文章核心观点 - 企业AI的核心问题已不再是模型能生成什么或能自动化哪些孤立任务，而是AI能否进入真实环境执行有意义的工作、从结果中学习并随时间推移变得更有效 [2] - 从AI作为软件到AI作为可衡量劳动力能力的转变，代表了一种重要的演进方向 [2] - 企业AI的评估不应仅基于模型基准或部署功能数量，还应基于其可靠执行实际工作并贡献可衡量运营成果的能力 [10] - 部署不应被视为企业AI的终点，而是学习过程的起点 [11] - AI Labor的定义性问题是AI能否完成工作、正确完成工作并在下一次做得更好 [11] 白皮书核心内容 - 公司发布了新白皮书《Beyond Deployment: How AI Becomes a High-Performing Digital Workforce》[1] - 白皮书探讨了企业AI采用面临的核心挑战，即如何超越AI助手和孤立任务自动化，转向能够从专家表现中学习、执行完整工作流并针对可衡量业务成果持续改进的数字工作者 [1] - 公司将这一运营模式定义为AI Labor，即将企业知识、专家表现、业务流程、系统执行和生产反馈转化为可部署、可治理且持续改进的数字劳动力能力 [1] - 白皮书基于菲律宾和墨西哥两个真实生产项目在9月份的生产经验，展示了AI Labor发展的两条互补路径 [3] - 白皮书描述了围绕四项互联能力的AI Labor架构 [8] - 白皮书描述了公司在合规验证、运行时监控、可审计性、人工监督和数据分类方面的方法，包括旨在控制敏感企业信息与AI系统交互方式的AI Data Firewall [9] - 完整白皮书可在指定链接获取 [11] 菲律宾项目成果 - 菲律宾项目聚焦于提升数字工作者执行工作的质量和有效性 [4] - 公司的AI Operation Platform学习与优化系统分析历史交互和生产结果，识别高效方法、生成训练示例，并在广泛用于实际生产前通过模拟客户交互测试策略 [4] - 收入增长15.71% [7] - 毛利率增长29% [7] - 持续超过60秒的通话占比从3.1%增至8.4%，约为此前水平的2.7倍 [7] - 数字工作者的培训和生产上线周期缩短约50% [7] 墨西哥项目成果 - 墨西哥项目聚焦于扩大数字工作者可执行工作的范围 [4] - 使用公司的HyprLink跨系统执行能力和Unified Communication Platform全渠道互动技术，数字工作者被部署到涉及案例分析、企业系统交互、客户外联、催收记录和案件状态更新的工作流中 [4] - 项目实现了100%案例分析和全渠道联系覆盖率以及100%催收记录准确性 [5] - 每位工作者处理的案件数增长30% [5] - 每位工作者的收入增长40% [5] AI Labor架构的四项能力 - 学习与优化：AOP利用历史交互、模拟、自动评分和生产反馈来识别并持续优化更高效的运营策略 [14] - 工作执行：HyprLink使数字工作者能够读取企业系统信息并在其中采取行动、维护记录并响应运营异常 [14] - 全渠道互动：公司的通信基础设施协调跨语音、短信、邮件、WhatsApp和其他渠道的客户互动 [14] - 治理与反馈：权限、数据控制、可审计性、人工监督和生产结果为部署和持续改进数字劳动力提供控制 [14] - 公司的方法旨在将AI从执行孤立行动转向承担更广泛工作流的责任，同时使人类员工日益聚焦于监督、异常处理、判断密集型决策和运营策略 [8] 公司定位与使命 - 公司是一家全球AI劳动力基础设施公司，向企业客户提供智能通信软件和服务 [12] - 核心资产是AI Labor System，一个旨在基于可衡量业务成果制造、编排和交付AI劳动力能力的工业级平台 [12] - 通过AI劳动力，公司帮助客户推动销售、改善互动并降低成本 [12] - 公司的使命是将人类专业知识转化为可扩展的AI劳动力 [12] - 公司CEO表示，目标是创建能够学习高绩效员工工作方式、在真实企业环境中执行并通过生产反馈持续改进的数字工作者 [11]