June 在 pre-seed 融资中筹集 2000 万美元，以实现企业人工智能部署的自动化

Why it matters

Enterprise AI spending is moving from models to implementation. June is betting that software can replace part of the consulting labor required to put agents into production.

Efrat Rapoport, Ohad Hen, Barak Goldstein, and Idan Tsitiat 周一以隐身模式推出了 June，筹得 2000 万美元，用以自动化企业决定采用 AI 之后开始的工作。

该前种子轮由 Marc Benioff 的 Time Ventures 领投，另外获得 Michael Dell、Box 联合创始人兼 CEO Aaron Levie 和 CrowdStrike 创始人兼 CEO George Kurtz 的支持，TechCrunch 在 8 月 3 日 报道。June 未披露其估值。

投资者名单呼应了产品论点。Benioff、Dell、Levie 和 Kurtz 都建立了向大型组织销售关键软件或基础设施的业务。June 押注这些组织将需要另一层软件，使它们日益增多的 AI 模型和代理能够在其已有系统上协同工作。

创始人此前创立了 Bonobo AI，为销售、服务和市场团队分析客户对话。Bonobo 在 2018 年 11 月 完成了 450 万美元的种子轮融资，随后在 2019 年 5 月被 Salesforce 收购。以色列媒体估计交易金额在 4000 万到 5000 万美元之间，但双方均未披露价格。

随后创始人在 Salesforce 内部从事了数年 AI 工作。这段经历让他们近距离看到从代理演示到在大型企业中跨系统运行的生产部署之间的距离。

June 绘制 AI 代理背后的混乱地图

June 的设计目标是检查组织现有系统、重构其业务流程、发现瓶颈，并为代理驱动的工作流生成逐步实施计划。June 表示，用户可以逐项批准任务，其软件随后开始在组织内部进行所需更改。

这些工作可能包括识别重复的数据库字段、确定代理应信任的数据源，以及绘制跨越 Salesforce、ServiceNow、Databricks 和 Workday 等系统的工作流。随着部署进行，June 还可以通过员工现有的通信渠道通知相关人员。

目标是企业工作中的一层，这层工作顽固地由人工完成。AI 厂商正在雇佣前置部署工程师与客户并肩工作，而系统集成商和顾问则在组建团队，将模型与数据库、权限、内部软件和操作流程连接起来。这些服务能够把一个有前景的代理变成可用的产品，但同时也让每次部署变得更慢且难以复现。

Rapoport 在 TechCrunch 中总结了这一矛盾：“具有讽刺意味的是，AI 反而增加了对专业服务的需求。”

June 的做法是把部分实施知识编码进软件。其主页给出一个笼统承诺：用户描述一个变更，June 就在复杂的企业系统中实现并运行它。但目前的证据更为有限。TechCrunch 详述了一个客户试点，June 尚未公布定价、收入、客户数量或其部署带来的量化改进。

这就留下了产品的核心考验。企业系统之所以难以改变，是因为表面的混乱往往包含多年形成的例外、安全决策、合规控制以及各部门之间的妥协。标出十个重复字段的软件仍需判断这些字段存在的原因，以及当其中九个消失时哪些团队会被影响。

June 的创始人选择了一个可信的切入点：先生成地图，揭示依赖关系，然后让客户逐项批准更改。该方法让 June 有空间在不要求大型组织将未经测试的系统赋予对其核心软件不受限制控制的情况下，逐步自动化实施工作。

CMG 试点使用 June 进行代理部署

TechCrunch 指出，CMG——一家大型美国抵押贷款放款机构——是早期使用 June 的客户之一，正在就 Salesforce 集成和代理部署进行产品试点。June 与 CMG 未公布试点范围、合同金额、生产状态或性能数据。

此案例支持了 June 的判断，但尚不能证明可复制性。要把部署业务做成功，需要在不为每个客户重建流程的前提下，处理不同软件组合、内部政策和行业监管的差异。

创始团队回到老问题上

June 的四位创始人与他们在 transformer 时代重塑 AI 市场之前创办 Bonobo AI 的团队相同。在 Bonobo 时，该团队专注于将非结构化的客户对话转化为销售和服务系统可用的数据。June 则更深入地进入运营层面，在这些系统与企业实际流程相碰撞的地方着手。

这种延续性很重要。Rapoport、Hen、Goldstein 和 Tsitiat 已经打造过企业 AI 产品，将其卖给了最大的一家商业软件供应商之一，并在买方内部工作了多年。June 是他们试图将当时看到的实施瓶颈产品化的尝试。

这一历史也影响了融资方式。Rapoport 告诉 TechCrunch，创始团队为本轮融资并未准备路演材料。因此这笔 2000 万美元的融资，既像是对一支有重复成功记录团队及其接触企业买方能力的押注，也像是对一个刚开始展现公开证据的产品的押注。

市场时机对 June 有利。McKinsey 的 2025 年 AI 调查 发现，23% 的组织在其运营的某些环节正在扩大代理式 AI 的规模，另有 39% 正在试验。这个差距正是 June 盯上的市场：企业已有模型和原型，但许多仍缺乏可靠的生产化路径。

June 也面临其商业路径中内置的战略张力。买家可能将该软件视为减少对顾问和前置部署工程师依赖的一种方式。实施专家可以利用它用更小的团队服务更多客户，而企业则可以用 June 将更多这类工作内包到自身团队中。

创始团队赌的是：部署知识可以成为可复用的软件产品，而不是一项项项目式交付的服务。这笔 2000 万美元的融资为他们提供了跑道，去证明该解决方案能够从一个客户错综复杂的系统中迁移并适用于下一个客户。