公司花大钱买了福利，员工却不知道该用什么、从哪问起。西雅图的 Avante 刚完成 3000 万美元 A 轮融资，由 Frist Cressey Ventures 领投，它做的事是把员工的提问和企业怎么花这笔钱接起来。

你有没有遇到过这样的情况，公司发来一份很长的福利说明，你知道里面应该有些对自己有用的东西，但平时没空细看，等到家里真的有人需要帮助，又不知道该从哪里找起？这时候，把文件再发一遍，大概也解决不了问题。

西雅图的 Avante 就在做这件事，它刚完成 3000 万美元 A 轮融资，由 Frist Cressey Ventures 领投。它的产品一头帮助员工弄清楚自己能用哪些福利，另一头帮助企业管理这些福利。创始人 Rohan D’Souza 想解决的，是公司花了钱、买了服务之后，那些服务到底有没有帮到人。

这家公司让我感兴趣的地方，是它把一个容易被当成客服的问题，接到了企业怎么花钱上。员工反复问不明白的事，也可能正是负责福利的人一直看不清的事。把这两边连起来，才有机会知道，到底是解释不够清楚，还是买来的东西本来就不合适。

Avante 本轮融资的投资机构。图片来自 Avante

01 他做过医疗 AI，这次把产品做给了企业里管福利的人

Rohan 之前在医疗 AI 公司 KenSci 做过早期产品工作，也担任过 Olive AI 的首席产品与技术官。和他一起创办 Avante 的 Carly Eckert 是医生，长期从事流行病学和医疗数据相关工作，另一位联合创始人 Kabir Shahani 则创办过客户数据平台 Amperity。几个人过去的工作，都和如何把分散的数据用起来有关。

医疗数据听上去离一家企业的人力资源部门很远，但在美国，企业给员工购买的医疗保障恰恰是一笔很大的支出。Rohan 关心的是，医院和保险公司已经有许多技术投入，企业里负责买单、选择福利方案的人，却还在靠邮件和表格把事情拼起来。他决定把产品做给这群人，而员工能不能把福利用明白，也从一开始就放进了产品里。

我觉得这个选择比“又一家医疗 AI 公司”更容易讲清楚。给同一个行业做软件，选不同的人当用户，产品会差很多。保险公司想知道一笔费用该不该付，员工想知道自己应该找谁，企业则要判断明年还要不要继续买这个服务。大家看的可能是同一批数据，想解决的问题却完全不同。

Avante 从 2023 年底开始研发，2025 年 4 月正式推出。早期它和几家企业一起调整产品，其中包括 Zscaler 和 Real Chemistry。先跟着实际负责福利的人把工作做一遍，再决定 AI 应该接手哪些部分，这个顺序比较符合它面对的情况。这样的产品如果只凭开发者想象，很容易把“能回答问题”误当成“能帮人把事情办好”。

Avante 联合创始人兼 CEO Rohan D’Souza。图片来自 Avante

02 员工不知道该问什么，福利助手就不能只等着回答

Avante 给员工用的助手叫 Carly，它按照这家企业自己的福利方案回答问题，支持 80 多种语言，也可以出现在员工原本就在使用的工具里。回答之前，它需要弄清楚眼前这个人参加了哪个方案、适用哪些条件，然后再告诉他接下来可以做什么。只解释某种保险一般怎么运作，对个人的帮助很有限。

可以想象一个很具体的场景。你想替孩子找心理支持，知道公司有医疗保险，于是只问保险能不能覆盖。公司也许另外购买了一项面向员工家庭的服务，但你不知道它存在，自然不会主动问它。一个只照着问题检索文件的工具，很可能把医疗保险的条款解释得很好，然后就结束了。

我觉得这里的区别，和一个熟悉公司福利的同事很像。你说完自己的情况，他会想到你没有提到的那项服务，告诉你还可以从那里试试。我们希望 AI 做到的，是在已有方案里找到和这个人有关的选择，解释为什么适用，同时把不能确定的地方交给能处理的人。

这也决定了，做福利助手不能只统计回答了多少条问题。回答完以后，员工是否知道该联系谁，能否找到需要的服务，才和他的处境有关。如果问完仍然要自己翻文件、重新找人确认，系统里的对话记录增加了，他的事情却还没有向前走。

Carly 的福利问答入口，图中为产品演示界面。图片来自 Avante

03 三星半导体的例子，让这件事变得具体了

三星半导体的福利团队使用 Avante 时，发现了一种很容易被忽略的情况。公司已经购买了心理健康服务 Lyra，但一些员工家属仍然通过原有医疗保险寻找帮助，没有先使用这项已有的服务。团队把不同来源的使用数据放到一起之后，才看到了这个差别。

接着，他们针对相关家庭调整了沟通方式，让这些人知道自己还可以使用 Lyra。Avante 展示的这个案例里，从 5 月开始沟通到 6 月底，相关服务的使用量增长了 66%。这里发生的是员工开始使用已经购买的服务，不能把这个数字理解成治疗效果提高了 66%。

这个过程很值得做产品的人想一想。我们通常把功能发布出去，就默认用户有需要时会来找。可用户先得知道这个东西存在，还得知道它跟自己的问题有关。如果他用来描述问题的方式，和产品介绍里使用的词不一样，两边就可能一直对不上。

公司福利尤其容易发生这种情况。企业采购时按服务类别买，员工遇到事情时按自己的生活提问。对负责采购的人来说，一份方案已经很完整；对员工来说，他只想知道孩子眼下能去哪里得到帮助。把这两种表达接起来，本身就有价值，并不一定需要再买一项新服务。

同一个案例里，三星半导体的福利负责人 Sarah Schutzberger 提到，过去数据主要由各家服务商分别提供，团队很难放在一起理解。员工这边用不用得起来，企业这边看不看得明白，其实需要一起解决。否则，员工不知道可以用什么，负责福利的人也可能把较低的使用量理解成大家没有需求。

04 买了一项服务以后，企业还得知道它做得怎么样

给福利团队使用的另一个助手叫 Ava，它处理的是方案、合同和实际使用情况之间的关系。Avante 的技术负责人 Nick Cecil 举过一个例子，一家公司想判断某个专项药品项目值不值得继续投入，需要先向顾问要数据，再由顾问从服务商那里收集，分析完成以后，还得和企业内部的财务数据重新核对。

这个过程里，大家对同一项服务的叫法、统计方式可能都不一样。即使每个人都认真完成了自己那部分，最后负责决策的人仍然要花时间把它们对应起来。模型能读懂一份 PDF，当然有帮助，但读懂以后，还得知道它和其他文件讲的是不是同一件事。

对软件公司来说，这里面有一大块工作不太适合拿来做演示。把两个系统里的字段对齐，查明某份数据覆盖哪些员工，处理供应商改过的文件格式，做起来都很具体，也不容易让观众兴奋。但这些地方如果没有处理好，后面的分析越流畅，反而越容易让使用者忽略错误。

我比较认同 Avante 从这些实际流程入手的做法，因为企业里的判断很少只靠一份文件完成。一个看起来简单的“值不值得续约”，至少要把当初承诺的东西和后来发生的情况放在一起。让 AI 参与这项工作，需要有人先把这种对应关系整理清楚。

这也给做垂直产品的人提出了一个比较实在的问题。客户愿意持续付费，究竟是因为你选用了某个模型，还是因为换一个工具以后，那些已经整理好的关系又得重新处理？模型会越来越容易获得，理解客户工作时积累下来的这些具体东西，可能更能解释为什么一个产品会被留下来。

Ava 将分析整理为报告。图中名称和数据为演示内容，不代表三星实际数据。图片来自 Avante

05 让 AI 继续跟进，也要让人看得见它做了什么

Avante 在 10 月推出了 Ava Agents 的测试版，开始尝试让 AI 接手持续进行的工作。比如供应商季度报告到了以后，系统可以拿它和合同里的承诺比较，找出需要关注的地方，再把结果交给福利团队。使用者也可以给它安排定期任务，不必每次重新打开对话说明一遍。

我很认同它对发送信息的处理。需要联系供应商或者向员工发送信息时，Ava 先准备草稿，等人看过、批准，再继续执行。团队也能打开它正在处理的工作，查看依据，或者调整方向。自动完成多少步骤，应当和使用者能理解、能纠正多少步骤一起考虑。

给供应商发一封信，文字写得对不对，只是其中一部分。对方可能把它当成企业正式提出的要求，员工也可能按一封福利通知安排自己的事情。这些动作背后有关系、有承诺，让负责人先看一遍很合理，不能单凭“技术上已经能自动发”就跳过去。

相比之下，反复收集文件、检查是否漏了一份报告、把相同项目的数字对应起来，都是可以先交给系统做的工作。人留下来处理那些确实需要判断的地方，前提是他能够看到 AI 做了什么。否则，原来花在整理文件上的时间，很可能又花在猜测系统为什么得出这个结论上。

这套功能目前仍在测试阶段，后续要看的也很具体。报告到达以后能不能稳定处理，数据变化以后会不会沿用旧的解释，需要人介入时能不能把原因讲明白。这些反复发生的小事，会决定它最后成为每天都在用的助手，还是偶尔拿出来试一试的工具。

06 我自己的一点思考

Avante 吸引我的地方，在于它面对的需求已经存在很久，而且用户并不缺少解决问题的意愿。公司已经花钱买了福利，福利团队也希望员工用起来，只是从购买到实际使用，中间有许多解释和协调工作没有做好。AI 如果能让这些事情变容易，企业就有理由认真考虑它。

不过，能解释清楚和能让人愿意使用，仍然是两件事。员工可能会担心，自己向公司提供的助手询问某种支持，会不会被不该看到的人知道。产品能回答得再完整，如果用户不愿意把问题问出来，它也帮不上忙。哪些信息会被保存、谁能看到，应该让员工在开口之前就弄明白。

对负责福利的人来说，也不能只追求某项服务使用量上升。服务被更多人用到以后，有没有解决他们原来的问题，企业能否据此调整下一年的安排，都需要继续观察。AI 可以更快地整理这些信息，最后怎么取舍，仍然和企业愿意给员工什么样的支持有关。

所以我更愿意从一个普通员工的角度看它。等到家里真的需要帮助，他能不能直接把情况说出来，得到一个适用于自己的答案，然后顺利联系到能帮忙的人。Avante 值不值得继续关注，就看这样的过程能不能一次次发生。

资料来源：

融资信息原文 https://www.avante.ai/articles/avante-raises-a-30m-series-a-led-by-frist-cressey-ventures

团队背景原文 https://www.avante.ai/company

早期研发与上线原文 https://www.avante.ai/press/introducing-avante

Carly 的产品设计原文 https://www.avante.ai/platform/carly

三星半导体客户案例原文 https://www.avante.ai/resources

客户对原有工作的描述原文 https://www.avante.ai/case-studies/how-samsungs-benefits-team-became-ai-native

Nick 对工作流程的说明原文 https://www.avante.ai/articles/building-enterprise-ai

Ava Agents 的发布说明原文 https://www.avante.ai/articles/introducing-ava-agents-finding-opportunities-following-through