2026 年 6 月 10 ，一家叫Poetic（原名 Forge）的旧金山 AI 初创公司走出隐身模式，宣布完成5000 万美元 A 轮融资，估值5 亿美元，更令人震惊的是公司披露的经营数据：2025 年，这支团队仅有 4 名员工，却跑出了八位数的年化收入（ARR），并且实现盈利 。
一、Poetic 解决了什么问题，赚了多少钱
1. 解决的不是"让 AI 更聪明"，而是"让 AI 更可靠"
Markie Wagner 在 Google 和 Waymo 做机器学习工程师时反复看到一个现象：AI 系统在演示环境里表现惊艳，一旦碰到真实业务流程就崩溃。
企业级流程不是"回答一个问题"那么简单。一个反欺诈调查流程要跑好几个小时，涉及几千条没有人写下来的潜规则，错 5% 就意味着几百万美金的损失。
💡 Markie Wagner 的原话："Right now in AI, there's too much attention on quick demos and shiny objects, and not enough on outcomes."（当前 AI 领域过多关注演示和外表，而未能产生实际成果。）
Poetic 的架构选择极其反直觉：不做自主决策的 Agent，而是用专有编程语言把操作员的自然语言指令"编译"成确定性执行。系统先学习企业的操作手册、培训视频、专家反馈，然后像代码一样确定性地运行，token 消耗量仅为传统 AI Agent 的零头 。
2. 瞄准的是"错不起"的流程
Poetic 的技术专为以下场景设计 ：
重复性、多小时的流程：每天运行数千次
要求近乎完美的准确性：错误容忍度极低
依赖通常未文档化的运营知识：老员工的经验只存在于脑子里
具体落地在三大类高风险流程：
金融欺诈调查（SoFi）
保险核保（AIG）
交易监控与争议处理（Chime 等财富 500 强客户）
3. 真实的客户成效（据 Poetic 官方披露 ）
客户 | 流程 | 成效 |
|---|---|---|
SoFi（美国上市数字银行） | 端到端欺诈调查 | 5 周内达到 99%+ 质量；SoFi CEO Anthony Noto 确认"在复杂的合规调查中实现了 100% 流程依从" |
AIG（美国国际集团） | 复杂的多小时保险流程 | 99%+ 准确率，此前需要大量人工 |
Chime（美国挑战者银行） | 争议处理 | 通过 Poetic 工作流处理了50 万+ 笔争议 |
某财富 500 强金融公司 | 欺诈检测 | 据报道年节省 2 亿美元（Poetic 自披露） |
⚠️ 需要说明：上述"50 万+ 笔争议""年节省 2 亿美元""100% 试点到生产转化率"等具体数字来自 Poetic 公司自身披露 。T
