作为专注于 “公益科技”（Social Good Tech）的软件企业，Bonterra 致力于为非营利组织、基金会、企业及公共机构提供整合型工具，涵盖捐赠者互动、支持者参与、项目管理及企业社会责任（CSR）解决方案，其业务版图由 CyberGrants、EveryAction、Network for Good、Social Solutions 等平台整合而成，目前已成为该领域增长最快的企业之一，服务数千家机构实现使命规模化。而 Tanuja Korlepra 作为 Bonterra 的首席技术官（CTO），凭借 21 年横跨微软、亚马逊 AWS、USAFacts、Veritas 等企业的技术领导力经验，正带领团队以 AI 为核心驱动力，重构公益领域的技术应用逻辑，推动 “用科技解决社会问题” 的愿景落地。
Tanuja 对 “科技赋能公益” 的信念，源于职业生涯中对技术社会价值的持续探索。在微软、AWS 等企业任职期间，她专注于云服务、高性能计算（HPC）、AI、数据平台等领域的规模化创新，虽沉浸于技术突破的魅力，却始终关注科技对社会议题的解决潜力。真正让这一理念深化的，是她在 USAFacts 的工作经历 —— 作为这家由前微软 CEO 史蒂夫・鲍尔默创立的无党派公共数据机构的 CTO，她主导开发了提升政府数据透明度与可及性的产品，并恰逢 AI 快速普及阶段，开始尝试用新兴 AI 工具应对社会挑战。这段经历让她明确了 “技术与社会影响力交叉领域” 的职业方向，也为她加入 Bonterra 奠定了思想基础。在 Bonterra，她将这一热情转化为具体行动：企业的核心使命是到 2033 年将美国慈善捐赠占 GDP 的比例从 2.5% 提升至 3%（“3% by ’33”），而她的工作就是通过工程、产品与战略能力的整合，为非营利组织与资助方提供技术支持，让科技成为推动公益的核心力量。
2024 年加入 Bonterra 担任 CTO 后，Tanuja 的首要任务是在企业既有 AI 基础上加速创新。早在 2017 年，Bonterra 就通过 “DonorTrends” 推出预测性 AI 模型，帮助非营利组织优化筹款诉求策略，而 Tanuja 团队则进一步将 AI 能力升级为 “智能体 AI”（Agentic AI）—— 这种 AI 不仅能分析思考，还能自主执行任务，如同 “数字同事”，对资源有限的公益机构而言具有革命性价值。团队为此构建了安全、可靠、可扩展且可复用的 AI 框架，并最终推出专为公益领域设计的首个全智能体 AI 平台 “Bonterra Que”。Que 深度嵌入 Bonterra 的产品套件，覆盖资助方、非营利组织、支持者全生态，能自主协助机构筹款、对接资助资源、加速社会影响力落地，且始终坚持 “人类主导” 原则：核心决策仍由机构人员掌控，AI 仅作为辅助执行工具，避免技术替代人类的风险。同时，Tanuja 也推动内部团队用 AI 提升效率，例如工程师通过 Cursor、Claude Code 等编码工具加快软件开发与运营流程，在 “为客户嵌入 AI” 与 “自身负责任用 AI” 的双向实践中，平衡技术创新与公益需求的适配性。
对于不熟悉先进 AI 的非营利组织领导者，Tanuja 用 “简化复杂、主动行动” 来解释 Bonterra Que 的核心价值。她指出，公益机构长期使用为企业设计的通用工具，这些工具虽能提升效率，却未适配公益独特的业务模式 —— 多数机构目前仅将 AI 用于邮件撰写、内容创作等基础任务，而 Que 的突破在于 “从建议到行动” 的跨越。例如，Que 会基于机构的自有数据，主动生成个性化建议、挖掘潜在机会（如匹配资助方、细分捐赠者），而非仅提供通用洞察；同时，它将复杂的技术逻辑隐藏在后台，用户只需与直观的 AI 智能体交互，无需学习复杂操作，彻底消除软件使用门槛。Tanuja 的目标是推动 SaaS（软件即服务）模式向 “OaaS（成果即服务）” 转型，让平台承担大部分繁重工作，直接为客户交付可衡量的公益成果（如筹款增长、资助对接成功）。
在 Tanuja 看来，智能体 AI 对公益机构的核心价值，在于解决 “资源有限与使命繁重” 的核心矛盾。当前，超半数受联邦资助的非营利组织面临运营不稳定，44% 被迫削减完整项目，39% 通过裁员维持生存，员工普遍超负荷工作、面临职业倦怠，却难以投入社区服务、关系建设等核心使命工作。而 Que 通过自主执行多步骤任务，能有效缓解这一困境：例如自动匹配非营利组织与资助方（基于双方需求与目标）、规模化个性化捐赠者沟通、生成各类报告等。这些重复性强、耗时久的工作被 AI 承接后，员工得以将时间投入到 “人类不可替代” 的领域 —— 与捐赠者建立信任、为社区提供直接服务、推动公益项目创新，实现 “技术减负，人力聚焦价值” 的效果。
为平衡 AI 自主性与人类监督，Tanuja 团队将 “信任” 作为 Que 设计的核心原则。首先，坚持 “人类主导” 的决策逻辑：AI 仅负责执行任务与提供建议，最终决策权完全归属于机构人员，用户可随时查看、调整甚至否决 AI 的推荐，确保关键决策（如资金分配、服务对象筛选）不脱离人类判断；其次，以 “透明与合规” 为技术底线：严格保护敏感数据（如庇护所、诊所的客户信息），明确告知用户数据使用方式，遵循隐私保护法规，避免 AI 黑箱带来的风险；最后，将伦理与包容性融入 AI 开发全流程，确保技术不会放大偏见，也不会对弱势群体造成不利影响。这种设计思路，既贴合公益领域对 “信任” 的高需求，也规避了 AI 自主决策可能带来的社会风险。
在为公益机构定制 Que 的过程中，Tanuja 团队面临两大核心挑战：一是 “数据安全信任壁垒”，二是 “资源有限下的技术可及性”。对于前者，公益机构（尤其是处理敏感客户数据的庇护所、诊所）对 AI 的安全风险普遍存在顾虑，即便认可效率提升也不愿轻易尝试。为此，团队构建了基于行业最佳实践的严格运营控制体系，通过数据加密、访问权限分级、安全审计等措施，证明技术不会威胁数据安全，逐步建立客户信任；对于后者，考虑到非营利组织预算有限，团队从 “可及性、可负担性、可持续性” 三方面设计解决方案：可及性上，通过设计系统 “Stitch” 确保产品符合 Web 内容无障碍指南（2.2 AA 标准），并通过内部 QA 与自愿产品无障碍模板验证，让不同能力的用户都能使用；可负担性上，Que 提供免费的 “最佳实践指导”，将数十年的公益经验与行业洞察开放给客户，无需额外付费；可持续性上，仅将基础模型用于推理（而非训练），大幅降低碳足迹，且基础设施依托 AWS（其能效是传统数据中心的 3.6 倍，计划 2025 年实现 100% 可再生能源供电），兼顾环保与长期运营成本控制。
对于 Bonterra Que 的早期使用者，Tanuja 最关注三类成果指标：一是任务执行有效性，例如 “捐赠者细分” 功能通过自然语言输入生成基于捐赠行为、兴趣、互动历史的支持者群体，团队会追踪使用该功能的机构是否实现互动率提升；“资助匹配” 功能则需验证是否帮助更多非营利组织与资助方建立成功合作。二是 “时间节省”—— 这是最核心的指标，因为公益机构每减少 1 小时行政工作，就能多 1 小时投入使命相关的核心任务，团队的目标是让 Que 承接大部分重复性工作，释放人力价值。三是用户反馈的迭代价值，通过与早期客户的紧密合作，收集对功能、体验的改进建议，持续优化平台，确保技术真正贴合公益场景需求。
谈及 AI 对公益机构人员角色与工作流的影响，Tanuja 明确表示：智能体 AI 的核心是 “增强而非替代”。当前公益机构普遍人手不足，员工常需承担多岗位工作，AI 根本无法实现 “替代”；相反，AI 的作用是 “卸下员工无时间处理的负担”—— 例如，若员工需每天对 50 位潜在捐赠者进行个性化沟通、同时制定筹款计划与撰写资助申请，必然导致职业倦怠与工作质量下降，而 AI 可协助完成邮件草稿、资助申请大纲等基础工作，让员工聚焦于 “关系构建、服务交付” 等人类专属任务。这种模式下，工作流不会被颠覆，但员工的精力分配会更合理，核心价值产出会更高。
展望未来 3-5 年，Tanuja 规划了 Bonterra Que 的三大进化方向：在筹款领域，扩展实时活动优化、短信与活动创建、工作流自动化、自动报告生成功能；在案例管理领域，新增资格评估、案例优先级排序、数据验证能力；在影响力管理领域，实现非营利组织与资助方间的协同报告，更高效地证明与规模化社会成果。所有功能升级都将以 “安全、可扩展、伦理” 为前提，同时支持机构并行处理多个任务，进一步提升效率。而 Bonterra 的长期愿景，是推动 “慷慨一代”（Generosity Generation）的到来 —— 通过数据、洞察与人类连接的融合，释放更多慈善潜力；通过将 AI 嵌入筹款、资助、CSR、案例管理全流程，引领公益领域的技术变革，实现 “规模化影响力与规模化信任” 的双重目标。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/bonterra-shou-xi-ji-shu-guan-tanuja-korlepra-fang-tan-yi
