微信扫码
添加专属顾问
我要投稿
前麦肯锡员工如何利用AI颠覆传统尽职调查流程,大幅提高效率并获巨额融资。 核心内容: 1. Bridgetown Research的AI驱动尽职调查新模式 2. 从二手数据到专家访谈,AI如何赋能数据收集和分析 3. 创始人背景和公司融资情况,以及客户群体介绍
图片来源:Bridgetown Research官网
与当前大部分AI+research产品的关注点不同,Bridgetown Research通过AI赋能市场调查中的专家访谈、竞品对比以及数据分析的全过程,从二手数据开始,结合领域专家的知识框架提出关键假设,AI通过联系专家和客户进一步收集原始数据并进行分析,完成最终报告,极大缩减尽职调查所需的时间成本。
Bridgetown Research因其更低成本和更高效率的数据搜集方式能够显著扩大数据收集的规模,比如“相比只和一位高级主管交流,AI可以同时与更多处于中层职位的人交谈。”公司目前在英国有两位客户,在美国有十二位客户。这些客户包括顶级私募股权和风险投资基金、咨询公司以及处理并购管道的大型企业。
Bridgetown Research于2023年由Harsh Sahai创办。2019-2023年,他曾任职于麦肯锡,负责战略与运营相关的咨询项目;2015-2018年,他在Amazon担任研究科学家,领导应用科学团队。2025年2月,Bridgetown宣布获得1900万美元的A轮融资,由Lightspeed和Accel共同领投。
AI能够在商业世界做出重大决策吗?比如,快速增长的软件公司是否应该收购其最大的竞争对手,或者企业是否需要调整其高管团队,或者私募股权公司是否应该在看似有吸引力的资产中投资……对于投资公司和创业公司而言,做出明智的市场决策是一个成本高昂的过程,这意味着花费数周寻找合适的专家、分析高质量的数据,这一过程往往需要花费数周的时间。
与此同时,我们正在经历信息大爆炸的时代,Whats The Big Data显示,过去两年的时间里,全球范围内约产生了90%的数据,每天产生的数据量超过2.5万亿字节。尽管传统的数据分析方法仍然具有价值,但是在处理这些庞大的实时性数据上,他们的表现似乎略逊一筹。
这些问题正是人工智能得以发挥作用的起点。成立于2023年底的Bridgetown Research意在解决尽职调查与市场研究过程中低效率的问题。与当前大部分AI+research产品的关注点略有不同,公司通过AI赋能市场调查中的专家访谈、竞品对比以及数据分析的全过程,从二手数据和可以公开获取的报告开始,结合领域专家创造的知识框架提出关键假设。AI通过联系专家和客户进一步收集原始数据并进行分析,完成最终报告,极大缩减尽职调查所需要的时间。据公司官网称,Bridgetown Research目前主要同私募股权和风险投资、专业服务公司以及企业团队进行合作,可以在24小时内完成一篇尽职报告,帮助决策者从繁乱的数据中抽身专注更加重要的决策制定工作。
图片来源:Bridgetown Research官网
作为投资方之一的LightSpeed称,市场上做调查研究的AI产品很多,然而Bridgetown更加专注于搜索和摘要已有的研究结论,而不是综合二手数据和一手数据提出自己的原有假设,这一设计可以为企业提出更加有针对性的决策建议。
根据福布斯报道,Bridgetown通过三个层次的AI Agents实现这一功能:数据收集层面,Bridgetown的AI产品能够自动从一系列专有数据源中搜索关键信息,甚至还能自动拨打专家咨询电话,从付费专家处获取观点与建议;数据分析层面,通过使用大型语言模型(LLMs),结合聚类与回归等分析工具,对已有文本和语音数据进行分析和整理,生成决策制定所需的洞察和输出;信息汇总层面,AI agents借助小语言模型,根据数据分析结果为决策者提供建议,并且将其呈现为PPT等清晰易懂的形式,帮助企业快速锁定更多可能带来价值增长的关键路径,并加速形成战略共识。
Bridgetown同行业专家网络建立合作关系,并通过其自主研发的语音AI采访专家以获取客户所需的信息。传统调研受制于受访对象的时间和地点,而通过Bridgetown的产品,尽职调查人员无需与真人安排通话时间,受访者可以随时上线,与AI展开对话。公司创始人Harsh Sahai在接受采访时表示,“相比只和一位高级主管交流,AI允许你同时与更多处于中层职位的人交谈,这扩大了数据收集的规模。”
除了基于语音的对话,该平台还会提供文本提示和交互式屏幕,为受访者提供更多的背景信息。AI的工作方式类似于传统问卷调查,但用户可以直接在屏幕上作答。它支持嵌入选择题或排序题,并可根据用户的回答路径,自动调整提问逻辑;AI agents还会基于二手研究构建初步假设,并根据回答实时调整提问,以收集足够充足的数据,以验证或证伪这些假设。如果某一假设被否定,系统会回顾所有对话记录,提出新的假设并继续采集数据。与传统问卷相比,该方法在成本上更具优势:一方面在于节约了受访者和提问者的时间;另一方面则在于AI不会一成不变地提问,一旦统计上的“信度”达到要求,问卷长度通常可缩短20%至25%。这种灵活性也大幅减轻了受访者的负担,提高了参与意愿,因此可以较低成本完成高质量调研。
如何避免大语言模型的“幻觉问题”?创始人Sahai表示,公司通过“可引导性和可审计性”(steerability and auditability)的方法来解决当前大语言模型中“编造”的问题。客户可以审查数据,并追踪AI得出结论的每一步过程,这类似于目前一些具备“推理能力”的AI模型。
此外,这些语音AI在采访专家时会录音,以便用户日后可以手动验证信息的真实性。他还补充说,AI并不是依赖单一的数据来源;相反,它们从多个来源收集信息,利用大型语言模型进行理解,然后使用经过微调的模型对数据进行处理和分析。
“一旦企业发展到一定规模,就必须面临各种关键决策,这些决策往往决定了它们未来的生死存亡。”Sahai在同福布斯的访谈中说,“为了做出这些决策,你需要获取并分析一组非常具体的核心数据;但可惜的是,除了少数大型企业之外,目前要做到这一点的成本依然高得令人望而却步。对于中小企业而言,从咨询巨头麦肯锡等公司中获取数据往往是成本高昂的。”
Bridgetown的收费主要包括两个部分:第一个部分为平台订阅费用,企业通过订阅制方式使用该平台,订阅费用涵盖数据分析与报告的成本;第二个部分则为原始数据的回收费用,企业若需进行原始数据调研,则根据使用量另行收费。Bridgetown的目标是以中小企业也能承担的价格,提供高质量的战略决策建议。
据TechCrunch报道,Bridgetown Research在英国有两位客户,在美国有十二位客户。这些客户包括顶级私募股权和风险投资基金、咨询公司以及处理并购管道的大型企业。
Harsh Sahai是Bridgetown Research的CEO兼创始人,2019-2023年期间,他曾任职于麦肯锡,负责战略与运营相关的咨询项目,主要服务对象为软件公司及其金融投资方;2015-2018年,他在Amazon担任研究科学家,领导应用科学团队,结合机器学习、统计学与最优控制理论等前沿研究成果开发算法,其算法应用于价格战策略指定、评估关键战略决策的成效、优化营收增长的投资策略等多个情境中,并成为多个亚马逊产品的核心组成部分。
图片来源:LinkedIn
在同福布斯的访谈中,Sahai提到创立Bridgetown是因为受到传统商业分析重复性的启发,Sahai本人兼具战略分析和技术研发的学习与工作经验,他设想,如果技术和战略分析研究融合在一起,为企业提供不同类型的服务,那会怎样?官网显示,团队成员分别在美国、英国和印度开展工作。Bridgetown Research的其他成员曾供职于麦肯锡、贝恩、亚马逊、谷歌以及高盛等咨询、科技与金融公司。
2025年2月,Bridgetown宣布获得1900万美元的A轮融资,由Lightspeed和Accel共同领投。相关资金计划用于业务拓展,比如获取更广泛的专有数据并探索更多的技术应用案例。
“公司建立在战略决策的质量及其背后的研究和分析之上,”Lightspeed的投资人Ishaan Preet Singh说。“Bridgetown使得高管和投资者能够以以前不可能的速度,获得更多信息并做出更高质量的决策。”
公司创始人Sahai认为,AI应当专注于创造价值,而不仅仅是降低成本。他解释说:“许多AI工具实际上是通过取代人们的生计来降低成本,但我们更专注于推动业务增长,从而创造就业机会。”在同Yourstory的访谈中,Sahai表示,Bridgetown的发展同样也能够带动下游咨询与信息服务需求的增长,Bridgetown每赚1美元,就能够为咨询和信息服务创造超过10美元的收入。
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2025-05-28
行业Know How +数据准确=企业智能体两大护城河
2025-05-28
Agent大潮里,知识库落地走到哪了?
2025-05-28
Obsidian高效知识库实践:精简、链接与混沌中的秩序
2025-05-27
AI在药物研发中的应用:从“试错模式”转向“计算驱动”
2025-05-27
知识体系管理|1个方法教你从搜集到循环运用整套方法流程
2025-05-27
开源协作新神器Docmost:团队知识管理的高效低成本解决方案!
2025-05-27
AI问答系统的挑战之语义鸿沟与知识盲点,让大模型理解行业黑话
2025-05-26
大模型落地的 “确定性答案”,藏在知识库里?
2024-09-14
2025-01-23
2024-11-07
2024-07-10
2025-02-17
2024-04-24
2024-08-04
2024-06-23
2025-03-09
2024-05-15
2025-05-28
2025-05-26
2025-05-14
2025-05-07
2025-05-07
2025-04-27
2025-04-20
2025-04-17