创业公司聚焦：Tugce Bulut 建立 Eloquent AI，以在无需 API 的情况下自动化银行工作流程

为何重要

Eloquent AI 认为，当 AI 在其现有系统内部运行时，金融公司会更快采用它。Bulut 在构建企业方面的经验相关；该公司关于收入和自动化的主张仍然需要更清晰的运营证据。

Tugce Bulut (@TugceBulut) 围绕一个熟悉的企业问题建立了第二家公司：重要工作仍然由在多个从未被设计为互相协作的软件系统之间来回切换的人来完成。她位于旧金山的初创公司，Eloquent AI 希望让 AI 操作员为银行和金融科技公司处理这些基于屏幕的任务，包括客户入职、账户问题和合规工作流程。

该定位来源于一位已经为大型公司客户构建产品的创始人。Bulut 创办了 Streetbees，这是一家通过移动端贡献和机器学习来为品牌分析行为的消费者洞察公司。她的背景还包括战略咨询、在 Cambridge 的培训和相关奖项。Y Combinator 表示 她将其扩展到 200 名员工，筹集了 8000 万美元的风险投资，并与多家财富 500 强客户签下了数百万美元的企业合同。Streetbees 表示 使用深度神经网络来分析消费者提交的故事、照片和视频，为大型消费品公司提供洞察。这段经历让 Bulut 获得了将 AI 驱动的软件销售给企业的经验；但仅凭这些并不能表明金融机构会信任一个在受监管决策上具有自治性的系统。

Eloquent AI 被列入 Y Combinator 的 Spring 2025 batch。其联合创始人，Aldo Lipani，是 University College London 的机器学习副教授。Lipani 拥有博士学位，他之前的工作和研究包括大型语言模型、对话系统与评估。这一学术侧重与 Bulut 的企业构建经验在产品中相遇——该产品最难的考验不是流畅的对话，而是在陌生软件和严格受控流程中保持一致的执行力。

界面即集成

Eloquent AI 的核心产品选择是与金融公司已经使用的软件进行交互。其 产品介绍 表示，AI 从标准操作程序和观察到的员工工作流程中学习，然后控制浏览器和桌面应用来完成多步骤任务。其 Y Combinator 的推出材料 描述了例如解冻账户、身份核验、还款调整和理赔状态更新等示例。目标是避免等待定制 API 集成或工程团队去连接每一个系统。

这种方法针对了一个真实的部署瓶颈。银行的操作可能跨越支持平台、内部仪表盘、客户记录和合规检查表，并且混有较旧的工具。以 API 为先的自动化项目需要系统访问和集成工作，才可以让代理开始行动。屏幕操作型代理理论上可以从员工使用的相同界面开始，从而减少一种实现工作。但它也继承了不同的问题：软件界面会变化、权限可能容易配置错误，而一次错误点击的后果可能超出一个错误回复。

Eloquent AI 表示其专有的多模态模型 Oratio 同时使用语言和视觉信息。其 Y Combinator 的推出材料 描述了安全、可审计的交互、持续模拟和严格评估。这些在金融操作中是重要的设计主张，因为系统需要展示它做了什么以及为何如此。公开的产品描述并未提供足够细节来评估 Eloquent AI 如何测试例外、应对界面变化或决定何时必须由人工接手。

产品也从最初的金融服务操作员定位扩展了。Eloquent AI 的 网站 现在展示了 Fixer 用于客户服务、Closer 用于入站销售、Navigator 用于入职和支持，以及自定义代理。它列出了与常见业务平台的集成，并表示客户可以使用 APIs、SDKs 和低代码定制。该组合表明 Eloquent AI 同时在为缺乏工程能力的团队销售开箱即用的路径，也为更大规模部署提供可配置的平台。无需 API 的论点是切入点，而更广的产品页面则显示 Eloquent AI 并不把自己局限于仅屏幕自动化。

快速的增长势头，但衡量窗口很短

吸引眼球的业绩数字来自 Eloquent AI 的 Y Combinator 简介：Eloquent AI 称其在四周内达到了 50 万美元的经常性年收入。该简介同样表示该操作员可以自动化最多 96% 的任务。这两个数字均为 Eloquent AI 的说法。该简介未定义这四周的起点，未说明所称的 ARR 中有多少是在该时点实际上线，亦未解释 96% 这一数字所计入的任务和工作流程。

来自 Duke Capital Partners 的一篇 投资者帖子 补充了早期客户数量：10 家付费客户，点名 Cleo、OakNorth Bank 和 Vouch，以及超过 150 家公司的候补名单。这提供了对初期商业兴趣的一瞥，但该投资者并未细分所点名客户使用的是哪个产品、生产环境中有多少工作，或候补名单代表什么。候补名单反映的是兴趣，而非已部署的收入。Eloquent AI 的网站仍在宣传 96% 的自动化数字，其 招聘页面 声称收入在一年内增长了 11 倍，并表示已为大型银行和金融科技公司完成了入职。该页面未给出收入倍数的基线或时间区间。

对于一位有过创业经验的创始人来说，这些是判断客户问题是否足够紧急以争取预算的早期有用指标。但它们尚不能替代显示在真实案例中可靠性的结果。关键缺失的运营细节是分母：什么被算作一个任务、哪些条件会触发升级，以及围绕自动化解决还有多少人工复核。如果一个代理解决的是一组狭窄、定义明确的常规案例中达成 96%，这与它完成所有入站受监管工作流程中 96% 的含义会大不相同。

Eloquent AI 同时也在销售一种部署承诺，而不仅仅是一个 AI 模型。如果观察员工的工作真的能快速产出一个安全、可靠的操作员，Eloquent AI 就能减少金融服务买家在看到价值之前必须投入的时间和内部精力。四周内达成 ARR 的说法与 Eloquent AI 关于客户可快速部署的论点一致，尽管该简介并未确立快速设置是否导致了所报告的收入，也未解释有多少客户对该收入产生了贡献。

在竞争激烈的领域，投资者押注于执行力

在 2025 年 9 月，Eloquent AI 宣布完成由 Foundation Capital 领投的 740 万美元种子轮，参与者包括 EJF Ventures、Duke Capital Partners、Massive Tech Ventures、Logo Ventures 和 Y Combinator 等。Bulut 在一篇 LinkedIn 帖子 中表示，该轮在三天内完成，超额认购 12 倍。该超额认购数字是她对过程的叙述，而非公共备案。

后续的融资记录则不那么整齐。2026 年 4 月，投资者 Revo Capital 表示 Eloquent AI 完成了一轮由 Foundation Capital 领投、Revo 参与的 840 万美元融资。Eloquent AI 的 招聘页面 现在将种子轮描述为 1000 万美元。公开数据并未合并为一个确认的总额，因此最精确的说法是，2025 年 9 月的公告将该轮定为 740 万美元，而后续的投资者和公司材料引用了更高的数额。上述公告并未确立相关估值。

Eloquent AI 正进入一个已有其他团队为金融运营销售专用 AI 的类别。例如，Gradient Labs 在 2026 年 6 月宣布将其 A 轮融资增加到 2600 万美元，以构建面向金融的专项 agent，包括贷款、争议处理和身份核验。竞争领域还包括 Primitive、Unique 和 Heron，以及面向更广泛场景的 AI 与自动化平台。Eloquent AI 所宣称的区别在于其强调从观察到的操作中学习工作流，并通过现有的浏览器和桌面界面来工作。这是一种产品设计选择，而不是已被验证的护城河。该类别的商业考验在于金融机构是否能够在足够控制的情况下部署此类系统，从而使自动化变得值得，而不会产生一层新的操作风险。

Bulut's second enterprise bet

Bulut 在 Streetbees 的经历为 Eloquent AI 提供了一位有经验的创始人，懂得为要求严格的企业客户构建支持 AI 的产品并围绕它扩展公司。她早先的业务是在日常生活中收集消费者行为；Eloquent AI 则旨在在金融员工工作所用的系统内采取行动。产品有所不同，但两者都依赖于将混乱的人类流程转化为能够在规模上运行的软件。

Lipani 的研究背景补强了这一押注。需要在界面中导航的模型必须解读视觉上下文和语言，同时以结果而非仅仅答案是否听起来令人信服来评估。Eloquent AI 描述 Oratio 及其评估工具是为这种环境构建的。公开描述的产品架构仍然是 Eloquent AI 的说法；其有效性将取决于在实际客户工作流中的表现，尤其是在屏幕发生变化或遇到超出员工标准流程的异常情况时。

Eloquent AI 最有前景的论点是务实的：金融公司已经有了系统和流程，替换它们比教软件通过这些系统工作要慢。Bulut 曾经说服大型客户购买基于 AI 的产品。接下来的证明是 Eloquent AI 是否能将其早期的收入主张转化为可重复的部署，让客户能够衡量已完成的工作、例外率以及仍然需要的人为监督。在那些细节可见之前，声称的 ARR 为 50 万美元和 96% 的自动化上限描述的是一个有力的销售话术，而还不是公开的运营记录。