美国旧金山AI帮助台初创公司Risotto宣布完成1000万美元种子轮融资，本轮由Bonfire Ventures领投，645 Ventures、Y Combinator、Ritual Capital和Surgepoint Capital跟投。这笔融资表明，资本市场正持续看好AI在企业软件和IT服务管理领域的应用前景，尤其是在长期依赖人工操作和复杂流程的工单系统中，自动化升级正成为企业数字化转型的重要方向。
聚焦工单处理中的“最后一公里”
Risotto的核心产品并非简单替代现有帮助台系统，而是试图在传统工单平台与企业内部执行工具之间，搭建一层智能化的AI编排能力。按照披露信息，该平台可连接诸如Jira之类的票务管理系统，并进一步联动企业内部工具，从而实现帮助台工单的自动识别、理解、执行与关闭。
与依赖固定规则的传统自动化方案不同，Risotto采用第三方基础模型，并在其上叠加自有基础设施，包括提示词库、评估套件以及数千个真实世界训练样本，以提高AI输出的可预测性、准确性和上下文理解能力。这意味着其目标不是做“会聊天的客服机器人”，而是打造能够在企业环境中稳定运行的工单自动化引擎。
已有客户实现60%工单自动化
在实际落地层面，Risotto已给出较具说服力的案例。报道显示，该公司与薪资服务企业Gusto的合作中，平台已实现60%的支持工单自动化处理。这一指标对于企业级IT服务管理市场而言具有较高参考价值，因为工单自动化率直接关系到支持团队的人力成本、响应效率以及内部员工体验。
此外，Risotto还瞄准了另一个常被忽视的问题：工单系统本身的管理成本。公司方面提到，一些客户仅为了维护Jira配置，就需要配备多名全职员工。换言之，企业不仅在处理工单时消耗资源，也在管理工单系统本身时承担了不小负担。若AI能够在这两个层面同步提升效率，其商业价值将远超单一的客服自动回复场景。
为何资本看好帮助台自动化赛道
帮助台和IT服务管理市场长期由Zendesk、ServiceNow、Freshworks等厂商主导。这些平台功能成熟，但往往定制复杂、实施周期长，并且在面对跨系统、跨流程的企业实际场景时，仍需要大量人工介入。随着生成式AI和大语言模型快速发展，越来越多创业公司开始尝试从“智能中间层”切入，在不推翻企业原有系统投资的前提下，为其增加自动化和智能化能力。
Risotto的思路正是如此：不强行替代企业现有平台，而是补足基础模型与业务系统之间的执行缺口。从市场策略看，这种路径更容易被大型组织接受，因为多数企业已经在现有ITSM和票务系统上投入了大量预算与流程建设，短期内很难整体迁移。对于客户而言，在保留既有系统的情况下，通过一层AI能力实现效率提升，通常是更现实的方案。
企业AI落地，关键不只是模型能力
从行业趋势来看，企业级AI竞争的重点正从“谁的模型更强”转向“谁能在真实业务中更可靠地运行”。帮助台工单涉及权限、流程、审批、知识库和审计记录，一旦AI误判，可能带来业务中断或合规风险。因此，模型之外的防护机制、验证流程、治理能力和上下文管理，成为企业采购时的核心考量。
Risotto强调自身差异化在于连接层和基础设施层，这也反映出当前企业AI市场的一个现实：通用模型负责理解和生成，但真正决定交付效果的，是如何将模型嵌入复杂组织流程，并在高可靠要求下稳定工作。对于投资人而言，这种“企业AI中间件”逻辑比单纯依赖模型红利的应用更具长期壁垒。
未来或成为企业AI助手背后的专业引擎
Risotto还透露，公司正在通过MCP（Model Context Protocol）等协议，对接主流企业AI平台，为未来“大模型成为主要帮助台入口”的趋势做准备。其设想是，未来员工可能不再直接进入某个工单系统，而是通过企业版ChatGPT、Gemini等AI助手发起需求，再由Risotto这类专业系统在后台完成具体任务执行。
这意味着，帮助台软件的竞争逻辑可能从传统SaaS界面竞争，逐渐转向“谁能成为AI助手可调用的可靠能力模块”。如果这一趋势成立，工单平台、知识库、内部审批与自动化服务都将被重新整合，企业软件的交互方式也将发生明显变化。
市场影响：对企业软件与AI赛道意味着什么
就市场影响而言，这笔1000万美元的种子轮融资虽然体量不算极大，但在当前AI应用竞争激烈的背景下，仍具备较强的风向标意义。一方面，它显示早期资本仍愿意为具备明确场景、可验证客户价值和基础设施能力的AI公司下注；另一方面，也说明企业服务软件的AI改造已从概念验证走向更注重ROI的阶段。
对加密和Web3行业的从业者而言，虽然Risotto并非加密原生项目，但其案例折射出一个更广泛趋势：AI正快速渗透复杂工作流管理系统。未来无论是交易所客服、钱包技术支持，还是DAO运营工单、链上安全响应，都可能借鉴类似架构，用AI连接前台请求与后台执行系统，提升处理效率并降低运营成本。
当然，企业在部署此类方案时仍需面对数据安全、隐私保护、遗留系统集成和员工使用习惯等挑战。尤其在涉及敏感信息时，AI自动化不能脱离人工监督而独立运行。可以预见，真正成功的厂商不会只卖“模型能力”，而是提供一整套可审计、可治理、可持续优化的自动化体系。Risotto此次融资，正是这一方向获得市场认可的最新案例。