私募股权公司Thoma Bravo宣布将以20亿美元(含债务)收购联络中心自动化软件提供商Verint Systems Inc.。
这笔交易的宣布距离该私募股权公司上一次收购不到一周时间。上周四,Thoma Bravo刚刚同意以123亿美元收购劳动力管理软件提供商Dayforce Inc.。
在纳斯达克上市的Verint拥有超过85%的财富100强公司作为客户。该公司提供基于云的平台,帮助企业提高联络中心效率。该平台提供人工智能智能体访问服务,可以自动回答常见客户问题并执行相关任务。
如果买家咨询无法自动回答,Verint会将其转接给人工客服代表。内置搜索引擎帮助联络中心团队找到回答客服工单所需的信息。该工具可以从多个内部系统检索数据,并将其转换为AI生成的摘要,为用户节省时间。
该公司平台不仅为联络中心团队提供业务信息,还提供如何与客户互动的指导。据Verint介绍,内置AI帮助客服代表完成寻找向买家追加销售最佳时机等任务。
客户对话结束后,Verint生成对话记录,联络中心经理可以查看以找到改进空间。该平台还提供其他衡量联络中心效率的方法,为客户互动分配质量分数,并创建买家可用于提供反馈的表单。
除了核心联络中心软件外,Verint还销售劳动力管理工具。企业可以使用这些工具计算应分配给企业地点的最佳员工数量,并相应调整招聘工作。
截至4月30日的三个月内,Verint营收为2.08亿美元,比去年同期下降1400万美元。同期,该公司订阅软件业务的年度经常性收入增长6.3%,达到7.1亿美元。Verint季度末拥有超过10,000名客户。
Verint首席执行官Dan Bodner表示:"我们在向早期阶段的客户体验自动化市场提供AI驱动解决方案方面取得了良好进展。"他补充说,公司最近宣布AI年度经常性收入占总ARR的一半。"我们期待与Thoma Bravo一起扩展我们的品类领导地位。"
Thoma Bravo的20亿美元报价比Verint在6月30日最后一个未受影响收盘价溢价4.2%。该私募股权公司预计在2026年初完成交易。
交易完成后,Thoma Bravo将把Verint与其在2021年收购的Calabrio Inc.合并。Calabrio销售组织用于衡量联络中心团队绩效的平台。该软件还可以跟踪Verint等公司提供的客户支持聊天机器人的效率。
Q&A
Q1:Verint是什么公司?主要做什么业务?
A:Verint是一家联络中心自动化软件提供商,拥有超过85%的财富100强公司作为客户。该公司提供基于云的平台,通过人工智能智能体自动回答客户问题,提高联络中心效率,并提供劳动力管理工具帮助企业优化员工配置。
Q2:Thoma Bravo为什么要收购Verint?
A:这是Thoma Bravo在一周内的第二笔收购,显示其对企业软件领域的投资策略。收购完成后,Thoma Bravo计划将Verint与其2021年收购的Calabrio合并,两家公司业务互补,都专注于联络中心解决方案,有助于扩展品类领导地位。
Q3:这笔收购交易的具体条件如何?
A:Thoma Bravo以20亿美元(含债务)收购Verint,报价比Verint在6月30日最后一个未受影响收盘价溢价4.2%。交易预计在2026年初完成。目前Verint年度经常性收入为7.1亿美元,拥有超过10,000名客户。
好文章,需要你的鼓励
人工智能代表着第四次工业革命的到来,它不仅是机械化工具,更是全球范围内增强、合作和颠覆的催化剂。AI已深度融入日常生活,在医疗、国防、金融和公共治理等领域发挥变革作用。与以往技术不同,AI能够增强人类决策能力,提升效率和创新。然而,算法偏见、网络安全威胁和隐私问题等风险不容忽视。未来AI发展需要政府、企业和学术界协调合作,建立伦理、法律框架,确保AI成为推动人类进步的积极力量。
腾讯微信AI团队开发的ComoRAG系统通过模仿人脑认知机制,让AI具备了动态记忆和循环推理能力,在长文本理解任务上相比传统方法准确率提升高达11%。该系统采用三层知识组织结构和五步认知循环过程,能够像侦探破案一样主动探索线索、整合信息、构建完整推理链条,特别在处理复杂叙事推理问题时表现优异,标志着AI从信息检索工具向智能推理伙伴的重要转变。
随着现代AI技术对数据中心基础设施提出新要求,"AI数据中心"一词使用日益频繁。然而,这一术语的定义仍不清晰,AI数据中心与传统数据中心的区别并不明显。AI数据中心通常具备更大容量、GPU加速硬件、优化网络设备、高效冷却系统等特征,但这些特性并非AI独有。与其投资专门的AI设施,企业或许应考虑改造现有数据中心来支持AI工作负载。
新加坡南洋理工大学团队开发的4DNeX系统实现了从单张照片生成完整4D动态场景的突破。该技术采用6D视频表示法融合RGB颜色和XYZ空间信息,构建了包含920万帧数据的4DNeX-10M大规模数据集,通过改进视频扩散模型实现15分钟内的高效生成,在动态程度和一致性指标上显著优于现有方法,为虚拟现实、影视制作等领域提供了新的技术路径。