今天分享的公司叫：Lance，https://www.lance.live/

Lance 是一家 YC W26 公司，做的是面向酒店行业的 AI Agent：

Lance 可以接听客人电话和消息，理解需求，创建工单，分派给客房、维修、前台等团队，并追踪执行结果。

目前已服务美国 50 多家酒店，覆盖万豪、希尔顿、凯悦等品牌体系下的酒店。

酒店运营，比外人想象得更“手工”

酒店看起来是一个服务行业，但真正麻烦的除了服务本身，还有后台协同。

比如一个简单的场景：你打电话给前台说房间没有毛巾。

前台要接电话，确认房间号，判断需求，通知客房部。

客房部可能通过对讲机收到消息，再安排人送过去。

送完以后，前台未必能第一时间知道结果。如果中间有交接班、电话太多、人员忙不过来，这个请求就可能被漏掉。

类似的事情每天都会发生。

延迟退房、房间维修、停车咨询、早餐时间、叫车、行李寄存、噪音投诉、客房清洁、会议室安排……

这些需求本身不复杂，但数量多、入口杂、执行链条长。

这也是酒店运营的真实状态：前台接电话，员工用对讲机沟通，维修和客房靠人工派单，管理层再从一堆零散记录里复盘服务质量。

Lance 看到的机会就在这里。

它想把酒店里这些靠电话、对讲机、纸张和人工记忆维持的流程，变成 AI 可以理解、分发和追踪的工作流。

Lance 是做什么的

Lance 的定位很清楚：给酒店做 AI 运营员工。

它不是单纯的语音客服，也不是只回答“早餐几点开始”的问答机器人。

Lance 的 AI Agent 可以回答电话、处理销售线索、执行酒店运营任务，并且能够操作酒店已有的软件系统，完成多步骤任务。

更具体一点，它大概处理三类事情：

第一类，是客人沟通。

客人打电话、发消息，Lance 可以响应需求。

比如问房价、查预订、要毛巾、申请延迟退房、询问停车、反馈空调坏了。

过去这些事情都堆到前台，现在可以先由 AI 识别、回复和记录。

第二类，是内部派单。

AI 听懂需求后，不只是回复客人，还要把事情派给对应团队。

要毛巾就给客房部，空调坏了就给维修，房间脏了就给清洁，账单问题就交给前台或经理。

也就是说，Lance 可以创建和分发工单、更新系统，并实时协调员工。

第三类，是流程追踪。

这点很关键。酒店服务最怕说了但没人做，或者做了但没人知道。

Lance 试图让每一次请求都有记录、有状态、有负责人、有完成结果。

Y Combinator 的公开介绍里还提到 Lance Pad，它用于连接客房、维修和服务团队，把原来靠对讲机和口头转述的协作，变成结构化沟通。

所以 Lance 真正做的，可以概括成一句话：

把酒店前台接到的每一个请求，变成一条可执行、可追踪的任务。

为什么酒店行业适合做 AI Agent

酒店行业很适合 AI Agent，不是因为它落后，而是因为它有几个非常适合自动化的特点。

第一，需求重复。

酒店客人问的问题高度集中。入住时间、退房时间、早餐、停车、Wi-Fi、发票、健身房、洗衣、客房服务，这些问题每天都会被反复问。

AI 很适合先处理这类重复沟通。

第二，流程明确。

酒店服务虽然现场变化很多，但很多动作有固定流程。

客人要毛巾，通知客房；客人报修，通知工程；客人要求延迟退房，查房态和政策；客人询问房价，查库存和价格。

AI 只要接上酒店系统，就可以在明确边界内完成很多任务。

第三，人手长期紧张。

美国酒店行业过去几年一直面临用工压力。AHLA 在 2025 年的调查显示，65% 的受访酒店表示存在人员短缺，71% 的酒店有岗位空缺且难以填补；最缺的是客房清洁，其次是前台。

酒店老板面对的问题也很现实：

人不够，电话还得接；员工忙，客人还不能等；成本涨，服务质量还不能掉。

Lance 看中的就是这中间的机会和收益。

它不需要一上来替代整个酒店管理系统，只要先帮酒店把前台电话接起来、请求记住、任务派出去，就已经能解决一部分非常现实的问题。

Lance 和普通 AI 客服有什么区别

很多酒店 AI 客服还停在第一步：回答问题。

比如客人问早餐几点，AI 回答时间；客人问停车费，AI 回答价格。这个价值有，但不够深。

Lance 想做的是第二步和第三步：把需求变成动作，再把动作推进到完成。

这就从酒店客服机器人变成了酒店运营 Agent。

举个例子，客人说：“我房间空调不制冷，能不能找人看一下？”

普通客服的回答可能是：“我们已经收到您的反馈，会尽快处理。”

Lance 理想中的流程应该是：

• 识别客人房号；

• 判断这是维修类需求；

• 生成维修工单；

• 通知工程团队；

• 如果需要，提醒前台安抚客人或换房；

• 记录处理状态；

• 完成后同步给相关人员。

这才是酒店真正需要的能力。

从这个角度看，Lance 更接近一个轻量的酒店运营中台。从语音和消息切入，终点是酒店的内部协同运营和管理。

创始团队和融资情况

Lance 非常年轻，成立于 2026 年，总部在旧金山。YC 页面显示，公司目前有 3 位创始人：Caleb Chan、Gavin Brennen 和 Gatik Trivedi。

Caleb Chan 是 CEO，他曾是 Silicon Valley Commerce 的产品负责人和创始工程师；他也曾在 Google 和 Salesforce 做过产品相关工作，方向涉及语音和 AI Agent 技术。

Gavin Brennen 是 COO，曾在 Domo 做过 AI Agent 相关工作，也有产品和客户侧经验。

Gatik Trivedi 是 CTO，曾做过语音、语言研究、Agent 基础设施和大模型评测相关工作。

融资方面，Lance 在 2026 年 4 月宣布完成 500 万美元种子轮融资，用于建设面向酒店运营的 AI Agent。

从团队背景看，Lance 的组合比较典型：

一个懂产品和语音 Agent，一个做运营和客户落地，一个做技术。

对于酒店这种重落地行业来说，这种组合比单纯模型团队更重要。

AI Agent 可以进入更多线下服务业

Lance 这类公司出现，其实和 AI Agent 的发展阶段有关。

过去两年，AI 应用最容易落地的是内容生成、客服问答、销售邮件、会议纪要。

这些场景对执行结果的要求相对宽一些，AI 出错的成本也可控。

但从 2025 年开始，更多 AI 创业公司开始进入真实的工作流中。

所谓真实工作流，是要接系统、读数据、做判断、调用工具、推进任务。

Lance 如果能在酒店跑通，说明 AI Agent 可以进入更多线下服务业。

比如公寓物业、养老院、诊所、健身房、连锁餐饮、汽车维修、校园宿舍。

它们都有相似的问题：电话多、人员少、流程碎、记录散、执行靠人工盯。

这也是我为什么分享 Lance 的原因：

它不是一个酒店运营 agent，而是一个更大趋势的样本 —— AI 从办公室软件，进入线下服务业的后台。

竞争格局：酒店 AI 已经开始热起来

Lance 不是唯一一家看到酒店 AI 机会的公司。

比如 Akia 做的是酒店客人全生命周期管理，官网称自己可以自动处理从预订到退房后的客人互动和内部运营，并已服务 2000 多家酒店运营方。

Q Concierge 则主打酒店语音 AI，定位是 24 小时数字前台，帮助酒店接住错过的电话、处理客人问题和捕捉预订收入。

Canary Technologies 也推出了面向酒店的 AI Voice，用来处理来电、回答客人问题、捕捉更多预订并节省团队时间。

这些公司说明一个问题：

酒店 AI 不是没人做，而且已经开始从聊天机器人进入到运营系统中。

Lance 的差异在于，它不只想做前台问答，它想重构酒店内部执行链条。

这也是它的机会，也是它的难点。

机会在于，一旦深入酒店工作流，客户粘性会更强；

难点在于，酒店系统复杂、现场流程不统一、出错成本高，AI 不能只会说话，还要能实打实的干活。

---

最后，做个总结。

Lance 最值得分享的地方，是它代表了一类新的 AI 创业方向：

AI Agent 除了能给白领提高效率，还能给线下服务业做帮手。

过去很多 AI 产品默认服务对象是办公室员工：销售、市场、客服、程序员、律师、医生。

Lance 这种公司把 AI 带到了酒店前台、客房部、维修团队和物业现场。

这个方向可能没有聊天应用性感，也没有 AI 编程工具传播快，但商业价值很实在。

AI 在这些场景里都不需要讲太多宏大的概念，只要把一件件小事真正落地，就是价值本身。

以及，如果 Lance 能把酒店跑通，它讲的就不只是酒店前台的故事。

以上，祝你今天开心。