在當(dāng)前，娛樂內(nèi)容平臺爭相搶占用戶的閑暇時間，競逐著注意力的控制權(quán)。然而，在工作場景中，卻是完全相反的邏輯：即，誰可以幫助用戶節(jié)省時間，避免被無故頻繁打擾，誰就可以迅速占領(lǐng)用戶心智，拿下自己的城頭陣地。Read AI從會議AI助手切入并構(gòu)建產(chǎn)品MVP，希望成為個人工作會議的autopilot，解決會議中和會議后的關(guān)鍵問題。Read AI還在繼續(xù)擴展信息傳遞媒介（Message、Email、Meet），并嘗試打通更多辦公軟件，從會議信息端切入工作任務(wù)執(zhí)行的自動化。

Sense 思考：我們嘗試基于文章內(nèi)容，提出更多發(fā)散性的推演和深思，歡迎交流。

– 從關(guān)鍵痛點出發(fā)構(gòu)建產(chǎn)品MVP：Read AI為會議中和會議后的信息工作提供autopilot解決方案，同時Dashboard、Summary、情緒分析等Feature來突出產(chǎn)品差異。

– 找到產(chǎn)品邊界橫向或縱向擴展的方式：Read AI逐漸豐滿自己的產(chǎn)品，將會議抽象為溝通工具，并從Meet向E-mail和Message延伸。集成后端的執(zhí)行流程，使產(chǎn)品成為網(wǎng)絡(luò)的中樞。

AI Native 產(chǎn)品分析——Read AI

1.產(chǎn)品：Read AI

2. 創(chuàng)立時間：2021年

3. 創(chuàng)始人：David Shim，CO-FOUNDER， CEO，F(xiàn)oursquare前首席執(zhí)行官，Placed網(wǎng)站創(chuàng)始人兼首席執(zhí)行官(2017年被Snapchat收購)

4. 產(chǎn)品簡介：通過AI生成的摘要、文字記錄、視頻會議回放和重點視頻總結(jié)，提高了使用者在不同形式溝通過程（會議、電子郵件和即時消息）中的效率。

5. 融資情況：

– 2021年，獲得種子輪1000萬美元投資，投資方為Madrona Venture Group和PSL Ventures，資金用于研發(fā)產(chǎn)品MVP版本，F(xiàn)eature list主要為Meeting Dashboard、Meeting Summary。

– 2023年，獲得A輪2100萬美元投資，投資方為Goodwater和Madrona，資金用于在MVP版本上拓展Feature List，將產(chǎn)品賦能的領(lǐng)域從視頻語音會議拓展到電子郵件和即時信息。

一、會議正成為工作的主要環(huán)節(jié)

根據(jù)Deputy對2000多名美國工作者的調(diào)查顯示，部分美國工作者每周需要參加8小時以上的會議。較長時間的會議、多角色討論以及會議后需要執(zhí)行的行動，都讓與會者承擔(dān)了較大的負擔(dān)。例如，29%的美國女性工作者表示她們對在會議中的討論感到十分擔(dān)憂，而另外29%的美國男性工作者則認為準備會議報告是最棘手的問題。

若要了解某件事情的重要性，觀察人們愿意為其付出怎樣的代價是關(guān)鍵。據(jù)調(diào)查顯示，25%的美國工作者寧愿忍受交通擁堵也不愿意參加公司會議，17%的美國工作者寧愿去履行陪審團職責(zé)。此外，還有58%的人寧愿前往醫(yī)生的診所。這些數(shù)據(jù)清晰地反映了人們對于長時間會議的厭惡，以及他們更傾向于選擇避免會議帶來的不便和壓力，而選擇更加有價值的活動。

根據(jù)Grand View Research的研究報告顯示，2021年全球視頻會議市場規(guī)模達到62.8億美元，預(yù)計在未來的2022年到2030年間將以12.5%的復(fù)合年增長率(CAGR)穩(wěn)健增長。這一增長趨勢的主要推動力源于遠程工作的興起、地理分散的業(yè)務(wù)運營和全球化的不斷加深。

此外，教育和醫(yī)療保健行業(yè)對視頻會議解決方案的需求不斷增長，也為市場的擴張?zhí)峁┝诵碌膭恿ΑＬ貏e值得注意的是，在COVID-19大流行期間，視頻會議行業(yè)經(jīng)歷了快速的發(fā)展，因為遠程工作和遠程學(xué)習(xí)的需求急劇增加。Bingo，市場規(guī)模巨大（2021年達到62.8億美元）、需求頻繁（每周8小時）且強烈（愿意付出較高的代價）的痛點凸顯無疑。

一、Read AI 如何構(gòu)建產(chǎn)品

1. 從0到1

在確定解決問題的方向后，下一步就是將精力集中在一個關(guān)鍵點上，通過專注和全力以赴來解決它。那么，Read AI選擇了什么關(guān)鍵點呢？如果我們按照常見的PDAC模型進行拆解，會發(fā)現(xiàn)會議管理可以分為四個關(guān)鍵部分：

P階段：會前準備

在會議前，我們需要制定會議議程和目標，明確參會人員和時間，以及準備必要的資料和設(shè)備。這個階段的重點在于確保會議的順利進行和高效達成目標。

D階段：會中執(zhí)行

在會議進行時，我們需要按照制定的議程進行會議，鼓勵參會人員積極參與討論，并及時記錄重要的觀點和決策。這個階段需要確保會議的流程順暢，參與者的活躍程度和討論的深入程度。

C階段：會后檢查

在會議即將結(jié)束時，我們需要檢查會議的結(jié)果，評估是否達到預(yù)期的目標，并收集參會人員的反饋和建議。這個階段的目的在于審視會議的效果，并及時調(diào)整和改進。

A階段：會后總結(jié)和改進

在會議結(jié)束后，我們需要對會議進行總結(jié)和反思，并采取必要的改進措施。這個階段的目標是從會議中汲取經(jīng)驗教訓(xùn)，并優(yōu)化未來的會議體驗。

Read AI在MVP版本中選擇了會議中和會后的關(guān)鍵環(huán)節(jié)。利用10M美元的種子輪投資，他們針對會議中的人員參與度問題推出了Dashboard來檢測會議成員的參與度；而針對會議結(jié)束后的總結(jié)和行動，他們推出了Meeting Summaries，通過AI對會議內(nèi)容進行總結(jié)，并將行動推送給相關(guān)人員。

通過這樣的策略，Read AI不僅成功解決了會議中和會后的關(guān)鍵問題，而且在從0到1的初創(chuàng)階段就樹立了可持續(xù)發(fā)展的基礎(chǔ)，為其未來的快速發(fā)展打下了堅實基礎(chǔ)。

2. 從1到10

即時消息、郵件和會議這三種溝通方式的相同之處在于它們都是溝通工具，符合基本的溝通要素：信息接收方、信息發(fā)送方和信息內(nèi)容。然而，它們在信息量、即時性要求和信息傳遞頻率等方面存在著明顯的區(qū)別：

• 即時消息：信息量相對較少，對即時性的要求一般，信息在接收方和發(fā)送方之間以中高頻的速度傳遞。
• 郵件：信息量適中，對即時性的要求較低，信息在接收方和發(fā)送方之間以低頻的速度傳遞。
• 會議：信息量較大，對即時性的要求較高，信息在發(fā)送方和接收方之間以高頻的速度傳遞。

不難看出，會議的信息密度最為高，并且即時性和信息傳遞頻率都遠遠高于郵件和即時消息。因此，當(dāng)Read AI團隊將會議總結(jié)和任務(wù)分派的能力打磨完善后，也就順理成章將Feature list從會議拓展到了其他兩個新的溝通方式：郵件和即時消息。

這是一種在攻克領(lǐng)域制高點后，利用自身優(yōu)勢對低洼地帶的降維打擊。在功能更加完善后，Read AI在近期的三個月中收獲了50萬用戶的認可，并獲得了Goodwater Capital with Madrona Venture Group的2100萬美金的A輪投資。

三、產(chǎn)品功能

Read AI 想要傳遞給用戶的價值主張很清晰：Smarter。針對工作信息的主要傳遞媒介（Message、Email、Meet），實現(xiàn)更高效的信息傳遞和信息沉淀。

目標用戶定位于在工作場景中需要頻繁進行會議溝通的工作人員。相比于copilot，Read AI更希望能做到一種autopilot的智能化，以解決如下用戶需求：

我不喜歡工作會議，我希望有東西可以代替我去向其他人傳達我的信息，我也能快速從其他人那里獲取我希望獲得的信息。

自動起草會議摘要，并將后續(xù)的項目執(zhí)行方案分配給合適的人，這些后續(xù)任務(wù)可能會占用大量的空間。

基于會議工作的主要場景，Read AI構(gòu)建了包括會議實時工具、Dashboard數(shù)據(jù)分析、會議總結(jié)、會議推薦等功能模塊：

Read Meeting Tools & Metrics：Read Meeting Tools & Metrics是一款視頻會議應(yīng)用程序，通過實時測量參與度和情緒，引導(dǎo)會議朝著更好的結(jié)果發(fā)展；

Read Dashboard：Read Dashboard是專業(yè)的數(shù)據(jù)分析師，可以審查會議并提供個性化的會議分析、協(xié)作見解和建議；

Meeting Summary：Meeting Summary是會議記錄儀，提供文字記錄，摘要，主題，行動項目，關(guān)鍵問題，以及每次會議后的視頻回放；

Recommendations：Recommendations是會議審核員，基于用戶以往的溝通數(shù)據(jù)，它將自動優(yōu)化會議邀約，以減少與會者，提高參與度和更好的結(jié)果；

除此之外，ReadAI還嘗試延伸到工作自動化領(lǐng)域，通過后臺集成的方式，通過Zapier與數(shù)千個其他應(yīng)用程序連接起來，并自動化工作流程，以提升工作效率。此時Read AI變成了一個工作執(zhí)行的信息Trigger，基于這些信息指令，自動化安排后續(xù)的工作任務(wù)，甚至自動執(zhí)行這些任務(wù)。

Read AI還在與更多的平臺打通，成為了諸如Notion、Zoom等產(chǎn)品生態(tài)中的重要一環(huán)。這一舉措不僅可以利用Notion等產(chǎn)品自身的用戶群體為自身帶來流量，還可以獲取用戶在Notion、Zoom、Microsoft等平臺上的內(nèi)容，為用戶生成摘要并安排會議和任務(wù)。

同時，Read AI自身對多個產(chǎn)品的連接也形成了規(guī)模效應(yīng)：連接的產(chǎn)品越多，為用戶提供的服務(wù)也就越全面，價值也就越大，積累的用戶數(shù)量也會越多，從而形成了正向循環(huán)飛輪。

正如CEO Shim所說：“這種互聯(lián)的情報將你的溝通統(tǒng)一起來，使你和你的團隊能夠根據(jù)你的需求和優(yōu)先事項量身定制個性化的、可操作的簡報。”

四、收費模式

Read AI針對不同的客戶群的會議痛點設(shè)計了不同的產(chǎn)品附加功能，并基于此進行商業(yè)化。面向免費用戶提供基礎(chǔ)的Free版本：Free版本幫助用戶體驗基礎(chǔ)功能，也是PLG漏斗轉(zhuǎn)化的關(guān)鍵。在這個版本提供了基本的會議總結(jié)和報告，以便更好地進行會議；

面向VSB客戶的Pro版本：Pro版本加入了團隊協(xié)作的概念，例如團隊報告、管理控制以及無限的會議；

面向SMB客戶的Enterprise版本：在Enterprise版本中，最大的不同是加入了會議視頻解析、注釋和精彩片段回放；

面向KA客戶的Enterprise+版本：在上一個版本的基礎(chǔ)上，KA客戶對安全性、控制和支持的組織能力要求更高，因此在身份驗證、域名捕獲等方面做了相應(yīng)產(chǎn)品升級，為大型企業(yè)提供SSO + SAML等服務(wù)。

五、AI的風(fēng)險——幻覺生成（Hallucination Generation）

模型在總結(jié)會議內(nèi)容時可能會出現(xiàn)錯誤，因為它們傾向于產(chǎn)生幻覺，這也包括像ChatGPT和微軟的Copilot這樣的模型。近期的一篇《華爾街日報》文章引用了一個例子，一個早期使用Copilot的人在會議中，Copilot虛構(gòu)了與會者，并且暗示討論的話題實際上并未真正討論過。

Read AI是一種新的工具，與競爭對手如Supernormal和Otter不同。Shim聲稱Read比許多現(xiàn)有解決方案更強大，因為它采用專有的方法協(xié)調(diào)原始內(nèi)容和語言模型輸出，從而自動檢測并適當(dāng)引導(dǎo)偏差。此外，Read可以更好地將會議內(nèi)容與電子郵件和消息內(nèi)容置于環(huán)境中，從而進一步減少不確定性并提高結(jié)果。

然而，對于Shim的這些說法，一些人持保留態(tài)度。他沒有分享基準測試結(jié)果來支持這些斷言，而是強調(diào)了生產(chǎn)力提升總結(jié)工具的潛力。Shim表示，Read可以替代參加會議，并提供優(yōu)于即使是最好的行政助理也無法比擬的摘要和行動計劃，而不受遲到或被重復(fù)預(yù)約的限制。

他還強調(diào)，Read不會使用客戶數(shù)據(jù)來訓(xùn)練其人工智能模型，用戶對通過該平臺的內(nèi)容擁有“完全控制”，并且每天為知識工作者節(jié)省了數(shù)小時，讓他們能夠重新集中注意力。

種族歧視（Racial Discrimination）

Read AI曾引起爭議，其情緒分析工具被認為過于侵入性，可能存在偏見和數(shù)據(jù)安全風(fēng)險。性別和種族偏見在情感分析算法中普遍存在。情緒分析模型傾向于將更多的負面情緒分配給黑人的臉上，而將一些黑人使用的語言視為攻擊性或有毒的。

研究表明，人工智能視頻招聘平臺對同一名求職者佩戴不同服裝的反應(yīng)不同。在麻省理工學(xué)院的一項研究中，算法可能會對某些面部表情產(chǎn)生偏見，比如微笑，這可能會降低它們的準確性。

客戶可以禁用該功能，并且分析數(shù)據(jù)會定期從Read的服務(wù)器上刪除。

盡管存在爭議，Shim仍然認為Read的情感分析技術(shù)是一種競爭優(yōu)勢，用戶使用多模態(tài)模型可以讓Read將非語言反應(yīng)融入會議摘要中，并為每次會議創(chuàng)建參與度和情緒的自定義基線。

參考材料：

https://www.deputy.com/blog/how-much-time-americans-spend-in-meetings

https://techcrunch.com/2024/04/02/read-ai-expands-its-ai-powered-summaries-from-meetings-to-messages-and-emails/

https://www.prnewswire.com/news-releases/survey-nearly-9-in-10-marketers-and-communicators-have-already-experimented-with-ai-in-their-workand-most-are-now-regular-users-301892686.html

https://techcrunch.com/2021/09/29/read-ai-raises-10m-creates-virtual-meeting-dashboard-to-show-you-when-you-talk-too-much

https://www.geekwire.com/2024/read-ai-raises-21m-from-goodwater-and-madrona-adds-ai-summaries-for-email-and-messaging/