企業在導入 AI 前，是否有深刻思考過「究竟哪個工作流程最值得優先自動化？」
Scribe 在幫助數千家企業記錄實際工作流程後，推出新平台 Scribe Optimize，透過真實的工作數據告訴企業 AI 投資的最佳切入點。這家新創公司近期完成 7,500 萬美元 C 輪融資，估值達 13 億美元，正準備改變企業導入 AI 的遊戲規則。
讓真實數據判斷「哪裡該自動化」
當市場上大多競品都在導入 AI，多數企業也急於擁抱新技術，卻無法回答最關鍵的問題：我們應該先自動化什麼？
Scribe 執行長 Jennifer Smith 指出，企業目前仍依賴傳統方法尋找答案，也就是透過員工訪談、工作坊或聘請顧問等方法，但這些方法不僅耗時數月，更容易遺漏員工日常實際操作的細節。他更舉例，許多公司仍在站在員工身後用碼表計時，希望可以藉此了解整個工作流程耗時多久。
Optimize 的核心任務正是要改變這種現況。平台能夠挖掘企業內部的工作流程，了解員工實際在做什麼，然後將這些資訊具體化，在單一介面中呈現實際執行的工作流程、執行頻率和所需時間等關鍵資訊。簡單來說，就是用真實數據來判斷，讓企業找到投資報酬率最高的自動化切入點。
員工每月節省 35 到 42 小時，新進員工也更快上手
目前 Scribe 的旗艦產品 Scribe Capture，已經累積超過 1,000 萬個工作流程紀錄，涵蓋 4 萬種軟體應用。當員工完成某個流程或工作時，Capture 會透過瀏覽器擴充功能和桌面應用程式，自動產生包含文字說明和螢幕截圖的逐步指南。這些指南可以分享給同事或嵌入內部工具，減少重複問題、降低錯誤率並加速新人訓練流程。
在此基礎上，Optimize 進一步提供了企業級的流程分析能力。系統能自動分析所有員工的操作紀錄，生成真實的流程圖，補足過去舊有紀錄方式會容易遺漏的細節。更重要的是，它能識別出哪些流程最適合導入 AI 或自動化，為企業提供具體的行動建議。
使用 Scribe 的企業回報，每位員工每月可節省 35 到 42 小時，新員工的上軌道的速度提升 40%。
在技術層面，為了避免大型語言模型可能產生的幻覺問題，Scribe 採用的架構設計是：大型語言模型只負責生成查詢語句，而實際答案則來自真實數據。這種設計確保系統不會憑空編造結果，維持了企業級應用所需的準確性和可靠性。
此外，Scribe 具備企業級語意解析機制，可比對真實流程數據並偵測異常，避免資訊過載。這種智慧過濾機制讓決策者，能夠專注在真正需要關注的問題上。
融資金額從未動用過，凸顯營收效率出色
Scribe 的市場表現也印證了其價值。財富 500 強企業中 94% 的團隊都在使用 Scribe。此外，Scribe 還擁有 7.8 萬家付費客戶，其用戶包括紐約人壽、T-Mobile、LinkedIn、HubSpot 和北方信託等知名企業。
在地理分布上，除了美國市場外，英國、加拿大、澳洲和歐洲也成為 Scribe 的重要市場。過去一年，公司營收成長超過一倍，估值更是較上一輪融資時增長了五倍。目前公司有 120 名員工，計劃在未來 12 個月內將團隊規模擴大一倍。
本輪 7,500 萬美元的 C 輪融資由私募市場解決方案提供商 StepStone 領投，值得注意的是，這筆新資金距離上一輪 2,500 萬美元的 B 輪融資已超過一年，而 Smith 透露，公司實際上並未大量動用 B 輪資金，顯示其營運效率相當出色。
基於真實的使用行為數據，協助 AI 導入高效化
Scribe 的成功揭示了一個重要趨勢：流程挖礦 (Process Mining) 與生成式 AI 的結合，正在形成新一代的自動化策略。這或許是企業第一次能夠基於真實的使用行為數據，而非顧問建議或管理層直覺，來決定 AI 應該應用在哪裡。
Smith 強調，如果不真正了解整個內部工作流程，就很難知道該在哪裡改進、在哪裡自動化，或者 AI 代理能在哪裡發揮作用。隨著越來越多企業意識到盲目投資 AI 的風險，Scribe 這樣的服務所提供的數據驅動方法顯得格外重要，不僅幫助企業避免 AI 成為另一個沉沒成本，更重要的是確保每一分 AI 投資都能產生實際的業務價值。
【推薦閱讀】
◆ 「資料乾淨度」決定 AI 代理是否出包，企業導入前需做的資料治理檢查
◆ 企業導入 AI Agent 為什麼常卡關？緯謙科技智能服務處副總羅傳璽解析 3 大迷思
◆ 從巨大集團到中保科技的 AI 轉型實戰！揭開企業導入 AI 兩大挑戰怎麼解
＊本文開放合作夥伴轉載，參考資料：《The Tech Buzz》、《TechCrunch》，圖片來源：Unsplash
（責任編輯：鄒家彥）
