海外超小眾AI賽道「融資1億美金」，Laurel 如何分析時間因果？

Laurel 正在構建全球首個 AI 時間平臺，試圖解決各行各業無法將準確地將時間投入與業務結果聯絡起來的因果關係。本文源自 Leo，深思圈 所著文章，由 techflow 整理、編譯及撰稿。 （前情提要：當全世界衝進 AI，為何蘋果還在原地踏步？） （背景補充：Sam Altman 寫給未來的 AI 真實觀察：奇點不會大爆炸，而是悄悄吞噬一切） Laurel 正在用 AI 解決一個價值數兆美元的行業痛點：讓知識工作者的時間變得可見、可衡量、可優化。 你有沒有想過，為什麼製造業能精確到分地計算出生產一輛汽車的成本，零售業能精準追蹤每件商品的庫存，但律師事務所、會計師事務所和諮詢公司卻對自己最重要的資源 —— 人力時間 —— 一無所知？這個問題困擾了我很久，直到我瞭解到 Laurel 剛剛完成的 1 億美元 C 輪融資。這家公司正在用 AI 解決一個價值數兆美元的行業痛點：讓知識工作者的時間變得可見、可衡量、可優化。 我深入研究後發現，Laurel 不只是在做時間追蹤這麼簡單的事情。他們正在構建全球首個 AI 時間平臺，試圖解決創辦人 Ryan Alshak 所說的「時間智慧挑戰」—— 知識型行業無法準確地將時間投入與業務結果聯絡起來。在 AI 時代，量化和理解人力資本已經從「錦上添花」變成了「生死攸關」的企業需求。這輪融資由 IVP 領投，GV（Google Ventures）和 01A 參與，新投資者還包括 DST Global、OpenAI 的 Kevin Weil、Alexis Ohanian、GitHub CTO Vladimir Fedorov 等知名人士。 六分鐘記帳的痛苦與覺醒 問題的根源可以追溯到專業服務行業幾十年來一直沿用的工作方式。律師、會計師和諮詢師需要以六分鐘為單位記錄自己的工作時間，這樣客戶才能按小時付費。Ryan Alshak 在做律師時深刻體驗了這種痛苦：「就像在繁忙的週六晚上，我是個廚師要為 500 位顧客做菜，但同時還要求我記錄下使用的每一種配料，這種工作流程既讓人分心又缺乏人性化。」 我能理解這種挫敗感。想像一下，你剛剛完成一個複雜的法律分析，思路正處在最清晰的狀態，但接下來你必須停下來回憶：我剛才花了多長時間查閱資料？寫這個備忘錄用了幾分鐘？和客戶通話談了什麼內容？這種被迫中斷的工作狀態不僅影響效率，更讓專業人士感到自己像是被監控的工廠工人，而不是提供智力服務的專家。 Alshak 的頓悟時刻來得很簡單：「為什麼我要告訴機器我在工作中做了什麼，而不是讓機器提醒我做了什麼？」這個看似簡單的問題背後，隱藏著一個反直覺的洞察：律師、會計師和諮詢師實際上存在計費不足的問題，因為他們會忘記很多已經完成的工作。如果能讓買方（企業）獲得更多利潤，同時為使用者（專業人士）節省時間，這就是構建公司的完美基礎。 這種痛點遠比我想像的普遍。據 Laurel 的資料顯示，專業人士平均每天能找回 28 分鐘以上的可計費時間，這些時間此前都因為記錄疏漏而丟失了。按照平均每小時 375 美元的收費標準計算，這意味著每個專業人士每天能為公司多創造 175 美元的收入。對於擁有數百名專業人士的大型事務所來說，這個數位相當驚人。 AI 重新定義時間追蹤的四個關鍵 Laurel 的解決方案聽起來很直觀，但實際構建起來卻是一個極其複雜的技術挑戰。我瞭解到，要真正實現端到端的時間表自動化，需要解決四個關鍵技術問題，每一個都有相當高的技術門檻。 第一個挑戰是數位足跡追蹤。Laurel 必須能夠與使用者使用的每一個數位程式整合，包括 Slack、Microsoft Outlook、Zoom 等各種工作工具。只有當 AI 能夠「看到」專業人士在各個平臺上的所有工作活動時，它才能準確重構他們的工作軌跡。這就像在使用者的數位工作環境中安裝一個無處不在但完全無感的監控系統，能夠記錄下每一次點選、每一份文件編輯、每一通電話。 第二個層面是 AI 應用的深度整合。Laurel 使用多種 AI 技術來處理這些數位足跡：資料聚類演算法將相關工作歸類，機器學習模型將工作分配給相關的客戶和專案，生成式 AI 建立工作描述，最後通過機器學習對工作進行編碼分類。這不是簡單地應用一個 ChatGPT 介面，而是構建了一套專門針對專業服務工作流程優化的 AI 系統。 第三個環節是人機協作的精妙平衡。系統會為使用者生成一份草稿時間表，使用者可以新增、刪除或編輯內容。這個「人在迴路」的設計既保證了準確性，又讓 AI 能夠持續學習和改進。使用者的每一次互動都在讓系統變得更智慧，這形成了一個正向迴圈。 第四個步驟是與現有計費系統的無縫整合。一旦使用者確認了時間表，系統就會自動將資料推送到事務所的計費系統中，讓後臺管理工作保持不變。這樣，專業人士的工作體驗從「填寫時間表」轉變為「稽核時間表」，大大降低了心理負擔。 整個過程的巧妙之處在於，它沒有強迫使用者改變工作習慣，而是在背景中默默工作，最後只需要使用者進行最終確認。這種設計哲學體現了深刻的產品思維：最好的技術應該是看不見的，它應該讓複雜的事情變簡單，而不是給使用者增加新的學習負擔。 從法律科技失敗者到 AI 時代的先行者 Laurel 的成功並非一帆風順，實際上它經歷了一次徹底的重生。公司最初在 2016 年以「Time by Ping」的名字創立，但在最初幾年舉步維艱。Alshak 坦誠地承認了兩個主要問題：過度專注於法律行業單一市場，以及當時的自然語言處理技術還不夠成熟。 轉機出現在 2022 年，當 Alshak 獲得 OpenAI GPT-3 的早期訪問許可權時，他做出了一個大膽的決定：暫停所有工作，徹底重構產品。這在創業圈是極其罕見的舉動，大多數人都會告訴你「永遠不要重建，要持續迭代」。但 Alshak 選擇了違背傳統智慧的路徑，我認為這體現了真正的創業者精神 —— 願意為了更大的願景而承擔巨大風險。 當 ChatGPT 在 2022 年 11 月推出時，整個市場對 AI 的認知發生了翻天...