在当前，娱乐内容平台争相抢占用户的闲暇时间，竞逐着注意力的控制权。然而，在工作场景中，却是完全相反的逻辑：即，谁可以帮助用户节省时间，避免被无故频繁打扰，谁就可以迅速占领用户心智，拿下自己的城头阵地。

Read AI 从会议 AI 助手切入并构建产品 MVP，希望成为个人工作会议的 autopilot，解决会议中和会议后的关键问题。Read AI 还在继续扩展信息传递媒介（Message、Email、Meet），并尝试打通更多办公软件，从会议信息端切入工作任务执行的自动化。

产品介绍

产品：Read AI

创立时间：2021 年

创始人：David Shim，CO-FOUNDER，CEO，Foursquare 前首席执行官，Placed 网站创始人兼首席执行官 (2017 年被 Snapchat 收购)

产品简介：

通过 AI 生成的摘要、文字记录、视频会议回放和重点视频总结，提高了使用者在不同形式沟通过程（会议、电子邮件和即时消息）中的效率。

融资情况：

• 2021 年，获得种子轮 1000 万美元投资，投资方为 Madrona Venture Group 和 PSL Ventures，资金用于研发产品 MVP 版本，Feature list 主要为 Meeting Dashboard、Meeting Summary。
• 2023 年，获得 A 轮 2100 万美元投资，投资方为 Goodwater 和 Madrona，资金用于在 MVP 版本上拓展 Feature List，将产品赋能的领域从视频语音会议拓展到电子邮件和即时信息。

产品 PMF：

人们延误越来越长时间的会议

根据 Deputy 对 2000 多名美国工作者的调查显示，部分美国工作者每周需要参加 8 小时以上的会议。较长时间的会议、多角色讨论以及会议后需要执行的行动，都让与会者承担了较大的负担。例如，29% 的美国女性工作者表示她们对在会议中的讨论感到十分担忧，而另外 29% 的美国男性工作者则认为准备会议报告是最棘手的问题。

若要了解某件事情的重要性，观察人们愿意为其付出怎样的代价是关键。据调查显示，25% 的美国工作者宁愿忍受交通拥堵也不愿意参加公司会议，17% 的美国工作者宁愿去履行陪审团职责。此外，还有 58% 的人宁愿前往医生的诊所。这些数据清晰地反映了人们对于长时间会议的厌恶，以及他们更倾向于选择避免会议带来的不便和压力，而选择更加有价值的活动。

根据 Grand View Research 的研究报告显示，2021 年全球视频会议市场规模达到 62.8 亿美元，预计在未来的 2022 年到 2030 年间将以 12.5% 的复合年增长率 (CAGR) 稳健增长。这一增长趋势的主要推动力源于远程工作的兴起、地理分散的业务运营和全球化的不断加深。

此外，教育和医疗保健行业对视频会议解决方案的需求不断增长，也为市场的扩张提供了新的动力。特别值得注意的是，在 COVID-19 大流行期间，视频会议行业经历了快速的发展，因为远程工作和远程学习的需求急剧增加。

Bingo，市场规模巨大（2021 年达到 62.8 亿美元）、需求频繁（每周 8 小时）且强烈（愿意付出较高的代价）的痛点凸显无疑。

Read AI 如何构建产品

从 0 到 1

在确定解决问题的方向后，下一步就是将精力集中在一个关键点上，通过专注和全力以赴来解决它。那么，Read AI 选择了什么关键点呢？如果我们按照常见的 PDAC 模型进行拆解，会发现会议管理可以分为四个关键部分：

P 阶段：会前准备

在会议前，我们需要制定会议议程和目标，明确参会人员和时间，以及准备必要的资料和设备。这个阶段的重点在于确保会议的顺利进行和高效达成目标。

D 阶段：会中执行

在会议进行时，我们需要按照制定的议程进行会议，鼓励参会人员积极参与讨论，并及时记录重要的观点和决策。这个阶段需要确保会议的流程顺畅，参与者的活跃程度和讨论的深入程度。

C 阶段：会后检查

在会议即将结束时，我们需要检查会议的结果，评估是否达到预期的目标，并收集参会人员的反馈和建议。这个阶段的目的在于审视会议的效果，并及时调整和改进。

A 阶段：会后总结和改进

在会议结束后，我们需要对会议进行总结和反思，并采取必要的改进措施。这个阶段的目标是从会议中汲取经验教训，并优化未来的会议体验。

Read AI 在 MVP 版本中选择了会议中和会后的关键环节。利用 10M 美元的种子轮投资，他们针对会议中的人员参与度问题推出了 Dashboard 来检测会议成员的参与度；而针对会议结束后的总结和行动，他们推出了 Meeting Summaries，通过 AI 对会议内容进行总结，并将行动推送给相关人员。

通过这样的策略，Read AI 不仅成功解决了会议中和会后的关键问题，而且在从 0 到 1 的初创阶段就树立了可持续发展的基础，为其未来的快速发展打下了坚实基础。

从 1 到 10

即时消息、邮件和会议这三种沟通方式的相同之处在于它们都是沟通工具，符合基本的沟通要素：信息接收方、信息发送方和信息内容。然而，它们在信息量、即时性要求和信息传递频率等方面存在着明显的区别：

即时消息：信息量相对较少，对即时性的要求一般，信息在接收方和发送方之间以中高频的速度传递。

邮件：信息量适中，对即时性的要求较低，信息在接收方和发送方之间以低频的速度传递。

会议：信息量较大，对即时性的要求较高，信息在发送方和接收方之间以高频的速度传递。

不难看出，会议的信息密度最为高，并且即时性和信息传递频率都远远高于邮件和即时消息。因此，当 Read AI 团队将会议总结和任务分派的能力打磨完善后，也就顺理成章将 Feature list 从会议拓展到了其他两个新的沟通方式：邮件和即时消息。这是一种在攻克领域制高点后，利用自身优势对低洼地带的降维打击。在功能更加完善后，Read AI 在近期的三个月中收获了 50 万用户的认可，并获得了 Goodwater Capital with Madrona Venture Group 的 2100 万美金的 A 轮投资。

产品功能

Read AI 想要传递给用户的价值主张很清晰：Smarter。针对工作信息的主要传递媒介（Message、Email、Meet），实现更高效的信息传递和信息沉淀。

目标用户定位于在工作场景中需要频繁进行会议沟通的工作人员。相比于 copilot，Read AI 更希望能做到一种 autopilot 的智能化，以解决如下用户需求：

我不喜欢工作会议，我希望有东西可以代替我去向其他人传达我的信息，我也能快速从其他人那里获取我希望获得的信息。

自动起草会议摘要，并将后续的项目执行方案分配给合适的人，这些后续任务可能会占用大量的空间。

基于会议工作的主要场景，Read AI 构建了包括会议实时工具、Dashboard 数据分析、会议总结、会议推荐等功能模块：

Read Meeting Tools & Metrics：Read Meeting Tools & Metrics 是一款视频会议应用程序，通过实时测量参与度和情绪，引导会议朝着更好的结果发展；

Read Dashboard：Read Dashboard 是专业的数据分析师，可以审查会议并提供个性化的会议分析、协作见解和建议；

Meeting Summary：Meeting Summary 是会议记录仪，提供文字记录，摘要，主题，行动项目，关键问题，以及每次会议后的视频回放；

Recommendations：Recommendations 是会议审核员，基于用户以往的沟通数据，它将自动优化会议邀约，以减少与会者，提高参与度和更好的结果；

除此之外，ReadAI 还尝试延伸到工作自动化领域，通过后台集成的方式，通过 Zapier 与数千个其他应用程序连接起来，并自动化工作流程，以提升工作效率。此时 Read AI 变成了一个工作执行的信息 Trigger，基于这些信息指令，自动化安排后续的工作任务，甚至自动执行这些任务。

Read AI 还在与更多的平台打通，成为了诸如 Notion、Zoom 等产品生态中的重要一环。这一举措不仅可以利用 Notion 等产品自身的用户群体为自身带来流量，还可以获取用户在 Notion、Zoom、Microsoft 等平台上的内容，为用户生成摘要并安排会议和任务。同时，Read AI 自身对多个产品的连接也形成了规模效应：连接的产品越多，为用户提供的服务也就越全面，价值也就越大，积累的用户数量也会越多，从而形成了正向循环飞轮。

正如 CEO Shim 所说：「这种互联的情报将你的沟通统一起来，使你和你的团队能够根据你的需求和优先事项量身定制个性化的、可操作的简报。」

收费怎么做？

Read AI 针对不同的客户群的会议痛点设计了不同的产品附加功能，并基于此进行商业化。

面向免费用户提供基础的 Free 版本：Free 版本帮助用户体验基础功能，也是 PLG 漏斗转化的关键。在这个版本提供了基本的会议总结和报告，以便更好地进行会议；

面向 VSB 客户的 Pro 版本：Pro 版本加入了团队协作的概念，例如团队报告、管理控制以及无限的会议；

面向 SMB 客户的 Enterprise 版本：在 Enterprise 版本中，最大的不同是加入了会议视频解析、注释和精彩片段回放；

面向 KA 客户的 Enterprise+版本：在上一个版本的基础上，KA 客户对安全性、控制和支持的组织能力要求更高，因此在身份验证、域名捕获等方面做了相应产品升级，为大型企业提供 SSO + SAML 等服务。

如何让 AI 更可控？

幻觉生成（Hallucination Generation）

模型在总结会议内容时可能会出现错误，因为它们倾向于产生幻觉，这也包括像 ChatGPT 和微软的 Copilot 这样的模型。近期的一篇《华尔街日报》文章引用了一个例子，一个早期使用 Copilot 的人在会议中，Copilot 虚构了与会者，并且暗示讨论的话题实际上并未真正讨论过。

Read AI 是一种新的工具，与竞争对手如 Supernormal 和 Otter 不同。Shim 声称 Read 比许多现有解决方案更强大，因为它采用专有的方法协调原始内容和语言模型输出，从而自动检测并适当引导偏差。此外，Read 可以更好地将会议内容与电子邮件和消息内容置于环境中，从而进一步减少不确定性并提高结果。

然而，对于 Shim 的这些说法，一些人持保留态度。他没有分享基准测试结果来支持这些断言，而是强调了生产力提升总结工具的潜力。Shim 表示，Read 可以替代参加会议，并提供优于即使是最好的行政助理也无法比拟的摘要和行动计划，而不受迟到或被重复预约的限制。他还强调，Read 不会使用客户数据来训练其人工智能模型，用户对通过该平台的内容拥有「完全控制」，并且每天为知识工作者节省了数小时，让他们能够重新集中注意力。

种族歧视（Racial Discrimination）

Read AI 曾引起争议，其情绪分析工具被认为过于侵入性，可能存在偏见和数据安全风险。性别和种族偏见在情感分析算法中普遍存在。情绪分析模型倾向于将更多的负面情绪分配给黑人的脸上，而将一些黑人使用的语言视为攻击性或有毒的。研究表明，人工智能视频招聘平台对同一名求职者佩戴不同服装的反应不同。在麻省理工学院的一项研究中，算法可能会对某些面部表情产生偏见，比如微笑，这可能会降低它们的准确性。

客户可以禁用该功能，并且分析数据会定期从 Read 的服务器上删除。

尽管存在争议，Shim 仍然认为 Read 的情感分析技术是一种竞争优势，用户使用多模态模型可以让 Read 将非语言反应融入会议摘要中，并为每次会议创建参与度和情绪的自定义基线。

本文来自微信公众号“Founder Park”，作者 SenseAI