今天看到 YC 孵化的一家名叫 Telli 的初创公司刚刚获得了 360 万美金融资，主要就是在做 Voice Agent 类的产品。短短几个月就处理了近百万通电话，而且只用了 6 个人的团队！正巧最近在看 AI BPO 这个赛道，所以今天把 Telli 介绍和 a16z 对 AI BPO 分析的两篇文章做了一个结合。

我在之前也分享过，当下 AI 最重要的是找到场景，因为现在稀缺的是每个场景和岗位具体的 know-how，这个 know-how 并不一定是工作流，而是一种 human in the loop 人参与其中的完整工作方式。基于这点，如果想做 Digital Worker 一定要思考的一个点就是：我该从高技能还是低技能人群做切入。Cursor、Manus 以及 Deep Research 类的产品面向的是高技能人群，而 AI BPO 类的产品则是从低技能人群做切入。这家公司靠收购传统行业 +AI 实现千万美金营收

从这个角度来思考，似乎通用产品更喜欢切高技能人群，垂直类产品则从低技能人群在切，包括之前文章提到的 Mindbody 的例子。AI 让垂直 SaaS 收入暴增 10 倍？最新商业模式曝光

✨ Telli 是做什么的？

Telli 是一家来自柏林的初创公司，通过 YC 孵化，主要解决企业电话运营中的痛点问题：

1、提供 AI 语音助手，可以自动拨打和接听电话  

2、处理高流量客户电话，预约、回访、甚至成交  

3、无缝对接人工客服，复杂问题自动转接  

4、已经实现连续 3 个月每月 50%+ 的收入增长

创始人 Finn zur Mühlen 曾在德国独角兽公司 Enpal 工作，亲身经历了电话客服扩张的各种挑战，这也是他创立 Telli 的灵感来源！

💡 它的 AI 语音有什么特别之处？

普通 AI 语音：冰冷、机械、容易被识别  

Telli 的 AI 语音：温暖、自然、难以分辨

他们的秘密武器是：

1、聘请真人配音演员录制语音  

2、使用 ElevenLabs 或 Cartesian AI 进行声音克隆  

3、根据需要灵活切换 OpenAI、Claude 等底层模型

🌟 为什么这家公司值得关注？

1️⃣ 解决真实痛点

高流量电话服务一直是企业的瓶颈，尤其是在客户预约、资格审核等环节。Telli 将 AI 与人工完美结合，大幅提升效率。

2️⃣ 超强增长数据

- 成立仅 8 个月  

- 近百万通电话处理量  

- 连续 3 个月 50%+ 月环比增长  

- 客户已遍布德国、英国、拉美和美国

3️⃣ 精简高效团队

只有 6 个人的团队就能支撑如此规模的业务，这充分体现了 AI 的力量和团队的执行力！

4️⃣ 行业广泛应用

目前已在房地产、能源、医疗、金融服务等多个行业有客户，应用场景极为广泛。

🔍 Telli 的产品有哪些亮点？

他们不仅仅是做了一个好听的 AI 语音，而是真正解决了实际问题：

1、个性化对话：根据不同客户调整语气和口音  

2、端到端自动化：智能识别回拨、记住上下文、自动触发下一步  

3、提高可达性：智能呼叫策略、自动回拨、电话号码轮换  

4、实时人机交接：确保质量、控制和客户信任

看到 Telli 这样的 AI 电话机器人公司快速融资和增长，其实只是冰山一角！

它代表了一个更大的趋势：AI 正在颠覆整个价值 3000 亿美元的 BPO( 商业流程外包 ) 行业。✨

这个行业听起来很陌生，但其实跟我们的生活息息相关。每次你打客服电话，背后可能是个外包中心；每次医院处理你的保险理赔，可能也是外包公司在操作。这个市场 2024 年规模已达 3000 亿美元，预计到 2030 年将超过 5250 亿美元！

💼 BPO 行业概览与痛点

什么是 BPO？  

BPO(Business Process Outsourcing)，即商业流程外包，是指企业将非核心但必要的重复性工作外包给专业公司。

大型企业运营需要大量重复性、事务性工作：

1、数据录入  

2、呼叫中心运营  

3、收入周期管理  

4、发票核对  

5、工资处理

这些工作虽然关键，但具有以下特点：

- 繁琐且幕后  

- 运营复杂  

- 不是企业核心竞争力  

- 工作量不稳定且季节性强（如节假日客服需求增加）  

- 员工年流失率高达 30-40%

管理这种复杂性的痛苦，再加上招聘、雇佣和培训内部员工的财务和运营成本，使 BPO 成为今天如此庞大的行业。

BPO 市场有多大？

- Cognizant、Infosys 和 Wipro 等 BPO 巨头最新财年收入分别达 100-200 亿美元  

- BPO 遍布银行金融、医疗保健、酒店、物流和零售等大型行业  

- 有些行业需求特殊，催生了垂直型 BPO，如:

1、货运审计支付企业（管理运输审计和支付）  

2、第三方管理员 (TPAs)（处理保险理赔）  

3、收入周期管理 (RCM) 公司（帮助医疗服务提供商管理医疗账单和收款）

传统 BPO 的痛点

尽管 BPO 做着重要工作，服务于大型知名企业，但大多数成立于几十年前——有些可追溯到 1940 年代——它们依靠深厚的客户关系和陈旧的系统集成，而非前沿技术。长期以来，这是企业在软件能力有限的情况下的最佳选择。

主要痛点包括：

- 工作周转时间长  

- 由于员工缺乏个人责任感，容易出现人为错误  

- 缺乏上下文理解和权限，无法满意地完成某些任务  

这些因素导致终端客户体验效率低下且常常令人沮丧

🤖 AI 如何重塑 BPO：技术基础

现在，现代 AI 使得将 BPO 产品化并将这些工作带回企业内部成为可能，这要归功于：

1️⃣ 模型能力快速提升

LLM 在 BPO 专长的典型任务上正在迅速改进：

- 非结构化文档处理  

- 数据核对  

- 知识搜索  

- 推理能力  

- 工具使用

这些模型将继续提升，进一步产品化 BPO 的工作。

2️⃣ 语音 AI 能力显著进步

语音 AI 已被证明是解锁传统软件限制的核心用例的关键能力。新软件（通常由 ElevenLabs、OpenAI 或 Cartesia 等 AI 基础设施公司提供支持）近年来有了显著改进，很快 AI 客服将与人类客服几乎无法区分。

3️⃣ 浏览器技术崭露头角

Anthropic 的计算机使用模型、OpenAI 的 Operator 和 Google DeepMind 的 Project Mariner 展示了 AI 代理如何处理桌面和浏览器任务。这为 AI 在特定应用之外的应用创造了机会，跨越桌面、浏览器和本地应用。这将是构建跨异构软件界面的差异化代理体验的关键特性。

🌐 AI 对 BPO 的影响：三大应用场景详解

AI 原生公司已经开始抢占 BPO 市场份额，许多公司正以前所未有的速度增长。这些公司知道需要构建有护城河的产品，来超越现有和新兴竞争对手。

1️⃣ 前台客户体验

客户支持和客户体验是 AI 初创公司最明确的机会之一，这也是 BPO 支出中最大的子细分市场——超过 1000 亿美元。

传统自动化客服体验的痛点：

- 如果请求没有简单、预定义的答案和解决方案  

- 您几乎总是被引导到需要拨打自动化号码再要求人工客服  

- 徒劳地向客服邮箱发送邮件  

- 与没有上下文的聊天机器人生气地争论  

- 或者以上三种情况的某种组合

AI 代理优势：

- 企业可提供一流的内部客户体验，跨所有模式（文本、电子邮件、语音）  

- 以软件的速度、质量和可扩展性运行  

- 24/7 工作，用任何语言解决查询  

- 无需排队或等待即时响应  

- 无需为应对不一致的需求而招聘、培训和留住内部员工

实例：

- Decagon 构建的 AI 支持代理，表现出超过 80% 的解决率，客户满意度提高  

- Decagon 的 AI 代理还允许客户为更多用户和产品提供支持，因为成本效益更高

行业特定 AI 代理：

- 汽车贷款领域：Salient 的 AI 语音代理允许高容量客户接待和催收电话  

- 家庭服务领域：Avoca 允许客户将非工作时间或溢出电话产品化

垂直领域应用特别有趣，因为：

- 产品复杂性  

- 平台集成  

- 行业特定监管要求  

这些特点使得横向参与者或基础模型难以轻易取代这些用例，为这些初创公司提供更持久的护城河。

2️⃣ 后台运营处理

AI 初创公司也在大幅蚕食后台运营的 BPO 支出。

许多企业工作流程本质上是从不同系统获取混乱的非结构化数据，然后提取、标准化和协调数据。这是枯燥且重复性的工作，企业采取不同方法处理：

1、雇佣运营人员  

2、使用机器人流程自动化 (RPA) 解决方案  

3、外包给 BPO

垂直行业中的 AI 应用实例：

- 运输行业：必须管理和核对价值数十亿美元的发票，以减少欺诈和错误，确保供应链中每个参与方正确付款。过去由 Cass 和 Green Mountain 等大型货运审计支付公司手动完成，现在 Loop 等公司可以用 AI 产品化这种发票核对、索赔管理和成本分配流程。  

- 医疗保健行业（使用 BPO 最大的行业之一）：Juniper 等公司将生成式 AI 应用于收入周期管理，展示了明显的效率提升；一位客户在首次提交时看到拒绝减少 80%，理赔流程和账单时间节省 50%，而成本没有增加。

3️⃣ 应用开发和生成

许多公司间接蚕食 BPO 市场，即使他们不直接针对已定义的 BPO 支出。这是因为 BPO 的一个大用例是使用外包工程资源构建定制应用程序，在企业自身没有资源或能力的情况下。

现在，编码助手如 Cursor 可以：

- 提高企业现有工程团队的产出  

- 显著提高单个开发人员的生产力  

- 赋能企业内部开发更多应用程序

此外，随着 AI 驱动的网络应用构建器的兴起，非技术用户很快将能够构建内部应用程序，而无需自己编写代码。

这两种能力意味着未来对外包应用程序开发的需求将大大减少。

🏢 分销 vs 创新：BPO 的应对之策

每个在这个领域创业的公司都有传统竞争对手：BPO 自身。这些 BPO 也注意到了 AI 浪潮，并宣布了自己的计划：

- Wipro 首席运营官表示，现有项目的 AI 采用增加了 140%  

- Infosys 宣布他们在客户群中部署了 100 多个新的生成式 AI 代理  

- 同时从事咨询和外包工作的埃森哲最近宣布，仅生成式 AI 项目就有 12 亿美元的新预订量

这是分销渠道与创新的自然之战。但初创公司相对 BPO 有几个优势：

1️⃣ 商业模式不匹配

构建 AI 原生产品与运营 BPO 之间存在根本性的商业模式不匹配：

- 大多数 BPO 按时间和材料计费，然后加收 20-30% 的人工成本加价  

- 他们的商业模式依赖于雇佣人员并将其劳动成果销售给客户  

- 彻底改变模式成为以产品为先的 AI 原生企业是一项巨大的任务  

- 这将大幅压缩他们的利润率，扼杀现有现金牛，扭曲公司文化  

- 对任何公司来说都是极其困难的转型，更不用说受到公共市场严格审查的上市公司

2️⃣ AI 专业知识分布不均

如何利用最先进的 AI 模型的知识分布不均。每天都有大量前沿 AI 模型、工具和研究发布，以至于即使是高度技术性的 AI 专家也不知所措。

公司需要一流的 AI 原生团队来跟上最新研究突破，并了解如何为商业用户提供价值——这种人才组合在 BPO 中很少见。

🚀 创业机会与建议

初创公司颠覆 BPO 的机会有时限性。传统 BPO 最终会采取行动，尤其是当基础模型层稳定并被更广泛的受众所理解时。

寻求利用这一时机的初创公司最好：

1️⃣ 证明明确的 ROI

- 选择具有明确 ROI 案例的用例和行业  

- 语音 AI 和客户支持特别受欢迎：语音 AI 是明显的飞跃式进步  

- 客户支持有明确、可量化的成功指标（解决率和客户满意度评分）  

- 初创公司可以轻松证明 ROI，使购买决策直接明了

2️⃣ 以客户为中心的前期部署

- BPO 销售的一个明显优势是定制服务和定制系统集成  

- AI 初创公司需要模仿这种客户至上的部署，尤其是在合作初期  

- 不仅提供类似 BPO 的白手套服务，还要安抚对使用全新技术感到紧张的客户  

- Salient 创始人实际上搬到一个早期客户附近几个月，以亲自部署  

- 这带来了巨大的回报，使客户顺利推广并从实施过程中学习  

- 长期目标应该是产品化并使入职流程可扩展，但这种前期工作是可以理解甚至必要的

全栈 AI 企业：颠覆 BPO 的另一条路径

虽然许多创业公司选择将 BPO 服务软件化，但还有一批创新企业正在走另一条路：打造 AI 原生的全栈服务公司。他们不只是提供软件，而是直接与传统 BPO 正面竞争，提供结合了 AI 和人类判断的全方位服务！

这种模式在过去被认为极具挑战性 - 同时打造一流的 AI 产品和运营一个复杂的服务型企业并不容易。但现代 AI 技术使得探索全栈方法变得更加可行，主要有三种模式：

1️⃣ 针对抗拒购买软件的行业

有些行业天生就是技术后进者，他们更喜欢：

- 购买"结果"而非"产品"  

- 关注问题解决而非工具学习  

- 注重服务而非技术

🌟 典型案例：

- Foundation：针对保险市场，提供 AI 增强的保险服务，而非单纯卖软件  

- Long Lake：专注业主协会 (HOA) 市场，提供全栈管理服务

这些公司面临的挑战：

- 需要同时精通 AI 技术和行业运营  

- 人力成本与技术投入平衡困难  

- 需要深度行业专业知识

但如果解决得好，这些领域存在巨大机会，因为传统 BPO 在这些垂直领域的服务往往:

- 效率低下  

- 缺乏技术创新  

- 客户体验差  

- 定价高昂

2️⃣ 全栈服务作为软件业务的切入点

这种模式更为独特：这些创业公司长期目标是成为纯软件公司，但短期采取"曲线救国"策略：

⚙️ 运作方式：

- 收购小型服务提供商 ( 如小型外包公司 ) 获得初始客户群  

- 深入观察这些客户的手动工作流程  

- 利用 AI 自动化这些流程，开发软件产品  

- 逐步转型为软件企业

💡 战略优势：

- 获得即时现金流和客户关系  

- 拥有"友好"的产品原型环境  

- 可直接测试和迭代 AI 解决方案  

- 最终享受软件业务的高毛利率

虽然不是传统的创业路径，但这种"先服务后软件"的策略让创业公司避开了冷启动问题，同时有机会深入了解客户痛点，打造真正解决问题的产品。

3️⃣ 支持前沿 AI 本身的创建

最特别的全栈 AI 服务模式是支持前沿 AI 本身的创建。在这些领域，人类参与本质上是不可或缺的：

✨ Scale AI 的成功故事：

- 估值 138 亿美元，增长最快的私企之一  

- 最初提供高质量数据标注服务  

- 第一个主要产品是为 Waymo 等自动驾驶公司提供完美标注的 LiDAR 和传感器数据  

- 同时构建尖端内部工具，提高效率和质量  

- 随着生成式 AI 兴起，扩展到提供 RLHF( 人类反馈强化学习 ) 数据服务  

- 这些是训练最先进基础模型的关键组件

🌟 为何传统 BPO 失败而 Scale 成功：

- BPO 缺乏现有产品满足这些新兴需求  

- 未能及早识别这一市场机会  

- 缺乏服务这些需求的技术基础  

- 这些需求的复杂性持续增长

虽然这条路相对罕见 ( 因为前沿能力有限 )，但如果时机和执行正确，可以创造巨大价值。

🔑 全栈 AI 企业的核心优势

- 速度优势：比传统 BPO 反应更快，比纯软件企业更了解客户  

- 成本优势：AI 自动化大部分工作，人工仅处理高价值判断  

- 质量优势：AI 处理标准化部分，人类专注复杂决策  

- 客户体验：提供"一站式"解决方案，无需客户整合多种工具

全栈 AI 服务公司正在创造全新的商业模式，既不同于传统 BPO，也不同于纯软件公司。它们在特定领域将人类专业知识与尖端 AI 融合，创造出独特的竞争优势和价值主张。