ترفع Interloom 16.5 مليون دولار لجلب “الذاكرة” إلى وكلاء الذكاء الاصطناعي في الشركات

وكلاء الذكاء الاصطناعي في الشركات يصبحون أكثر قدرة، ولكن هناك 한 制限 كبير يظل يعيقهم: لا يتذكرون حقًا كيف يتم إنجاز العمل داخل المنظمة.

هذا الفجوة هو في مركز الإعلان عن التمويل الأخير لشركة Interloom. وقد جمعت الشركة الناشئة في ميونخ 16.5 مليون دولار في جولة تمويل أولية بقيادة DN Capital، مع مشاركة من Bek Ventures و Air Street Capital. وتُركز الشركة على بناء منصة تقوم بتقاطع كيفية عمل الفرق حقًا وتحويل تلك المعرفة إلى شيء يمكن أن تستخدمه أنظمة الذكاء الاصطناعي بثبات.

随着 دفع الشركات للذكاء الاصطناعي إلى عملياتها الأساسية، يصبح التحدي أكثر وضوحًا. يمكن للذكاء الاصطناعي اتباع الإرشادات، تلخيص المعلومات، وتوليد مخرجات، لكنها غالبًا ما تفتقر إلى السياق اللازم لاتخاذ قرارات متسقة في بيئات العالم الحقيقي المزعجة. لا يوجد الكثير من هذا السياق مكتوبًا في أي مكان – يوجد في الحالات السابقة، المناقشات الداخلية، ودعوات الحكم من الموظفين ذوي الخبرة.

الطبقة الناقصة في الذكاء الاصطناعي للشركات

ت假定 معظم المنظمات أن عملياتها موثقة جيدًا، ولكن في الممارسة، غالبًا ما يكون العكس صحيحًا. المعرفة التشغيلية الحاسمة متفرقة عبر البريد الإلكتروني، تذاكر الدعم، الأدوات الداخلية، والعمليات غير الرسمية. حتى عندما توجد وثائق، فإنها تميل إلى التأخر عن الواقع أو تبسيط كيفية اتخاذ القرارات حقًا.

هذا يخلق مشكلة كبيرة لاعتماد الذكاء الاصطناعي. بدون الوصول إلى هذه المعرفة الضمنية، يصارع وكلاء الذكاء الاصطناعي ليتجاوزوا المهام الضيقة والمحددة مسبقًا. يمكنهم مساعدة، لكنهم لا يستطيعون العمل بشكل مستقل بثقة.

تحاول Interloom حل هذه المشكلة من خلال إدخال ما تصفه بطبقة الذاكرة الثابتة. بدلاً من الاعتماد على الإرشادات الثابتة، تتعلم المنصة من كيفية حل الفرق للحالات التشغيلية الحقيقية. مع مرور الوقت، تبني نموذجًا متطورًا باستمرار لكيفية اتخاذ القرارات عبر المنظمة، مما يسمح للموظفين وأنظمة الذكاء الاصطناعي بالإشارة إلى النتائج السابقة كدليل.

من الوثائق الثابتة إلى الأنظمة الحية

الانحراف الذي تقترحه Interloom هو دقيق ولكن مهم. تعتمد الأنظمة التقليدية للشركات بشكل كبير على الوثائق، والعمليات، والقواعد المحددة مسبقًا. ينتقل نهج Interloom في الاتجاه المعاكس، حيث يتم التقاط المعرفة بعد الحادث من خلال ملاحظة العمل الحقيقي أثناء حدوثه.

هذا يعني أن النظام لا يقتصر على ما تعتقد الفرق أنه يجب أن يحدث، ولكن بدلاً من ذلك يعكس ما يحدث حقًا. القرارات المتخذة تحت الضغط، والاستثناءات المعالجة يدويًا، والعملار التي تم تطويرها مع مرور الوقت كلها تصبح جزءًا من ذاكرة تشغيلية متزايدة.

في الممارسة، هذا يسمح لوكلاء الذكاء الاصطناعي بالعمل بناءً على السابقة بدلاً من الافتراض. بدلاً من توليد الإجابات في العزلة، يمكنهم تأسيس أفعالهم على حالات مشابهة تم حلها بالفعل. بالنسبة للموظفين، يقلل ذلك أيضًا من الحاجة إلى إعادة اكتشاف الحلول، منذ أن تصبح القرارات السابقة متاحة على الفور ويمكن إعادة استخدامها.

还有 أحد الآثار هو الحفاظ على المعرفة المؤسسية. عندما يغادر الموظفون ذوو الخبرة، تختفي معظم خبرتهم عادةً معهم. من خلال التقاط كيفية التعامل مع المواقف المعقدة، تهدف Interloom إلى الاحتفاظ بهذه المعرفة وجعلها متاحة للفرق والنظم المستقبلية.

الزخم المبكر في الصناعات المعقدة

على الرغم من أنها ما زالت في بداية دورة حياتها، تعمل Interloom بالفعل مع شركات كبيرة، بما في ذلك Zurich Insurance (ZURN.SW ) و Volkswagen. توفر هذه البيئات اختبارًا واضحًا للمنصة، حيث تتضمن عمليات متعددة ومتعاقبة معقدة.

في قطاعات مثل التأمين، التصنيع، والخدمات المالية، نادرًا ما تتبع العمليات مجموعة بسيطة من القواعد. يمكن أن تتضمن كل حالة متغيرات متعددة، استثناءات، واعتماديات عبر الأنظمة. هذا يجعل من الصعب تطبيق التأتمات التقليدية، التي تعتمد على سير عمل صارم.

من خلال معالجة ملايين الحالات التشغيلية، صممت منصة Interloom لاكتشاف الأنماط في كيفية اتخاذ القرارات وتحسين كلاً من السرعة والاتساق. يبني وكلاء “رئيس الأركان” الجدد المقدمون من الشركة على ذلك، حيث يهدفون إلى تنسيق سير العمل عبر الأنظمة، بدلاً من تنفيذ مهام معزولة فقط.

ما يعنيه هذا للمستقبل الذكاء الاصطناعي في الشركات

الظهور لأنظمة مثل Interloom يشير إلى تحول أوسع في تطور الذكاء الاصطناعي للشركات. ركزت موجات التأتمات الأولى على العمليات المهيكلة والمهام المحددة بوضوح. توسعت التطورات الأخيرة في الذكاء الاصطناعي التوليدي ما يمكن أن تفهمه وتنتج الآلات. قد يتم تعريف المرحلة التالية بمدى قدرة أنظمة الذكاء الاصطناعي على دمج السياق بمرور الوقت.

إذا كان وكلاء الذكاء الاصطناعي سيقومون بمزيد من المسؤولية داخل المنظمات، فسوف يحتاجون إلى شيء أقرب إلى الذاكرة المؤسسية. بدون ذلك، حتى النماذج الأكثر تقدمًا ستبقى محدودة بالمساعدة بدلاً من التنفيذ. مع ذلك، يبدأ الحد الفاصل بين اتخاذ القرارات البشرية وتنفيذ الآلة في التلاشي.

هذا أيضًا يثير أسئلة جديدة حول كيفية إدارة الشركات ومعرفة внутренية. يمكن أن يصبح نظام يلتقط ويستخدم القرارات باستمرار ميزة تنافسية قوية، ولكنه يطرح أيضًا تحديات حول الشفافية والتحيز والسيطرة. إذا تم تدريب أنظمة الذكاء الاصطناعي على القرارات السابقة، فقد تعزز الأنماط الحالية – السليمة والسيئة.

في الوقت نفسه، يمكن أن يعيد تشكيل القدرة على ترميز المعرفة التشغيلية وإعادة استخدامها على نطاق واسع كيفية تفكير المنظمات في الخبرة. بدلاً من تركيز الخبرة في الأفراد أو الفرق، تصبح المعرفة موردًا مشتركًا يتطور بمرور الوقت. يمكن أن يقلل ذلك من حواجز التأتمات في المجالات التي قاومتها تاريخيًا، ولا سيما تلك التي تتطلب الحكم والخبرة.

يقترح نهج Interloom أن مستقبل الذكاء الاصطناعي للشركات قد لا يتم تعريفه فقط من خلال نماذج أفضل، ولكن من خلال أنظمة أفضل لتقاط المعرفة وتطبيقها في العالم الحقيقي. سواء كان هذا الرؤية يثبت أنه قابل للتوسع يبقى لمعرفته، ولكن الاتجاه يصبح أكثر وضوحًا: من أجل أن يتجاوز الذكاء الاصطناعي المساعدة ويدخل التنفيذ، قد تكون الذاكرة مهمة مثل الذكاء.