-
Nvidia
【美国】企业用量计费解决方案提供商Metronome获得4300万美元B轮融资
总部位于加利福尼亚州旧金山的企业用量计费解决方案提供商 Metronome 获得了4300万美元的 B 轮融资。
本轮融资由 NEA 领投，此前的支持者 Andreessen Horowitz 和 General Catalyst 也参与了本轮融资。在融资的同时，NEA 风险合伙人 Hilarie Koplow-McAdams 加入了 Metronome 董事会。
公司打算利用这笔资金扩大运营和业务范围。
Metronome于2019年创办，在首席执行官 Kevin Liu 和首席技术官 Scott Woody 的领导下，Metronome 为现代软件公司提供了一个基于使用量的计费平台。有了它，团队可以快速推出新产品和定价，简化收入工作流程，并为客户提供实时的消费透明度。
我们相信 SaaS 公司不应该在打造产品和将产品推向市场之间做出妥协。我们在整个职业生涯中都看到了这个问题：在我们之前的初创公司、在 Dropbox，以及在我们设计 Metronome 时与之交谈过的数百家公司。尽管在工程和运营方面投入了大量资金，但团队还是受到计费系统的束缚。我们创建 Metronome 的初衷是提供一个更好的选择--一条不费吹灰之力就能实现世界级计费的道路。
这显然引起了我们客户的共鸣。对于初创企业来说，今年是充满挑战的一年，而 Metronome 却幸运地实现了巨大增长。我们已经建立并部署了一个计费系统，如今，包括 Databricks、OpenAI、Anthropic、英伟达（NVIDIA）等在内的 SaaS 领域发展最快的公司都在使用该系统。初创公司选择 Metronome 以最小的工程开销提供一流的计费体验，而企业则与我们合作，加速向云收入和基于使用量的定价过渡。
在2024年，我们将更轻松地构建和维护数据管道集成，以释放更多的工程时间。我们将简化数据进出 Metronome 与数十个业务系统的流程，以更好地满足用户的工作需求。我们正在全面调整核心数据模型，以实现复杂的报价到现金工作流程的完全自动化和更大的定价灵活性。我们正在扩大对对账、收入确认和审计用例的支持，使 Metronome 成为财务团队的世界级工作流程工具。
关于Metronome
Metronome 设计为从数据到收入的完整计费平台，因此计费永远不会成为瓶颈。快速启动并运行计费系统，与您共同成长。Metronome 的实时数据基础设施可将原始使用事件转化为计费指标，无需复杂的数据管道。我们的惰性保证和数据回填功能可确保您的发票始终准确无误。
-
Nvidia
【重磅必读】Josh Bersin认为AI加持的下一代的HR软件时代已经到来！以全球HR科技玩家为例-HR科技达人必读（多图）
人力资源软件构成了世界上最大的技术市场之一。据我们估计，这是一个价值 2500 亿美元的市场，包括薪资系统、核心人力资源平台、招聘、培训、福利和数百种其他应用程序。在过去的五年里，随着公司适应混合工作和大流行，市场出现了爆炸式增长。就在上周， Workday 宣布其订阅收入增长率为 20.1%，目前每季度达到 13 亿美元。
在过去的二十年里，这些系统发生了根本性的变化。在 1980 年代和 90 年代，这些工具主要是为薪资管理员、人力资源经理和 IT 员工设计的后台工具。从 2000 年代中期开始，这些系统全部迁移到云端，向员工开放接口。而今天，当我们都通过手机与数十种应用程序进行交互时，人力资源平台已经越界成为“工作”工具。
我们在工作中所做的一切，从安排会议到分析电子表格，现在都与人力资源系统有关。您的目标、反馈、团队互动、财务结果、招聘、团队领导和福利管理都是人力资源技术堆栈的一部分。随着我们大量使用这些工具（平均每个大公司有80 个这样的应用程序），它们开始融合在一起。
Workday、SuccessFactors、ADP 和 Oracle 等大型 HCM 参与者现在拥有合作伙伴生态系统来集成和简化所有这些工具。云架构的采用让这一切变得简单：一旦这些公司使用 API 开放了他们的应用程序，他们每个人都决定成为一个“平台”，而不仅仅是一个应用程序。甚至 ServiceNow 和微软 (Viva) 也参与其中。
多年来，我一直注意到这些系统的老化和遗留问题。虽然 Workday 和 SuccessFactors 等现代系统具有高度适应性，但它们的架构正在老化。Workday 成立于 2005 年，SuccessFactors 于 2001 年首次推出。虽然这些供应商以多种方式对其数据结构和架构进行了现代化和更新，但他们的核心系统仍然相当僵硬和脆弱。一旦您“实施”了这些系统，您就会遇到许多工作流程和层次结构决策，迫使公司随着公司的发展和变化而定期“重新实施”它们。
你品一下：根据 JPM Chase 的研究，超过75% 的公司在 15 年内倒闭或被收购。因此，您购买的任何 HCM 系统都必须适应性强、灵活且易于更改。没有人在这方面做得很好。
一个更棘手的问题是收集和分析数据。由于大多数公司都有许多系统（数十个招聘、培训、合规、福利、调查、福利和薪资系统），几乎不可能获得所有员工及其所有各种人力资源数据元素（培训、工作历史）的单一视图、绩效评级、反馈、薪酬、福利）所以 IT 部门必须做很多工作才能将这些整合在一起。像 Visier 这样的新平台彻底改变了这种新的“系统分析”解决方案，但大多数公司仍在苦苦挣扎。
在过去几个月中，我曾与麦当劳、GE等许多公司会面，他们都在处理这些数据问题。麦当劳希望在数十个工资系统中获得所有员工（和承包商）的单一视图。GE则正在将公司分割为三个独立的业务。在这两种情况下，他们认为他们需要对其人力资源管理平台进行全面的“重新实施”，这将耗费数千万美元并需要几年时间。
还有更多：我们如何获得综合数据（我们称之为“系统分析”）以综合方式查看人员流动、保留驱动因素、薪酬公平、内部流动性和技能？这些较新的人力资源计划需要以全新的眼光看待员工队伍，跨系统集成更多数据。顺便说一句，请记住，全球近三分之一的劳动力都是承包商，因此他们的数据在这些系统中几乎根本无法识别。
新架构如何使这更容易？
好吧，虽然这个市场的发展需要时间，但让我提出一些重要的建议。人工智能，媒体和投资界的宠儿，可能最终会带来我们需要的“新架构”。虽然还没有供应商构建完整的以 AI 为中心的 HCM 系统，但我相信它很可能会到来。
让我给你叨叨：
正如我在我们关于 AI 架构的新白皮书 中所讨论的那样，AI 解决方案分为三个系列：那些“添加了 AI”的，那些在他们的平台中构建“AI 功能”的，以及那些“建立在人工智能之上。”
正如我们在论文中详述的那样，第三类平台以 LLM 和神经网络为核心构建。它们不是将交易数据存储在传统系统中，然后添加机器学习来改善体验，而是首先建立在人工智能之上。在与这些公司的技术领导者多次讨论之后，我相信这可能就是未来。
考虑 LLM（神经网络）的真正工作原理。这些系统是“贪婪的数据分析器”，查看标记（单词）或数字，并以深刻而迷人的方式发现它们之间的关系。虽然我们从未真正确切地知道为什么一个人在工作中表现优于另一个人，但人工智能将能够为我们提供我们以前从未见过的线索。现在许多商业供应商将 LLM 作为产品和网络服务出售（Google、Microsoft、OpenAI、Nvidia、Anthropic、Amazon、Meta），这些平台越来越容易使用。
您可能会说，“没那么简单”——现有的交易系统存储了数百个数据元素，如今这些数据元素具有复杂的工作流管理、安全性、用户界面和完整性检查。我当然同意：这些 HCM 和人才管理系统对每家公司都很重要和必不可少。
但这些应用程序的问题在于它们不灵活。随着公司的发展和变化，系统会随着时间的推移变得越来越“复杂”和“有缺陷”。这就是为什么像 Microsoft、Allianz、Nestle 和其他公司这样的大公司拥有庞大的 IT 团队，专注于流程协调、数据完整性和架构以保持同步。
从某种意义上说，这就是 ServiceNow 发展如此之快的原因。为了颠覆这个庞大的市场，Bill McDermott 和他的团队将他们的工作流引擎定位为“平台中的平台”，能够神奇地创建“跨越”这些后端系统的业务规则和应用程序，将遗留设计挑战转移到新层。正如他们的成长所证明的那样，公司迫切需要这个新的抽象层。
但这不正是大规模人工智能系统真正要做的吗？绝对没错。因此，我们可以期待基于神经网络和大型语言模型构建的 AI 核心系统缓慢但肯定会取代这些遗留系统。核心 HCM 供应商可能会走得很慢，但在大多数情况下，他们看到了这一点，所以他们正在尽可能快地前进。
例如，SuccessFactors 正在构建一个基于图形数据库的新 HXM 图形系统，旨在模拟我们大多数人正在迅速成为的高度去中心化、敏捷的公司。由于与 SAP 的许多集成，他们不得不缓慢行动，但他们清楚地看到了未来，并且他们现在正在试验它。他们已经将 Copilots 直接构建到应用程序中，为招聘人员、人力资源人员和其他人添加了生成人工智能。
我在 Workday 与机器学习负责人进行了长时间的交谈，他们也看到了这一点。虽然 Workday 认为他们的架构是合理的，但他们将 AI 模型视为 Workday 架构的重要扩展。因此，他们的工程师在构建新功能时会研究许多可能的 LLM 和 AI 模型，以尝试逐步增加其庞大应用程序的价值。
他们提到的第一个用例是能够“忽略”高度信任的员工的某些安全或工作流规则。因此，根据用户的历史记录、使用模式和公司历史，Workday UI 对于每个用户来说都是不同的。
虽然这些都是令人兴奋的努力和创新，但我认为它会走得更远。当我与 Eightfold、Gloat、Seekout 或其他“以 AI 为核心”的供应商交谈时，他们看到了更加广阔的未来。为什么人力资源系统不能预测和推荐我们所有的学习、发展活动、工作调动，甚至日常活动？如果您考虑 Microsoft Graph 中的智能，再加上由 Eightfold、Gloat、Seekout 和其他公司管理的海量数据集，您可以想象这些系统比 Workday 现在所做的要多得多。
然后我们看看像 Cornerstone 和 ServiceNow 这样的专业供应商。Cornerstone 的新 AI-fabric 旨在查看 7,000 名客户的所有学习和发展活动，并为您的公司提供有关内容、流动性、技能等方面的规范性建议。虽然他们的实施还很新，但我最近看到的演示已经开始实现这一愿景。Cornerstone 客户可以看到他们所在行业的其他人“推荐”了哪些行业技能、内容、职业和流动性，类似于 Eightfold 在招聘和人才管理方面的做法。
ServiceNow 也将此视为颠覆者。在听完 Bill McDermott 和他的团队描述他们的未来后，他们希望成为“企业的 AI 平台”，他们最近宣布的员工发展和成长（通过收购 Hitch Works）清楚地表明了他们的目标。他们希望成为您的“企业级智能平台”，最终以全新的平台架构取代 HCM 系统。
与所有这些主要的架构转变（迁移到云、迁移到移动设备）一样，迁移到 AI 一开始似乎令人困惑。大型供应商将缓慢而渐进地移动，而新的初创公司将以闪电般的速度移动。但有些人可能会破坏。我对Palantir 推出的基于 LLM 的业务系统特别感兴趣。它本质上是一个围绕专门构建的大型语言模型设计的 ERP（财务系统）。
我最近与 Eightfold 的联合创始人 Ashutosh Garg 讨论了这一趋势。他和我一样，也相信这种以人工智能为中心的架构会随着时间的推移而胜出。他们的系统可以集成和聚合几乎所有数据，因为它的架构非常开放。（传统的 ERP 系统并非为此而设计。）他认为“交易完整性”将成为 AI 核心的附加组件，本质上与现有供应商的方法相反。
该架构将走向何方
虽然我从不试图预测聪明先驱的创新，但我看到了广阔的新未来。五年前，当我们第一次描述“人才智能”时，我们本质上是在指出需要（和机会）使用 AI 来了解工作、角色、技能和员工在比贵公司现有员工大得多的数据集中的适应性. 随着时间的推移，同样的想法将接管所有 HCM 应用程序，仅仅是因为 LLM 和 GPU 现在使它成为可能。
在我看来，企业管理的大部分要素都归结为人的判断。雇用谁、提拔谁以及调任新职位都是我们根据个人判断做出的艰难决定。当您添加其他决策时，例如让团队有多大、如何提高生产力以及如何更快地培养新技能——甚至需要更多的“猜测”。然后还有诸如“给某人多少薪水”或“谁应该担任总经理”之类的问题，这些问题既棘手又重要。
这是供应商提供的 LLM 还是您自己的？两种选择都可能可用。小型公司将使用供应商提供的现成 LLM；大公司将在受保护的、完全安全的环境中使用内部数据来运行自己的系统。
如果我们使用 LLM 来帮助做出这些人才和人力资源决策，我们的公司将会运行得更好。是的，人工智能永远不会完全取代人类的判断。但是想象一下，如果你能看到给定决定的统计证据然后应用判断？我知道这将极大地改善我们的决策。
这些生成式 AI 架构确实是下一件大事。Nvidia 的联合创始人兼总裁黄仁勋称 LLM 为“我们这一代最大的计算机行业转型”。我必须同意。
我们新的 AI 白皮书描述了这些“基于 AI 的”决策的许多示例，您会惊讶于它们的强大功能。虽然我无法预测这种转变会以多快的速度发生，但我相信我们现在已经拥有了我们一直在等待的“下一代”HCM 架构。
扫一扫 加微信
hrtechchina
