Komos 主要服务背景调查机构，也就是 CRA（Consumer Reporting Agency）。
这类公司的一个现实问题是，很多数据还得去政府或法院网站手动查。
比如查某个人在某个州有没有犯罪记录。
研究员要先登录网站，选择 jurisdiction，输入姓名，检查搜索结果，保存截图，再把信息填进内部系统。
同样的动作一天可能重复几十次。
偏偏不同州、不同法院的网站又长得完全不一样，很多还没有 API，传统自动化很难统一处理。
Komos 的做法不是先让工程师写一堆脚本。
研究员把流程完整操作一遍，AI 根据这次演示生成工作流，再由团队检查和调整。
以后同样的查询就可以自动执行。
系统负责登录、填表、搜索、截图和提取数据；碰到疑似命中、需要判断的案件，再交回研究员。
所以它不是简单把研究员替掉。
更准确地说，是把人从大量点击、复制和录入工作里抽出来，只处理 AI 不该替人判断的部分。
Komos 也比较重视背景调查行业需要的审计能力，包括操作记录、截图留痕、凭证加密和 FCRA 相关合规流程。
公开信息显示，其自动化流程每月可处理超过 30 万次操作。
| 套餐 | 价格 | 说明 |
|---|---|---|
| Free Trial 免费试用版 | $0 / 14天 | 提供约 1,000 次 AI 操作、Moss AI 助手和 100+ 集成，用于验证实际流程。 |
| Enterprise 企业版 | 定制价格 | 提供更高或不限操作额度、SSO、数据导出、报告和专属支持，并可使用自托管 Runner。 |
Komos 走的是典型企业软件路线，没有公开完整价目表。
14 天试用更适合拿一个真实流程来测，而不是随便点几下功能。
比如选团队每天最耗时间的法院查询，让研究员完整演示一次，再看 Komos 跑 100 次以后能省多少人工。
企业版多少钱，则很难脱离实际业务量判断。
操作次数、部署方式、安全要求和系统集成都可能影响报价。
Komos 不是普通用户注册以后就能直接玩的产品。
通常要先联系团队，再拿自己的真实流程做试用。
我看到的演示里，研究员先手动完成了一次州法院查询。
整个过程大约 5 分钟。
从登录、输入搜索条件，到检查结果和保存数据，AI 都会记录下来，然后生成一版工作流草稿。
之后再在编辑器里补一些规则。
比如：
“结果超过 10 条时先停下来，让人工确认。”
这种判断可以直接插进流程，而不是重新写整套自动化。
从演示到第一个正式流程上线，大约用了三周。
测试时，系统同时跑了五个州的法院网站。
单个网站平均约 40 秒完成搜索，结果自动整理到表格里，有疑似匹配的记录再标出来让研究员复核。
这种效率提升对高频查询很有意义。
人还是在流程里，只是位置变了。
以前研究员大部分时间花在登录、点按钮、复制和粘贴。
用了 Komos 以后，更多时间放在结果核对和边缘案例上。
这也比较符合背景调查的实际情况。
犯罪记录、身份匹配这类结果，本来就不适合完全交给自动化直接下结论。
另一个值得看的地方是流程维护。
传统 RPA 最麻烦的问题之一，就是目标网站一改版，按钮位置或页面结构变了，流程可能直接断掉。
Moss AI 的定位就是帮助发现这些问题，并尽量修复流程。
不过“自动修复”不能理解成完全不用人管。
政府网站变化大、验证码复杂或者业务规则改变时，还是需要人工检查。
企业落地也不会像普通 SaaS 那样注册完当天就用。
凭证、网络策略、SSO、权限和 Runner 部署都可能需要 IT 或安全团队参与。
所以真正需要评估的，不只是 AI 能不能操作网站，还包括部署以后维护成本能不能降下来。
优点
缺点
适合：
不太适合：
Komos 最值得看的不是“AI 会不会点网页”。
普通 RPA 早就能点按钮、填表格。
它更想解决的是：那些没有 API、网站又各不相同的背景调查流程，怎么更快变成可维护的自动化。
研究员先演示一遍，Komos 负责把流程学下来。
之后 AI 做登录、查询、截图和数据整理，人留下来处理真正需要判断的结果。
对于每天查询量很大的 CRA，这种分工确实有价值。
但它是企业自动化项目，不是开个账号就能立刻省人的小工具。
最合适的测试方法，是挑一个团队已经重复做了很多年的流程。
先算清楚现在一次查询需要多少分钟、一个月做多少次，再用 14 天试用跑一轮。
如果自动化以后，人工真的从“操作网站”变成了“只看异常结果”，Komos 才值得进入下一步采购。
评论（0）