本文来自微信公众号： 深思圈 ，作者：Leo，原文标题：《Benchmark 5000万美元押注：下一个独角兽是让实习生也能造AI Agent》
企业软件的历史就是一部工具民主化的历史。从只有程序员能用的命令行，到人人都能操作的图形界面，再到后来让非技术人员也能拖拽搭建网页的可视化编辑器。每一次变革都在降低技术的使用门槛，让更多人能够利用技术的力量。现在，我们正站在下一个临界点：让每个员工都能成为AI agent的构建者。想象一下，公司里的市场营销实习生可以在几分钟内构建一个AI agent来自动化邮件营销流程，财务人员可以创建一个agent来处理发票对账，客服团队可以部署一个agent来分类支持工单。这不需要他们懂编程，不需要他们理解复杂的技术架构，只需要他们理解自己的工作任务。
Gumloop刚刚宣布完成5000万美元的B轮融资，由Benchmark领投，Nexus VP、First Round Capital、Y Combinator、Box Group、The Cannon Project和Shopify Ventures参与跟投。这家成立于2023年中的创业公司，正在将这个看似遥远的愿景变成现实。他们的平台已经被Shopify、Ramp、Gusto、Samsara、Instacart和Opendoor等知名公司采用，帮助这些企业的员工构建和部署自主执行复杂工作流程的AI agent。我深信，这轮融资背后代表的不仅是资本对一家创业公司的认可，更是对整个企业自动化范式转变的押注。
为什么现在是AI Agent普及化的关键时刻
我一直在思考一个问题：为什么AI agent的概念早就存在，但直到现在才开始真正进入企业的日常工作流程？答案其实很简单，技术终于跟上了愿景。当Gumloop的创始人Max Brodeur-Urbas在2023年中创立这家公司时，他的愿景是帮助非技术员工使用AI自动化重复性任务。那时候，AI agent的概念还很实验性，错误率很高，可靠性堪忧。但在过去六个月里，大语言模型的能力出现了戏剧性的提升，这彻底改变了游戏规则。
现在的大语言模型不仅能理解复杂的自然语言指令，还能够稳定地执行多步骤任务，处理各种边缘情况，并在出错时进行合理的恢复。这种能力的提升让AI agent从"有时候能工作"变成了"可以可靠地工作"。而这正是企业愿意大规模采用的前提条件。没有人愿意部署一个只有70%成功率的自动化系统，但当成功率达到95%甚至更高时，情况就完全不同了。
我观察到，Gumloop的成功时机把握得非常精准。他们在过去两年里一直在构建认证层、企业级可观测性和安全功能，同时打磨用户体验。当模型能力终于达到可以将所有这些组件整合在一起的水平时，就形成了完美风暴。这不是运气，而是对技术演进趋势的深刻理解和耐心等待。Brodeur-Urbas在宣布融资的博客文章中明确提到，过去六个月大语言模型的快速改进加速了他们的产品路线图，模型终于足够好了，可以将所有功能整合在一起。
从更广阔的视角来看，我认为我们正处在企业AI采用的拐点。过去，AI主要是大型科技公司和有充足资源的企业才能玩得起的游戏。但现在，随着基础模型能力的提升和像Gumloop这样的平台的出现，中小企业甚至初创公司都可以让每个员工拥有AI的超能力。这种民主化的趋势将彻底改变商业竞争的格局，因为竞争优势将不再仅仅取决于谁拥有最多的资源，而是谁能最快地让整个组织变得AI原生。
Gumloop到底是什么
简单来说，Gumloop是一个让任何人都能构建AI agent的平台。但这个简单的描述背后隐藏着巨大的技术复杂性和产品设计智慧。我仔细研究了他们的产品架构后发现，Gumloop实际上由三个核心组件构成，每个组件都解决了企业采用AI agent的关键障碍。
第一个组件是Gumloop Agents，这是主动式的AI agent，公司里的任何人，从市场营销实习生到CEO，都可以在几分钟内构建出来。这些agent可以连接到数百个应用程序，并原生部署在Slack、Microsoft Teams或电子邮件等工作空间中。我认为这个设计非常聪明，因为它不需要用户改变现有的工作习惯。员工已经在Slack里沟通，已经在邮件里处理任务，AI agent直接嵌入到这些熟悉的环境中，而不是要求用户学习使用一个全新的界面。
第二个组件是核心的Gumloop平台，它让团队能够协作构建、分享和编排整个业务中的agent和自动化流程。这里有一个我特别欣赏的设计：员工可以分享他们构建的agent。这创造了一种复合效应，加速了内部自动化的采用。想象一下，销售团队的某个人构建了一个agent来自动更新CRM系统，他可以把这个agent分享给整个销售团队，甚至其他部门的同事。其他人可以直接使用这个agent，或者在它的基础上进行修改以适应自己的需求。这种自下而上的传播方式比传统的自上而下的IT部署要快得多、有效得多。
第三个组件是Gumstack，这是专门为安全团队构建的平台，用于监控和控制整个组织的agent数据使用情况。这个组件解决了企业采用AI时最大的顾虑之一：安全性和合规性。Gumstack不仅追踪在Gumloop上的数据使用，还记录和审计整个组织中所有工具调用，包括Claude Code、ChatGPT、Cursor和内部自定义agent等。所有这些都被记录下来并可审计。这让安全团队在AI agent推广过程中拥有完全的清晰度和信心。
我发现，Gumloop的产品设计体现了对企业AI采用障碍的深刻理解。技术能力只是一方面，易用性、可分享性和安全性同样重要。如果一个平台只有强大的功能但学习曲线陡峭，非技术用户不会用；如果没有分享机制，采用速度会很慢；如果没有企业级安全控制，IT部门不会批准。Gumloop把这三个方面都考虑到了，这正是他们能在众多竞争对手中脱颖而出的原因。
模型无关性：Gumloop的杀手锏
在研究Gumloop的过程中，我发现了一个特别有意思的战略选择：他们坚持模型无关性（model-agnostic）。这意味着他们的平台不绑定任何特定的AI模型提供商，用户可以根据具体任务选择OpenAI、Anthropic、Google的Gemini或开源替代方案。乍一看，这似乎只是一个技术实现细节，但深入思考后，我认为这是一个极其聪明的战略决策，可能决定了Gumloop的长期竞争力。
领投本轮融资的Benchmark合伙人Everett Randle明确指出，虽然很多AI创业公司担心基础模型会复制相同功能并让他们过时，但他坚信Gumloop的模型无关方法正是持续吸引客户的关键。他的逻辑很简单：随着模型的不断演进，某个模型可能在特定任务上表现得比其他模型更好。所以，Gumloop提供了在任何给定时刻选择最适合工作的模型的灵活性。
我认为这个观点非常深刻。AI模型领域的竞争非常激烈，几乎每个月都有新的模型发布，性能排行榜不断变化。今天GPT-4可能在某个任务上是最好的，明天Claude可能超越它，后天又可能是Gemini。如果一个平台只支持一个模型提供商，用户就会被锁定，无法利用新模型的优势。而模型无关的平台则可以让用户始终使用最佳的工具。
更重要的是成本考虑。Randle提到，许多企业拥有OpenAI、Gemini和Anthropic的额度。他们希望充分利用所有这些额度。这不仅是为了节省成本，也是为了风险分散。依赖单一模型提供商存在供应链风险，如果那个提供商出现服务中断或价格大幅上涨，整个业务可能受到影响。而模型无关的方法让企业可以灵活分配任务，根据性能、成本和数据敏感性进行优化。
举个具体例子，财务团队可能会选择较小的确定性模型来处理发票，因为这个任务相对简单，不需要最强大的模型，使用更便宜的模型可以节省成本。而客户支持团队可能会选择能力更强的模型，配合严格的检索和删减功能，因为他们需要处理更复杂的客户查询，并且需要确保不泄露敏感信息。这种按需选择最佳模型的能力，正是Gumloop平台的核心价值之一。
从长远来看，我相信模型无关性还有一个更深层的战略意义：它让Gumloop的核心价值从"提供AI能力"转移到"提供编排层"。随着AI模型的能力趋同，真正有价值的将是连接器、工作流逻辑、监控和策略这些编排层组件。这些是需要深度集成企业现有系统、理解业务流程、确保安全合规的部分，也是最难被模型提供商复制的部分。Gumloop正是在构建这个持久的企业资产。
为什么Gumloop能击败竞争对手
Gumloop并不是市场上唯一试图让知识工作者成为AI agent构建者的平台。他们面临来自Zapier和n8n等成熟自动化平台的激烈竞争，也有像Dust这样的专业agent构建工具。甚至基础AI实验室也在进入这个领域，比如Anthropic的Claude Cowork就允许用户在不写一行代码的情况下创建自主agent。那么，Gumloop凭什么能在这么多竞争对手中脱颖而出？
Randle在尽职调查过程中发现的一个案例非常能说明问题。他发现Gumloop的一个客户是相对自然地采用了这个平台。当Randle问一位CTO他们为什么选择Gumloop时，得到的回答很有启发性。这家公司让员工完全访问Gumloop和两个竞争对手的平台。六个月后，员工每天或每周都在使用Gumloop，而竞争工具几乎没人碰。这种用脚投票的结果比任何营销材料都更有说服力。
Gumloop获得这种势头的原因，根据Randle的说法，是其极低的学习曲线。他说："你可以立即开始制作agent和工作流自动化。"这听起来很简单，但实际上非常难做到。大多数自动化工具都有一个共同问题：功能越强大，学习曲线越陡峭。要么提供简单易用但功能有限的工具，要么提供功能强大但复杂难学的系统。Gumloop似乎找到了这两者之间的完美平衡点。
我认为这种平衡来自于Gumloop团队对用户体验的极致关注。Brodeur-Urbas在博客中提到，他们每天都与用户坐在一起，让用户的反馈塑造每一次产品更新。他们飞到客户的办公室，参加了数千次客户电话，举办了数百场工作坊，当天就发布用户要求的功能，并在私人Slack频道中回答了超过8000个客户问题。这种对客户的痴迷不仅体现在产品功能上，更体现在产品的易用性上。
另一个Gumloop的竞争优势是其企业级功能的完整性。很多自动化工具是为个人用户或小团队设计的，缺乏企业需要的安全性、合规性和治理功能。而Gumloop从一开始就在构建单点登录、基于角色的访问控制、数据驻留控制和工作流级策略执行等企业级功能。这让他们能够服务于Shopify、Ramp这样的大型企业，而不仅仅是中小型公司。
我还注意到一个有趣的细节：Gumloop提供预构建的模板，让团队可以快速部署用于支持分类、报价到现金运营、供应商入职和目录管理等场景的agent。这些模板可以在几小时内调整，而不是几个月。这大大降低了从零开始构建agent的门槛，让用户可以先使用模板快速看到价值，然后再根据自己的特定需求进行定制。这种"先快速赢得小胜利，再逐步深化"的策略，正是推动企业内部AI采用的有效方式。
AI原生文化的形成
在研究Gumloop的过程中，我发现了一个特别有意思的现象：员工会对构建AI agent上瘾。Brodeur-Urbas在接受TechCrunch采访时说："他们会上瘾，开始构建更多agent，然后突然之间，整个公司都变成AI原生的了。"这句话让我深思，因为它揭示了一种自下而上的组织变革机制，这种机制可能比任何自上而下的IT部署都更强大。
传统上，企业采用新技术的方式是这样的：高层决策者决定采用某个系统，IT部门负责部署，然后强制要求员工使用。这种自上而下的方式往往遭遇巨大阻力，因为员工觉得这是被强加的，他们没有参与决策，也没有看到这个新系统如何真正帮助他们的日常工作。结果就是采用率低、满意度差、投资回报率不理想。
而Gumloop创造的是一种完全不同的采用模式。当一个员工构建了一个agent来自动化自己的重复性任务，他会立即看到效果：省下了大量时间，减少了无聊的手工操作，可以专注于更有意义的工作。这种即时的价值感会激励他构建更多agent。同时，由于agent可以分享，他的同事看到他的agent带来的价值后，也会想要使用或构建自己的agent。这就形成了一种病毒式传播效应。
我认为这种自下而上的AI采用方式有几个关键优势。它是由真实需求驱动的，而不是由技术推动的。员工构建agent是因为他们真的需要自动化某个任务，而不是因为公司要求他们使用某个系统。它创造了积极的反馈循环。每次成功的自动化都会增强员工对AI的信心，鼓励他们尝试更多自动化。它培养了学习文化。员工不是被动地接受培训，而是主动地探索、实验和分享最佳实践。
更深层次来看，这种模式正在改变组织的DNA。当越来越多的员工习惯于用AI解决问题时，整个组织的思维方式就会发生转变。人们不再想"我该如何手工完成这个任务"，而是开始想"我能否构建一个agent来自动化这个任务"。这种思维转变会渗透到组织的各个层面，最终让整个公司变得AI原生。这不是一夜之间发生的，但一旦这种文化形成，其影响将是深远和持久的。
Benchmark的Randle显然也看到了这一点。他认为成功的关键在于赋予每个员工AI超能力，而Gumloop的直观agent构建器正是解锁这种潜力的工具。他选择领投Gumloop的5000万美元B轮融资，这是他在去年10月从Kleiner Perkins加入Benchmark后的第一笔投资，这个选择本身就说明了他对这种自下而上AI采用模式的信心。
企业自动化：一个巨大的金矿
Randle在谈到Gumloop时说了一句话让我印象深刻："企业自动化是一个巨大的金矿。我认为这是企业AI中最大的类别。"这个判断背后的逻辑是什么？为什么企业自动化会是如此巨大的机会？
我认为答案在于，几乎每个企业都有大量的重复性任务，这些任务消耗了员工的大量时间，但并不真正需要人类的创造力或判断力。想想那些日复一日的操作：更新CRM记录、处理发票、分类支持工单、准备RFP文档、核对数据、发送例行邮件等等。这些任务必须完成，但它们并不能真正发挥人类员工的价值。如果这些任务可以自动化，员工就可以把时间投入到真正需要人类独特能力的工作上，比如创造性思考、战略规划、建立关系、解决复杂问题等。
从企业的角度看，这代表着巨大的生产力提升潜力。如果一个公司有1000名员工，每个人每天花2小时做重复性任务，那就是每天2000工时。如果能将这些任务自动化，相当于释放了相当于250名全职员工的生产力。这不仅节省了成本，更重要的是让现有员工能够创造更多价值。而且，自动化通常比人工操作更准确、更快速、更一致，这进一步提升了整体效率和质量。
市场规模也支持Randle的判断。根据各种市场研究，全球企业软件市场价值数千亿美元，而其中很大一部分都与工作流自动化和生产力工具有关。传统的自动化工具，如Zapier，已经证明了这个市场的巨大需求。但传统工具有一个根本限制：它们只能自动化相对简单、明确定义的工作流。复杂的、需要判断的、涉及多个步骤和决策点的任务，仍然很难自动化。而AI agent正是突破了这个限制，让更复杂的任务也可以自动化。这大大扩展了可自动化任务的范围，也相应扩大了市场机会。
我还注意到，Gumloop虽然本轮没有主动寻求新资本，但决定今年是"踩油门"的时候。对于Brodeur-Urbas来说，与Benchmark合作——这家支持过eBay、Uber和Dropbox等标志性公司的风投——是一个"不费脑筋的决定"。这说明他们看到了巨大的市场机会，需要快速扩张以抓住这个机会。虽然Brodeur-Urbas之前计划"建立一个10人、价值10亿美元的公司"，但来自企业客户的汹涌需求迫使他建立专门的销售团队并扩大工程团队。这种需求的激增正是验证了企业自动化市场巨大潜力的最好证据。
我对未来的思考
看着Gumloop的发展轨迹和整个AI agent领域的演进，我对未来有一些思考和预测。我相信我们正处在一个重要的转折点，AI agent将从实验性工具转变为企业运营的核心组成部分。这个转变会带来深远的影响，不仅改变企业的工作方式，也会重塑整个软件产业的格局。
从技术演进的角度看，我预计未来几年我们会看到AI agent能力的持续提升。随着基础模型变得更强大、更可靠，agent能够处理的任务复杂度也会不断增加。现在的agent主要处理相对标准化的任务，但未来它们可能能够处理需要更多创造性和判断力的工作。这种能力的提升会进一步扩大自动化的边界，让更多类型的工作可以被agent辅助或完全自动化。
竞争格局方面，我认为我们会看到进一步的整合和分化。一方面，会有更多像Gumloop这样专注于特定细分市场或用例的专业化平台出现。另一方面，大型云服务提供商和企业软件公司也会将agent功能集成到他们的现有产品中。这种竞争会推动整个领域的创新，但也意味着像Gumloop这样的独立平台需要不断强化他们的差异化优势。我认为模型无关性、企业级安全性和卓越的用户体验将是关键的竞争要素。
对企业组织的影响可能是最深远的。我相信我们会看到工作性质的根本转变。随着越来越多的重复性任务被自动化，人类员工的角色将更多地转向监督、指导和优化AI agent，以及从事需要创造力、同理心和复杂判断的工作。这要求企业重新思考人才战略、培训计划和组织结构。那些能够成功进行这种转变的企业将获得巨大的竞争优势，而那些抵抗变革的企业可能会被淘汰。
我也看到一些需要警惕的风险。随着AI agent在企业中变得无处不在，数据安全和隐私保护变得更加关键。如果agent可以访问敏感数据并自主执行操作，那么确保它们不会泄露信息或执行未授权的操作就至关重要。这就是为什么像Gumstack这样的安全和监控工具如此重要。企业需要在赋予员工AI能力和保持适当控制之间找到平衡。
另一个值得关注的问题是AI agent对就业的影响。虽然我相信自动化会提高整体生产力并创造新的机会，但短期内确实可能导致某些岗位的消失或转变。企业和社会需要思考如何帮助员工适应这种转变，提供必要的培训和支持，确保技术进步能够惠及所有人，而不是加剧不平等。
从投资角度看，Gumloop获得5000万美元融资只是开始。我预计未来几年我们会看到更多资本流入这个领域，不仅是风险投资，还有战略投资和并购活动。随着AI agent平台变得越来越重要，大型企业软件公司可能会通过收购来获得这种能力。这创造了一个充满活力的生态系统，也意味着像Gumloop这样的早期领导者有巨大的发展空间。
最终，我相信AI agent的普及化代表了软件发展的自然演进。就像图形界面让计算机从专家工具变成大众工具一样，AI agent构建平台正在让自动化从IT专家的领域变成每个员工都能掌握的技能。Gumloop正站在这场变革的前沿，他们的成功不仅将为投资者带来回报，更重要的是，将帮助无数企业和员工释放生产力，专注于真正重要和有意义的工作。这才是技术进步的真正价值所在。