意度和忠诚度会大幅提升。这种改变对于那些重视客户体验的企业来说，具有巨大的战略价值。
我也看到了一些潜在的挑战。随着AI客服能力的提升，企业需要重新思考客服团队的角色定位。传统的客服代表可能需要转型为AI训练师、质量审核员或特殊情况处理专家。这种转变需要企业在人力资源策略和组织结构方面做出相应调整。同时，监管部门也需要建立相应的规则和标准，确保AI客服系统的安全性和合规性。
重新定义”AIAgent”：从营销术语到实际价值
在深入研究Lorikeet的材料时，我注意到一个非常有趣的现象：SteveHind对”AIagent”这个词的态度很微妙。他在接受采访时说：”我不确定这些概念是否有稳定的定义，我觉得这在很大程度上是营销导向的。”但同时，他也承认在销售场景中会使用”agent”这个词，因为”如果这能帮助人们把我们归到正确的类别中，我就会说agent”。这种务实的态度背后，反映了当前AI行业一个深层次的问题：概念炒作与实际价值的脱节。
我发现很多公司都在声称自己在构建”AIagent”，但实际上它们的产品能力差异巨大。SteveHind举了一个很生动的例子：他们在向客户介绍如何帮助发现帮助中心内容缺口的功能时，竞争对手说他们有一个”agent”来审查帮助中心，还有另一个”agent”来起草文章。Steve的回应很直接：”是的，这和我刚才对你说的是同一件事，只是加上了’agent’这个词。”这种对概念包装与实际功能的清醒认识，体现了真正的产品思维。
更深层次的问题是，当前市场上对”reasoning”（推理）能力的过度追求可能是错误的方向。在客服运营中，你实际需要的是出色的流程遵循能力，而不是第一性原理推理。想象一下，如果你雇佣了一个人类客服代表，他们通过深度的第一性原理思考来解决每一张工单，你反而会觉得有问题。为什么不直接制定处理退款的标准流程，然后每次都按照相同方式执行呢？这种对”智能”的误解，导致很多AI公司追求了错误的技术目标。
我观察到Lorikeet的成功部分源于他们对用户真实需求的准确把握。他们的联合创始人Jamie在LLM研究领域有着比世界上几乎任何人都更长的经验，但他选择构建应用层产品而不是继续做前沿模型研究。Jamie曾明确表示：”我不想构建与FAQ对话的功能，为什么我们要把时间花在这上面？这甚至在一年半前就不是一个有趣的问题了。”这种技术专家对产品价值的判断，确保了他们不会被技术的炫酷性所迷惑。
从市场竞争角度看，我发现了一个有趣的模式：每当Lorikeet进入竞争性交易流程时，在FAQ层面他们的表现往往很出色，Steve甚至说”出于某种原因，我们构建的RAG更好，我实际上不确定为什么，我对此有点惊讶”。但更重要的是，在复杂任务层面，只有他们能够胜任。这种”既能做好基础功能，又能解决复杂问题”的能力组合，创造了强大的竞争壁垒。
我认为Lorikeet的案例揭示了AI行业的一个重要趋势：从技术驱动回归到价值驱动。那些真正成功的AI公司，都具备深厚的领域专业知识。Steve提到AISDR公司的演进就是一个很好的例子：最初这些公司的理念是高度个性化通用消息，从LinkedIn上抓取信息然后说一些关于蒙特利尔交换项目或普京的奇怪话。但随着时间推移，它们学会了应该进行情境化而不是个性化，不要谈论客户在哪里做的交换项目，而要谈论他们业务的某个特定元素如何与你能做的特定事情相关。这种认知架构的改进，比模型本身的改进更为重要。
最终，我觉得Lorikeet的成功故事告诉我们：在AI时代，真正的护城河不是技术本身，而是对问题的深度理解和解决方案的执行能力。当每个人都能使用相似的基础模型时炒股配资软件排名，差异化就体现在你如何设计系统架构、如何理解用户需求、如何确保安全可靠的执行。这种回归商业本质的思路，可能是AI行业走向成熟的重要标志。
鑫达配资提示：文章来自网络，不代表本站观点。
