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。
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。
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。”
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。
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。
粤ICP备14082021号
免费POC，
零成本试错
