协作式AI自动化平台

无需编码即可拥有自己的AI员工

AI时代，拥有AI员工已成为一个趋势。AI员工可以执行重复性、繁琐或需要大量数据处理的工作，如数据分析、客户服务、文档处理等，可以集成到网站、移动应用程序或消息应用程序等各种平台中，为用户提供实时帮助和支持。

而AI员工作为Questflow的主推产品，Questflow更多思考的是如何使AI员工不只是像真人一样灵活，而且要比真人还更加高效。这就要求实现以下三个方面：

● 每一个AI员工都应是动态延展的，而不是静态的。例如一个员工初到一个公司，可能拥有基本教育背景和对行业、公司的基本了解，但随着工作开展，他不断将自身知识储备与工作实践相结合，不断记忆与学习。AI员工更应如此。

● 每一个AI员工都应是个性化的，而不是整齐划一的。每一个团队都会自己去创建一些专属的AI员工，从零去搭建，就需要赋予每个AI员工以不同的记忆能力、不同的分析能力、协调能力等等。

● 每一个AI员工的工作路径都应是顺畅的，而不是卡顿的。Questflow最核心的业务是可以通过自然语言描述帮助AI员工自动化完成任务，但是在执行的过程中，需要有推理、理解、执行等多个环节。基于AI模型的限制或是数据分析的限制，目前各个环节之间衔接还不够顺畅。

AI员工越智能，就需要越强大的数据库软件作为背后的支撑。当今社会正在同时经历“非结构化数据”与“人工智能”两场变革，AI员工要想变得动态化、个性化以及其工作路径变得顺畅，都需要后台处理大量非结构化数据。各类人工智能技术为人们提供了理解非结构化数据的途径，也就是将文本、图像、音频等非结构化数据嵌入为向量表示，并存储在向量数据库中，以便进行快速的相似度搜索和数据分析。

面对更高的工作标准，Questflow采用MongoDB Atlas，并将其应用于其数据管理服务。

虽然Questflow在初创阶段并未将数据库的升降级考虑进去，但当公司运营至2年左右，随着数据量的增加，MongoDB自动将其数据库进行了升级。MongoDB所具有的这种弹性扩容能力很适合Questflow这类初创公司，能够使开发人员专注于业务数据收集和分类服务，而无需为日常运维分配时间与精力。

Questflow选择在亚马逊云科技云上用MongDB Atlas，以此实现开箱即用，点点按钮，通过后台配置一下即可。如果是本地部署，将要配备运维人员和一整套机器环境，所以，在成本控制、便捷程度、安全管理等方面，云端部署都具有明显的优势。

AI员工某种程度上就是用更少的资源实现更多的新工作方式。基于MongoDB Atlas的数据解决方案，Questflow已帮助多家中小初创企业的创新提供了更多“时间和资金”。

• 如AI思维导图公司iMindMap，通过Questflow实现了博客发布的自动化；

• 开源VC数据库公司OpenVC，通过Questflow实现了抓取、筛选和更新数据的自动化。

在谈及未来创想时，许博约（Bob Xu）谈到：希望可以尽快超越与AI对话的模式。例如，目前要创建一张海报，用户可以通过与AI聊天，让AI将海报创建完成，但后续的修改还需在其他平台上完成，用户体验被前后割裂。Questflow下一步要实现的就是可以多人对于AI产生的内容去进行协作修改、优化。

Questflow相信，人类工作者和人工智能工作者之间将会有更多的合作，并将为真正的人工智能合作打开大门，最重要的是，这种合作将为更多突破性创新提供时间和资金。

基于这一创想，Questflow也正在涉足为大中企业提供自动化服务，从日常邮件回复、社交媒体运营、市场营销等服务领域，朝着为客户提供更深入、更全面的系统性服务迈进。

如正在接触的某家国际知名奢侈品牌，在现有的社交媒体运营中，往往是通过几百个不同社交账号进行新品的图文发布和客户维护，每一个社交账号背后都是一个真人在实际操作。在未来，Questflow完全可以为这类需求提供一整套的人工智能服务，即多名AI员工团队协作的自动化。

在AI服务与用户体验共同提升的同时，是数据库中数据量、数据复杂程度的几何式增长。在数据变得更为庞杂的过程中，Questflow期待与MongoDB之间建立起的是一种共同应对挑战、共同解决问题的关系。