海外超小众AI赛道「融资1亿美金」，Laurel 如何分析时间因果？

Laurel 正在构建全球首个 AI 时间平台，试图解决各行各业无法将准确地将时间投入与业务结果联络起来的因果关系。本文源自 Leo，深思圈 所着文章，由 techflow 整理、编译及撰稿。 （前情提要：当全世界冲进 AI，为何苹果还在原地踏步？） （背景补充：Sam Altman 写给未来的 AI 真实观察：奇点不会大爆炸，而是悄悄吞噬一切） Laurel 正在用 AI 解决一个价值数兆美元的行业痛点：让知识工作者的时间变得可见、可衡量、可优化。 你有没有想过，为什么制造业能精确到分地计算出生产一辆汽车的成本，零售业能精准追踪每件商品的库存，但律师事务所、会计师事务所和咨询公司却对自己最重要的资源 —— 人力时间 —— 一无所知？这个问题困扰了我很久，直到我了解到 Laurel 刚刚完成的 1 亿美元 C 轮融资。这家公司正在用 AI 解决一个价值数兆美元的行业痛点：让知识工作者的时间变得可见、可衡量、可优化。 我深入研究后发现，Laurel 不只是在做时间追踪这么简单的事情。他们正在构建全球首个 AI 时间平台，试图解决创办人 Ryan Alshak 所说的「时间智慧挑战」—— 知识型行业无法准确地将时间投入与业务结果联络起来。在 AI 时代，量化和理解人力资本已经从「锦上添花」变成了「生死攸关」的企业需求。这轮融资由 IVP 领投，GV（Google Ventures）和 01A 参与，新投资者还包括 DST Global、OpenAI 的 Kevin Weil、Alexis Ohanian、GitHub CTO Vladimir Fedorov 等知名人士。 六分钟记帐的痛苦与觉醒 问题的根源可以追溯到专业服务行业几十年来一直沿用的工作方式。律师、会计师和咨询师需要以六分钟为单位记录自己的工作时间，这样客户才能按小时付费。Ryan Alshak 在做律师时深刻体验了这种痛苦：「就像在繁忙的周六晚上，我是个厨师要为 500 位顾客做菜，但同时还要求我记录下使用的每一种配料，这种工作流程既让人分心又缺乏人性化。」 我能理解这种挫败感。想像一下，你刚刚完成一个复杂的法律分析，思路正处在最清晰的状态，但接下来你必须停下来回忆：我刚才花了多长时间查阅资料？写这个备忘录用了几分钟？和客户通话谈了什么内容？这种被迫中断的工作状态不仅影响效率，更让专业人士感到自己像是被监控的工厂工人，而不是提供智力服务的专家。 Alshak 的顿悟时刻来得很简单：「为什么我要告诉机器我在工作中做了什么，而不是让机器提醒我做了什么？」这个看似简单的问题背后，隐藏着一个反直觉的洞察：律师、会计师和咨询师实际上存在计费不足的问题，因为他们会忘记很多已经完成的工作。如果能让买方（企业）获得更多利润，同时为使用者（专业人士）节省时间，这就是构建公司的完美基础。 这种痛点远比我想像的普遍。据 Laurel 的资料显示，专业人士平均每天能找回 28 分钟以上的可计费时间，这些时间此前都因为记录疏漏而丢失了。按照平均每小时 375 美元的收费标准计算，这意味着每个专业人士每天能为公司多创造 175 美元的收入。对于拥有数百名专业人士的大型事务所来说，这个数位相当惊人。 AI 重新定义时间追踪的四个关键 Laurel 的解决方案听起来很直观，但实际构建起来却是一个极其复杂的技术挑战。我了解到，要真正实现端到端的时间表自动化，需要解决四个关键技术问题，每一个都有相当高的技术门槛。 第一个挑战是数位足迹追踪。Laurel 必须能够与使用者使用的每一个数位程式整合，包括 Slack、Microsoft Outlook、Zoom 等各种工作工具。只有当 AI 能够「看到」专业人士在各个平台上的所有工作活动时，它才能准确重构他们的工作轨迹。这就像在使用者的数位工作环境中安装一个无处不在但完全无感的监控系统，能够记录下每一次点选、每一份文件编辑、每一通电话。 第二个层面是 AI 应用的深度整合。Laurel 使用多种 AI 技术来处理这些数位足迹：资料聚类演算法将相关工作归类，机器学习模型将工作分配给相关的客户和专案，生成式 AI 建立工作描述，最后通过机器学习对工作进行编码分类。这不是简单地应用一个 ChatGPT 介面，而是构建了一套专门针对专业服务工作流程优化的 AI 系统。 第三个环节是人机协作的精妙平衡。系统会为使用者生成一份草稿时间表，使用者可以新增、删除或编辑内容。这个「人在回路」的设计既保证了准确性，又让 AI 能够持续学习和改进。使用者的每一次互动都在让系统变得更智慧，这形成了一个正向回圈。 第四个步骤是与现有计费系统的无缝整合。一旦使用者确认了时间表，系统就会自动将资料推送到事务所的计费系统中，让后台管理工作保持不变。这样，专业人士的工作体验从「填写时间表」转变为「稽核时间表」，大大降低了心理负担。 整个过程的巧妙之处在于，它没有强迫使用者改变工作习惯，而是在背景中默默工作，最后只需要使用者进行最终确认。这种设计哲学体现了深刻的产品思维：最好的技术应该是看不见的，它应该让复杂的事情变简单，而不是给使用者增加新的学习负担。 从法律科技失败者到 AI 时代的先行者 Laurel 的成功并非一帆风顺，实际上它经历了一次彻底的重生。公司最初在 2016 年以「Time by Ping」的名字创立，但在最初几年举步维艰。Alshak 坦诚地承认了两个主要问题：过度专注于法律行业单一市场，以及当时的自然语言处理技术还不够成熟。 转机出现在 2022 年，当 Alshak 获得 OpenAI GPT-3 的早期访问许可权时，他做出了一个大胆的决定：暂停所有工作，彻底重构产品。这在创业圈是极其罕见的举动，大多数人都会告诉你「永远不要重建，要持续迭代」。但 Alshak 选择了违背传统智慧的路径，我认为这体现了真正的创业者精神 —— 愿意为了更大的愿景而承担巨大风险。 当 ChatGPT 在 2022 年 11 月推出时，整个市场对 AI 的认知发生了翻天...