高中就开始创业，三个澳洲青年想为你打造“AI同事”（组图）

图片来源：Relevance AI官网

如何让一个10人以内的公司达到大型团队的劳动量？答案在于构建AI Agent团队。澳大利亚初创公司Relevance AI致力于通过SaaS低代码平台，帮助各类规模的公司为各类应用场景定制人工智能代理，从而极大提升生产力。

据睿兽分析数据，2020年，Relevance AI由Daniel Vassilev、Daniel Palmer、Jacky Koh在悉尼创立。

2023年12月14日，Relevance AI获得1000万美元融资，领投方是悉尼VC King River Capital，Insight Partners、Galileo Venture、Peak XV的Surge也参与其中。截至目前，公司共获得2轮融资，共计1300万美元。

Relevance AI的创始人Daniel Vassilev表示，他们的目标是：无论规模大小，让各类公司都能自由构建自己的人工智能团队。“到2025年，每个团队都将至少有一位人工智能代理，到2030年，会扩充为成熟的人工智能团队提供支持。”

1

让AI员工按SOP工作

据行业专家分析，在AI Agent产业链中，Relevance AI位于智能体运营（Agent Ops）的模块插件层。与Langchain、Fixie AI类似，Relevance AI提供技能库和插件工具，利用低代码技术降低开发环节的工作量，提升行业软件竞争力。行业专家认为，其在用户体验和“用低代码轻松创建智能体链”方面的能力颇具优势。

该公司着眼于企业级应用，用例集中于市场销售、市场分析、客户支持。Daniel Vassilev对此表示：“因为这些领域往往基于文本，并有显著的投资回报率（ROI）。”

图片来源：Relevance AI官网

Insight Partners的MD兼投资者George Mathew认为：“Relevance AI能够使企业自动执行重复性、耗时的任务，从而提高生产率。”

具体来看，Relevance AI的服务主要分为2类，技能和工具，即人工智能代理和人工智能工具。用户可以在主页的Tool页面选取AI工具使用，涵盖集成、知识整合、营销、运营、研究、销售等方面的80种prompt工具，减少重复性任务。

此外，Relevance AI提供了5个AI Agent模板，包办从市场开发、营销到销售的工作流程，其示例用于及时改进、市场销售、行业研究、客户支持和游戏模拟等场景。当前，Relevance AI的旗舰AI Agent是一个BDR代理，可以帮助用户规模化处理高度个性化的推广活动，全天候培养潜在客户并预约会议。其中，多个AI Agent跨工具协同工作，由一个代理经理（Agent Manager）来领导。

用户也可以在自行创建代理，从而简化工作流程，过程仅需5分钟。

图片来自Relevance AI用户界面

在Relevance AI创建AI Agent的过程可以当做在对AI员工做“入职培训”。例如，市场研究公司导入市调结果进知识库，制定好任务导向，AI Agent便能做总结和分析并报告其活动端口。

Palmer表示：“当前，AI Agent和LLMs面临的巨大挑战是让它们的行为可预测，而在Relevance AI中客户可以为Agent绘制流程图指导其行为，就像给新员工制定SOP。”下一步，Relevance AI计划让AI Agent提高外联活动效率，如访问邮件、WhatsApp等，提升有效客户接触。

据介绍，Relevance AI在OpenAI、Google、Meta和Anthropic的LLM之间切换，并用SOC 2 Type2认证保证安全。

Palmer称，“Relevance AI最强大的功能之一就是无代码生成器，在这里客户可以使用托管的Python和JavaScript或API创建从LLM到复杂函数的任何内容。”。

Relevance AI称，在过去3个月内，约有6000家公司签约合作，运行超25万项任务。主要客户包含Descript、Roku、Myob、Redis等。该公司采用订阅制，根据个人、团队、企业提供从19美元/月—599美元/月的不同报价，用户使用积分在平台内按需使用工具库。

2

高中开始创业，

2个软件500万用户

Relevance AI创始人Daniel Vassilev擅长从火热应用中抓住商机。Vassilev小学就开始学习编程，童年时期的他在游戏里做了一个程序，能让树木砍伐这一重复无聊的举动实现自动化，从而获得更高经验。做出实用的程序出售供大家使用，“技术改变生活”的感觉令他着迷。

Vassilev在8年级的数学课上认识了他未来的联合创始人Jacky Koh（华人，中文名许志强），涉及质量、数字和统计的问题对他们二人都有吸引力，也让他们从玩伴成为商业伙伴。

Relevance AI创始团队，从左至右为Daniel Vassilev、Daniel Palmer、Jacky Koh，来源：Relevance AI官网

2014年正值他们的高中时期，从小生长在创业环境中的Jacky Koh向Vassilev偶然提及了自己的创业想法，并鼓励他直接放手去做：“既然你可以造出来，为什么不试试呢？”仅2周的时间，Vassilev把想法变为应用Audio Pocket，该应用支持用户在后台播放YouTube类流媒体背景音，在9个月内吸引了100万用户。Vassilev将它作为一个测试的产品进行商业化，并签下了一些广告。直到2016年，iOS10版本开始支持后台播放视频，他们关闭了该项目。

2016年，由Niantic和任天堂合作开发的早期AR游戏《Pokémon GO》上线澳大利亚、美国、新西兰，成为现象级火爆手游。Vassilev和Jacky Koh商量了想将宝可梦定位在地图上的想法和意义。“先不讨论意义，去做就行了”，Jacky Koh再次鼓动犹豫中的Vassilev。6小时，Vassilev制作出了《Poke Where》iOS版本和安卓版提交审核。第二天醒来他们发现，安卓版就已经有20000名用户。在接下来的两个月内，该软件吸引了400万名用户，在App Store里曾达到每日总排行第一。

《Poke Where》用户超400万，来源：Jacky Koh领英

刚上大一，Vassilev就开始关注悉尼的大学孵化项目。他与Jacky Koh共同创立了Vylar公司，负责运营Audio Pocket、Poke Where、Haptic Keyboard等软件。两人住在孵化器的办公室里，一个人扩大服务器规模满足用户需求，另一个人接下广告赚钱，积累产品运营的经验。

在这个过程中，他们实际接触到用机器学习人工智能的方法处理数据，跳出了学术理论的约束。Vassilev从中发现机遇，当业务和用户数据日益数字化后，大数据对企业来说不仅仅是数字，而且是评论反馈，有利于做出更明智的决策。

2019年，Jacky Koh担任了DSAI（澳大利亚数据科学与人工智能协会）的主席及IAG（澳大利亚国际航空航天局）机器学习主管，他在和社区交流过程中认识到多数企业分析数据的痛点。

2020年初，两人再次碰头交流，探讨了诸如“帮企业改进使用机器学习的方式能做到什么程度？”“机器学习相比我们最初构建应用时又进步了多少？”等问题。结合之前做实用的应用程序经验，他们意识到这次构思的产品能够为企业提供真正的价值，并且面向全球客户。

“虽然我们并非挚友，但我们的技能非常互补。最重要的是，我和Jacky合作的项目都取得了成功，这是一个已知的事实。”2020年3月，Vassilev、Jacky和大学校友Daniel Palmer的帮助下创立Relevance AI。

创立初期，他们选定了B2B市场作为目标，打出“大规模分析客户反馈数据的最快方法”这一口号。Vassilev选择先开发产品，用约1个月时间打磨了搜索匹配用例用以产品展示，Jacky则研究处理结构数据的技术以解决企业痛点。在使用量增加后，结合客户反馈改进技术，给企业痛点提供解决方案相应增多。当前，Relevance AI已能提供知识检索、网站抓取、谷歌主题搜索等工具用例。

Vassilev表示，Relevance AI的产品不像从前开发的应用可以两周完成，也不能只是坐等用户增长。实际上，其产品建设约用了一年时间，同时决定接受风投用以获客。“对Relevance AI来说最好的反馈是，客户在没有任何安全保障的情况下将数据交给了我们，这表明即使我们的产品并不完美，但他们的使用体验并不差。”2021年，Relevance AI通过17人团队实现了170万美元的收入。

产品完成时，澳大利亚风投Galileo Ventures已经注意到了Relevance AI，同时为其引荐了Insight Partners。2021年12月，Relevance AI完成了来自Insight Partners、Archangel Ventures的300万美元种子轮融资。值得一提的是，Insight Partners很少参与初创早期，其种子期轮次投资概率仅为2.66%。去年年底，Insight Partners再次加码其1000万美元的A轮融资，Galileo Ventures也参与其中。

3

将人类的计划能力赋予AI Agent

Jacky在接受《福布斯》采访时表示：“目前，人工智能的重点是提高个人效率，人类正在使用AI作为co-pilot执行单个任务的一小部分，但如果我们要实现人工智能的真正潜力，企业需要具有不同专业的人工智能Agent团队。”

从办公活动到生活场景，将爆发数以万计的新应用，庞大的开发数量中也将有非技术人员用低代码形式构建，帮助企业用低代码构建多AI Agents团队，市场不可谓不大。根据咨询机构Gartner的市场分析，预计到2024年低代码应用程序开发将占总数的65%，到2025年全球低代码收入将达到290亿美元。

在ChatGPT推出后，创建智能链的市场已有众多创业公司涌现。去年11月，OpenAI首届开发者大会上，Sam Altman就抛出过GPT Store即将上线的消息。独角兽Adept AI在去年3月融资3.5亿美元，目标是试图为每个人建立一个最好的人工智能队友，被英伟达、微软等多家巨头看好。

在未来，AI智能体参与人类生活的各个领域。A16z发博文《对B2B生成式人工智能应用而言，“少”是否意味着“多”》指出，综合可用信息将是第二次浪潮的目标。因为涉及B2B应用时，客户会围绕时间和质量进行成本效益评估。第一次浪潮Wave1（GenAI）是“从提示词到长内容生成”，胜任重复性、低风险工作还算可以，而观点却不靠谱。第二次浪潮Wave2（SynthAI）是“从海量信息到洞察力”，人工智能不再集中于眼花缭乱的功能，而是聚焦于功能创造价值。

图片来源：A16z博客文章For B2B Generative AI Apps, Is Less More?

Relevance AI产品设计遵循了Vassilev的实用主义原则。例如， AI Tools的定位实际上是把用户的常用prompt变成模板，而AI Agents则整合了市面上的RPA（流程自动化）工具和AI技术，以解决重复性工作，并将手动客户反馈转化为可操作的AI洞察。从这些方面来看，该公司正处于从Wave1向Wave2迈进的阶段。

Daniel Palmer是创始团队成员之一，也是Relevance AI的产品前端负责人。他表示，向Agent提炼的第一批认知能力是知识储备。在2023年跨年之际，他给出了下一步期许：“我们正在研究下一组认知能力。人类拥有的核心技能之一就是思考未来、计划某种行动甚至安排某种行动的能力。现在，我们将这种能力赋予AI Agents。”