图片来源：Scribe官方产品页。画面展示系统标记可自动化步骤与重复环节，不构成第三方经营数据证据。
很多公司准备部署AI时，第一步仍然是让顾问访谈员工，甚至拿着秒表坐在旁边，记录一个任务用了多久。
这幅场景来自Scribe创始人Jennifer Smith对TechCrunch的描述。模型已经能写代码、处理文档和调用工具，企业却经常答不出一个更基础的问题：哪些工作值得交给AI，以及这些工作究竟怎么做。
Scribe正是在补这块空白。Forbes在2026年5月报道，这家公司已经跨过1亿美元年化经常性收入，拥有600万用户，记录和分析了1500万条工作流，覆盖4万款企业应用。
这些经营数据由公司向媒体披露，未经第三方审计。但它们揭示的产品路径很值得研究：Scribe没有先要求企业建设一套宏大的AI知识工程，而是先让普通员工在完成工作时，顺手留下AI可以理解的操作轨迹。
从“少解释一次”开始
Scribe成立于2019年，属于典型的“老树新花”。它最初解决的事情很小：用户打开浏览器扩展，照常完成一项任务，产品自动把点击、输入和页面变化整理成带截图的步骤指南。
这比录屏更容易查找和修改，也省去了截图、裁剪、标注、写说明和排版。一个熟悉流程的人只要做一遍，之后便可以把链接发给新同事或客户。
最初给用户的价值很直接：“这件事以后不用再口头讲一遍。”这种即时回报降低了记录知识的阻力，也让每一份指南天然带着传播能力：创建者解决自己的重复解释，查看者在使用过程中认识Scribe，团队里的指南越来越多，管理者才开始考虑统一采购。
2025年11月，TechCrunch报道Scribe已有超过500万用户、7.8万家付费组织，团队进入94%的财富500强企业。这是一条很典型、却不容易复制的企业增长路径：个人先因为好用而进入，企业后因为使用已经发生而付费。
文档工具如何长出上下文层
如果Scribe只生成操作指南，它最终仍是一款效率工具。真正改变商业上限的，是这些指南背后的数据结构。
一条工作流包含使用了哪些应用、先后执行哪些步骤、哪里反复切换、什么环节容易出错。成千上万条工作流汇总后，企业第一次可以基于实际操作回答：哪个流程最耗时，哪些步骤重复，哪里适合自动化，AI部署后有没有产生回报。
Scribe由此推出Optimize。按照官方产品说明，它能自动捕获授权范围内的工作流，生成流程图，识别瓶颈和自动化机会，并根据频率与耗时估算ROI。通过MCP和API，这些流程还可以成为企业内部Agent的上下文。
这一步让Scribe从“保存别人怎么做”走向“判断下一步该怎么改”。它积累的1500万条工作流，也因此不只是内容库存，而是三个层次的资产：
- 对员工，是可以立即复用的操作指南；
- 对管理者，是发现浪费和决定自动化优先级的流程数据；
- 对AI，是执行企业任务时需要的规则、顺序和例外。
一家AI公司常说自己拥有数据并不稀奇。Scribe更特别的地方，在于数据产生于一个用户本来就愿意完成的动作，而且每次记录都先给用户一个可见结果。数据资产与产品价值从第一天就在同一条路径上。
从13美元席位到七位数合同
Scribe的价格设计把这条路径直接写进了商业模式。
官网价格页提供免费Basic版；Pro Personal按年付为每席位每月25美元；至少5席起购的Pro Team按年付为每席位每月13美元；Enterprise则采用定制报价，加入自动脱敏、权限、身份认证、数据治理和多团队管理。
Forbes报道称，客户实际支付范围从约20美元的订阅延伸到五至七位数企业合同。前端是任何人都能尝试的轻产品，后端则销售安全、治理、组织级流程洞察和AI转型能力。产品看到的工作范围越大，预算所有者也越会从个人上移到团队负责人、IT部门和企业转型团队。
客户结果进一步解释了企业为什么扩单。Scribe官方案例显示，New York Life从40人试点扩展到80多个团队，参与调查的创建者称每月平均节省41.6小时；一家学区IT团队则把单份操作指南的制作时间从约30分钟缩短到10分钟。两组结果均来自官方案例，未经第三方审计，但它们对应的是企业能直接理解的成本：培训、答疑、文档维护和知识流失。
壁垒取决于上下文能否持续更新
Scribe的壁垒很容易被误读成“拥有很多屏幕录像”。数量本身并不够。真正难复制的是结构化工作流能否保持准确、获得授权，并在执行结果返回后持续更新。
Scribe团队公开的ScribeAgent研究使用生产级工作流数据训练网页Agent，并称其在WebArena上的任务成功率比此前最佳文本Agent提高7.3%。这是一篇公司研究人员参与的预印本，不能当作独立产品评测，却提供了一个有价值的方向：真实流程数据确实可能改善Agent对长任务和具体操作的理解。
反过来，风险也来自同一个地方。员工行为采集天然涉及隐私、权限和内部信任；界面变化会让旧流程失效；微软、ServiceNow、UiPath及流程挖掘厂商也掌握相邻数据。如果Scribe只能记录，却不能让流程保持新鲜并证明AI执行结果，它的“上下文层”就会退化成一个更大的文档库。
因此，1500万条工作流真正有价值的条件，是它们持续参与工作：被查看、被纠错、被分析、被Agent调用，再用执行结果反哺流程。
两个值得带走的产品动作
先给用户一个立即可用的结果，再积累长期资产。 Scribe没有让员工为了公司未来的AI战略额外填表。用户完成一次工作，就得到一份能马上分享的指南；结构化数据只是这个即时价值自然留下的副产品。很多AI产品也可以重新检查自己的数据飞轮：用户今天为什么愿意贡献这份上下文，而不只是公司未来为什么需要它。
让个人传播与企业采购沿同一条路径发生。 指南越有用，被分享得越多；组织内使用越广，管理、安全和分析需求越明确。Scribe没有在产品增长与企业销售之间做两套孤立系统，而是让免费使用成为大型合同的需求证据。
Scribe跨过1亿美元ARR，表面上靠的是AI浪潮，底层却是一个提前六年开始的积累：先把人脑中的工作步骤变成可分享的产品，再让这些步骤成为机器可以调用的上下文。
当模型能力越来越容易获得，企业真正稀缺的东西开始向内部移动。谁能看见工作如何发生，谁才更有机会决定AI从哪里进入，又能把多少价值留下来。