Zenzap :打造职场版 WhatsApp ,把 AI Agent 塞进工作群聊

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
Zenzap :打造职场版 WhatsApp ,把 AI Agent 塞进工作群聊
9795点击    2026-11-22 11:24

Zenzap :打造职场版 WhatsApp  ,把 AI Agent 塞进工作群聊


AI 融入工作聊天。


当一线员工还在用 WhatsApp 打卡、排班、确认到货,Zenzap 想把 AI Agent 塞进那个聊天框。它不造 Slack,也不做 Teams,而是要做一款职场版 WhatsApp。


保留消费级聊天应用的直觉体验,同时叠加企业级合规能力和内置 AI Agent,瞄准 Slack 和 Teams 没有认真服务的那群人。


Zenzap :打造职场版 WhatsApp  ,把 AI Agent 塞进工作群聊


图片来源:zenzap.co


职场版 Whats APP


过去几年,企业通讯赛道的叙事几乎被 Slack 和 Microsoft Teams 写完了。它们定义了工作聊天该长什么样:频道、线程、集成、桌面优先,服务的是坐在电脑前、熟悉工具链的知识工作者。


但全球还有另一个庞大的人群:连锁门店店员、仓库分拣工、酒店前台、建筑工地班组长。他们每天也在高频沟通、协调排班、传递运营指令,用的却是自己的私人 WhatsApp 群组。


WhatsApp 好用、熟悉、零学习成本,但它不属于企业 IT 的管辖范围:没有审计日志,没有权限控制,没有数据归档,员工离职后群还在,手机丢了文件就散落在外。


Zenzap 的判断是,这条裂缝足够宽。这家成立于 2022 年的以色列公司,2026 年 10 月结束隐身状态,公布总额 4400 万美元的融资,并同步推出协作式 AI Agent 产品。


融资本身不算惊人,但它的切口、创始人的路径,以及把 AI Agent 放进群聊而不是另一个独立工具的产品哲学,值得拆开来看。


不改变员工,而是叠加合规和 AI


Zenzap 的产品逻辑,用一句话概括就是:不要求企业改变员工已经在做的事,而是把合规和 AI 叠加到那个行为上面。


在大量酒店、建筑、医疗、快餐连锁企业里,一线员工的日常工作沟通并不发生在企业邮箱或 Slack 频道里。


门店经理在 WhatsApp 群里发排班表,仓库主管在群里确认到货数量,区域经理在群里转发总部通知。这些对话承载着真实的业务运转,但它们散落在个人设备上,不进入企业的任何系统。


企业 IT 部门知道这件事在发生,却很难禁止。因为替代方案要么不存在,要么太难用。Slack 和 Teams 的问题不在于功能不够,而在于设计原点不同。


Weiss 在 TechCrunch 采访中说得直接:Slack 和 Teams不是为移动优先、面向普通员工的日常使用场景而建的。它们的频道结构、线程逻辑和桌面交互,对一线员工来说太重了。


一个快餐店店员不需要理解“ channel ”和“ thread ”的区别,他需要的是打开一个熟悉的聊天界面,看到排班变更,点一下确认,然后继续干活。


Zenzap 的做法是保留群聊和私信的形态,但在后台补上企业需要的控制层:消息留存、权限管理、一键入离职、文件不存储在个人手机上、工作时间之外自动静音通知。


对员工来说,它看起来像一个干净版的 WhatsApp;对 IT 管理员来说,它是一个可以被管起来的系统。


免费版覆盖群聊、私信、任务管理、日历集成和 AI 搜索;付费版每月 51 美元起,最多支持 20 位用户,解锁音视频通话、智能任务排序和全工作区 AI 搜索。


但真正让 Zenzap 不同于又一个企业聊天工具的,是它把 AI Agent 放在了聊天线程内部,而不是另开一个入口。AI 不是一个需要员工主动打开的助手页面,而是一个可以被 @ 的群成员。


2026 年 10 月同步发布的协作式 AI Agent,可以在群聊中被直接调用,访问企业连接的业务工具,完成查数据、建任务、发通知、跨系统操作等动作。


后来,Zenzap 把这套能力命名为多人 AI(multiplayer AI):第一波 AI 是单人游戏。一个人、一个 AI、一段私密对话,用完就散。


但企业的工作天然是多人的,决策牵扯好几个人,信息散在好几个工具里。Zenzap 的解法是把 Agent 放进群聊,让它和整个团队共享同一份上下文。


Zenzap :打造职场版 WhatsApp  ,把 AI Agent 塞进工作群聊


图片来源:zenzap.co


三位创始人:生意、技术、规模化


Zenzap 的三位联合创始人不是第一次面对从零搭一个东西,但他们的路径各不相同,拼在一起恰好覆盖了一家公司从产品到运营到规模化的基本盘。


Guy Weiss(盖伊·魏斯),联合创始人兼 CEO在创办 Zenzap 之前,Weiss 已经完整走过一次自筹资金—增长—出售的循环。2012 年,他自筹资金创办电商营销平台 StuccoMedia,2015 年将其出售给 Market Group。


此后几年他以投资人身份活动,直到 2022 年与 Bessemer 合伙人 Adam Fisher 结识,并和联合创始人一起反复打磨创业方向,最终创立 Zenzap。


Zenzap :打造职场版 WhatsApp  ,把 AI Agent 塞进工作群聊


三位创始人(图片来源:Zenzap)


值得注意的是,Zenzap 最初同样由 Weiss 自掏腰包启动,办公地点就设在 Bessemer 的办公室。


他后来对 TechCrunch 坦言,自己原本并不想融资:“我唯一输不起的就是个人声誉。第一次创业很成功,我很害怕第二次以失败收场。”


这种心态解释了他为什么先用自己的钱跑产品,而不是先搭一个融资故事。


Jonatan Bien(约纳坦·比恩),联合创始人兼 CTO。Bien 的技术履历集中在企业级系统和 AI 产品两端。他曾在 Voca.ai 担任研发副总裁,该公司后被 Snap 收购。


更早之前,他在 Viz.ai 从事研发工作,后者是一家将深度学习用于医学影像的医疗 AI 公司。


在 Zenzap,他主导搭建了以服务器为中介的安全消息架构,这直接对应产品“私密通讯 + IT 合规”的核心定位。


Noam Neumann(诺姆·诺伊曼),联合创始人兼 COO。Neumann 的背景偏运营和商业化,此前在 Mobox 和 Matomy 担任高级管理职务。


这两家公司都处于广告技术和数字营销领域,与 Weiss 的电商营销背景存在某种呼应。


在一个需要同时管理以色列研发团队、美国市场拓展和欧洲客户交付的早期公司里,COO 的角色不辅助,而是让产品迭代和客户落地之间不脱节。


第一次融资:4400 万美元的构成


Zenzap 的融资结构并不复杂,但数字之间有需要拆开的地方。


公开信息显示,公司累计融资 4400 万美元,其中 A 轮 3300 万美元,由 Bessemer Venture Partners 和 Lightspeed Venture Partners 联合领投,The Garage 参与。


更早的种子轮约 1100 万美元,在 2022 年完成。个人投资者包括 Wix 总裁 Nir Zohar 和安永前总经理 Yoram Tietz。


估值没有披露,这在早期企业软件公司中并不罕见,尤其是当创始人本身并不急于用一个高估值来定义公司的时候。


这笔钱的意义不在于金额大小,而在于 Weiss 终于接受了外部资本。他此前对融资的抗拒是真实的:第一次创业没有拿 VC 的钱,卖掉公司之后也不存在必须再融一轮的财务压力。


改变他判断的是 Adam Fisher 的逻辑:如果 Zenzap 要覆盖的是全球范围内大量分散的一线员工场景,产品、销售和合规支持都需要前置投入,自筹资金的节奏撑不起这个规模。


换句话说,融资不是因为“需要钱才能活”,而是因为“想要快就不能只用自己的钱”。资金用途指向三个方向:产品能力(尤其是 AI Agent 和企业集成)、研发与销售团队扩充、国际市场的加速进入。


公司目前约 50 人,分布在以色列特拉维夫、美国和欧洲,计划在产品和研发端继续增员。


Zenzap :打造职场版 WhatsApp  ,把 AI Agent 塞进工作群聊


图片来源:zenzap.co


Agent 把聊天框重新变成入口


Zenzap 的融资时机,恰好踩在企业通讯市场一个微妙的重心转移上。Gartner 的一项调研显示,63% 的企业领导者计划在 2026 年评估新的通讯平台,而 AI 能力排在决策标准的首位。


与此同时,全球职场聊天应用市场的绝对规模并不大,2024 年约 27.1 亿元人民币,预计到 2031 年接近 37.1 亿元,年复合增长率约 4.6%。


这说明单纯换一个聊天工具的意愿有限,真正的增量不在替代 Slack,而在于把尚未被企业工具覆盖的沟通场景纳入管理,并在这些场景里嵌入自动化。


市场供需也长期错位。按 Emergence Capital 的口径,全球 80% 的劳动力、约 27 亿人不在办公桌前工作,但历史上只有约 1% 的企业软件风投流向了服务一线的工具。


麦肯锡调查显示,60% 的一线员工认为公司提供的技术已经过时或不够用;53% 的人在用 IT 没有批准过的通讯软件处理工作;72% 的人用自己的私人手机执行公司任务。


Flip 2026 年的报告里还有一个更扎心的数字:83% 的一线员工根本没有企业邮箱。这正是企业 AI 落地最先卡住的地方,没有身份,就没有采纳。


与此同时,Meta 的 Workplace 于 2024 年宣布关停,2025 年 9 月转为只读,2026 年 6 月 1 日彻底删除数据,约 700 万用户被迫迁移。


一个万亿美元公司退出企业社交网络,留下的不只是用户,还有整个品类的心智空位。


AI Agent 的成熟正在让这件事变得可行。第一波企业 AI 的形态是“副驾驶”:一个侧边栏、一个独立对话框,员工有问题时切过去问一下,再把答案复制回来。


但这种模式有一个根本缺陷:AI 拿不到完整的业务上下文。它不知道群里刚才讨论的排班变更,不知道仓库系统里那批货已经延迟,不知道客户在另一个群里抱怨了什么。


Agent 能做的事因此停留在“文本生成”层面,而不是“完成任务”。


Zenzap 押注的是另一条路径:把 Agent 放进对话本身。当群聊成为 Agent 获取上下文的场所,同时 Agent 又能通过集成调用企业工具执行动作时,“沟通”和“执行”之间的墙被拆掉了。


Bessemer 的 Fisher 对这一点的表述更直接:随着个人 AI 智能体和工作 AI 智能体同时普及,人们把工作与个人生活明确分开的需求已经从“偏好”变成了“紧迫”。


如果工作对话继续停留在 WhatsApp 里,AI 就无法在不触碰个人数据的前提下服务工作场景;如果强行在 WhatsApp 上叠一层企业 AI,合规上又走不通。Zenzap 卡的就是这个位置。


客户名单里藏着产品的真实形状


Zenzap 公布的客户名单:FedEx、Dollar General、Taco Bell、星巴克、Casey’s、Regal,以及使用平台协调排班和供货的 IHOP、麦当劳部分门店。


指向的不是硅谷科技公司,而是一类典型的“分布式一线用工”组织。这些企业的共同特征是:门店或站点分散、一线员工数量大、流动率高、总部与前线之间的信息同步必须快且不能出错。


Weiss还提到,客户在平台上创建的自动化工作流已超过 4 万个。以连锁餐饮为例,排班变更、供货异常、卫生检查通知、新品操作流程更新,这些信息需要在店长、区域经理和总部之间高频流转。


用 WhatsApp 群组可以做到“快”,但做不到“可追溯”和“可管理”:谁确认了排班、谁没有看到通知、离职员工的群组权限是否收回、总部发出的文件是否被转发到了私人设备,都没有系统性的答案。


Zenzap 的价值不在于功能比 WhatsApp 多,而在于它在不牺牲 WhatsApp 式体验的前提下,把这些管理问题接住了。这个客户结构也解释了为什么 Zenzap 不适合被简单归类为“Slack 挑战者”。


Slack 的核心用户是开发者和知识团队,它的粘性来自集成生态和工作流编排;Teams 的优势在于与 Microsoft 365 的捆绑和桌面办公场景。


Zenzap :打造职场版 WhatsApp  ,把 AI Agent 塞进工作群聊


图片来源:zenzap.co


Zenzap 与它们重叠的功能层很薄,真正的差异在于目标人群和使用场景。Fisher 的判断是,Slack 是唯一拥有一定用户忠诚度的工作平台,但用户几乎集中在开发者群体。


Zenzap 瞄准的是“剩下的 99%”。这句话带有投资人叙事常见的简化,但它准确地描述了市场空隙的方向。


缝隙里的机会和风险


Zenzap 的逻辑成立与否,不取决于它能否做出一个更好的聊天软件,而取决于三件更难的事。


第一,迁移的惯性。让一线员工从 WhatsApp 换到一个新应用,哪怕界面相似,也意味着改变一个已经嵌入日常肌肉记忆的行为。


Zenzap 提供了从 WhatsApp 群组迁移的工具,但真正的门槛不在数据导入,而在所有人同时切换的协调成本。连锁企业可以自上而下推动,但门店层面的执行摩擦会决定实际渗透率。


第二,合规与集成的深度。IT 合规是一个准入条件,不是一个差异化优势。


真正让企业愿意付费的,是 Zenzap 能否把排班系统、HR 系统、供应链工具、工时管理平台以足够低的集成成本连进来,并让 Agent 在这些系统之间完成实际动作。


集成越多、越深,迁移成本就越高,护城河也越真实;反过来,如果 Agent 只能完成轻量任务,产品就会退化成带管理后台的聊天工具,付费意愿会迅速向免费版挤压。


第三,ROI 的可证明性。企业通讯工具的采购决策正在从员工体验转向可量化回报。


Zenzap 需要证明的不是员工更喜欢用它聊天,而是排班确认时间缩短了多少、信息遗漏导致的运营事故减少了多少、新员工上手周期压缩了多少。


这些数字不会从聊天记录里自动长出来,需要产品和客户成功团队主动构建度量框架。此外,客户名单不等于收入,Zenzap 至今没有披露营收、付费客户数量和付费转化率。


4 万个工作流,也可能是大量试用留下的痕迹。它面前还有三重竞争:WhatsApp 的路径依赖、Slack 与 Teams 的组织惯性,以及 Blink、Connecteam、Workvivo 这些已经在一线市场扎根的对手。


AI Agent 给了 Zenzap 一个区别于上一代企业通讯工具的叙事入口,但也把它放到了更高的期望水位上:如果群聊里的 Agent 只是能回答问题,那它和任何一个接入大模型的聊天工具没有本质区别。


只有当 Agent 能在对话中可靠地完成跨系统任务,并且这种完成度可以被 IT 部门审计和信任时,把 Agent 塞进聊天框才真正构成一个产品品类,而不是一个演示场景。


聊天框成为工作流的第一现场


三人团队从 0 做起、四年做到 4400 万美元,是很好的开局,但企业软件的胜负从来在第三年、第五年才见分晓。


Zenzap :打造职场版 WhatsApp  ,把 AI Agent 塞进工作群聊


图片来源:zenzap.co


不过方向是清楚的。当 AI 真的能在对话里干活,聊天框就不再是聊天框,而是工作流的第一现场。


Weiss那句话,其实已经把这家公司的野心说完了:“Zenzap 从底层就是作为一个安全平台来设计的,让 Agent 和人可以一起工作、共享同一份上下文,让 AI 成为员工和整个业务的倍增器。”


这不是一门聊天的生意,而是一场关于企业 AI 入口的卡位战。


文章来自于微信公众号 “新独角兽”,作者 “新独角兽”

AI转型,免费服务,就找AITNT
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
AI代理

【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务,如比较价格、添加购物车、回复各种社交媒体等。

项目地址:https://github.com/browser-use/browser-use


2
AI工作流

【开源免费】字节工作流产品扣子两大核心业务:Coze Studio(扣子开发平台)和 Coze Loop(扣子罗盘)全面开源,而且采用的是 Apache 2.0 许可证,支持商用!

项目地址:https://github.com/coze-dev/coze-studio


【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。

项目地址:https://github.com/n8n-io/n8n

在线使用:https://n8n.io/(付费)


【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。

项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file



【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。

项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file

在线使用:https://vectorvein.ai/(付费)

3
AI数据分析

【开源免费】DeepBI是一款AI原生的数据分析平台。DeepBI充分利用大语言模型的能力来探索、查询、可视化和共享来自任何数据源的数据。用户可以使用DeepBI洞察数据并做出数据驱动的决策。

项目地址:https://github.com/DeepInsight-AI/DeepBI?tab=readme-ov-file

本地安装:https://www.deepbi.com/

【开源免费】airda(Air Data Agent)是面向数据分析的AI智能体,能够理解数据开发和数据分析需求、根据用户需要让数据可视化。

项目地址:https://github.com/hitsz-ids/airda

4
智能体

【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。

项目地址:https://github.com/Significant-Gravitas/AutoGPT


【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。

项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md