Interloom Získal 16,5 Milionu Dollarů Na Přinětí „Paměti“ Do firemních AI Agentů

Firemní AI agenti se stávají stále schopnějšími, ale jedna velká omezení je stále brání: nevědí, jak se práce skutečně provádí uvnitř organizace.

Tato mezera je v centru Interloomova posledního oznámení o financování. Mnichovská firma získala 16,5 milionu dolarů v rámci seed kola vedeného DN Capital, se účastí Bek Ventures a Air Street Capital. Společnost se zaměřuje na budování platformy, která zachycuje, jak týmy skutečně fungují, a přeměňuje tuto znalost na něco, co mohou AI systémy spolehlivě použít.

Podniky, které tlačí AI hlouběji do svých základních pracovních postupů, čelí této výzvě stále jasněji. AI může následovat pokyny, shrnout informace a generovat výstupy, ale často postrádá kontext potřebný pro konzistentní rozhodování v složitých, reálných prostředích. Velká část tohoto kontextu není nikde zaznamenána – existuje v minulých případech, interních diskuzích a úsudcích zkušených zaměstnanců.

Chybějící Vrstva V Firemním AI

Většina organizací předpokládá, že jejich procesy jsou dobře zdokumentovány, ale ve skutečnosti je tomu často naopak. Kritická provozní znalost je rozptýlena po e-mailech, tiketech podpory, interních nástrojích a neformálních pracovních postupech. I když dokumentace existuje, obvykle zůstává pozadu za realitou nebo zjednodušuje, jak jsou rozhodnutí skutečně učiněna.

To vytváří velký problém pro přijetí AI. Bez přístupu k této implicitní znalosti se AI agenti potýkají s tím, aby šli za úzké, předem definované úkoly. Mohou asistovat, ale nemohou operovat nezávisle s důvěrou.

Interloom se snaží tento problém vyřešit zaváděním toho, co nazývá trvalou paměťovou vrstvou. Místo toho, aby se spoléhal na statické pokyny, platforma učí se z toho, jak týmy řeší skutečné provozní případy. Postupem času buduje neustále se vyvíjející model toho, jak jsou rozhodnutí učiněna napříč organizací, což umožňuje lidem i AI systémům odkazovat na předchozí výsledky jako na vodítko.

Od Statické Dokumentace K Živým Systémům

Přechod, který Interloom navrhuje, je jemný, ale významný. Tradiční firemní systémy závisí silně na dokumentaci, pracovních postupech a pravidlech definovaných předem. Přístup Interloomu jde opačným směrem, zachycuje znalosti až po skutečnosti pozorováním skutečné práce, jak se děje.

To znamená, že systém není omezen na to, co týmy myslí, že by se mělo stát, ale místo toho odráží, co se skutečně děje. Rozhodnutí učiněná pod tlakem, výjimky zpracované ručně a pracovních postupů vyvinutých v průběhu času se všechny stávají součástí rostoucí provozní paměti.

V praxi to umožňuje AI agentům jednat na základě precedensů spíše než předpokladů. Místo generování odpovědí v izolaci mohou své akce zakotvit v podobných případech, které již byly vyřešeny. Pro zaměstnance to také snižuje potřebu znovuobjevovat řešení, protože předchozí rozhodnutí se stanou okamžitě dostupnými a opakovaně použitelnými.

Další implikací je zachování institucionálních znalostí. Když zkušení zaměstnanci odcházejí, obvykle s nimi mizí i jejich odborné znalosti. Interloom se snaží zachovat tyto znalosti a učinit je dostupnými pro budoucí týmy a systémy.

Brzké Úspěchy V Komplexních Odvětvích

I když je Interloom stále v rané fázi, již spolupracuje s velkými podniky, včetně Zurich Insurance (ZURN.SW ) a Volkswagen. Tyto prostředí poskytují jasnou zkušební případ pro platformu, protože zahrnují velké objemy složitých, kontextově závislých rozhodnutí.

V odvětvích, jako je pojištění, výroba a finanční služby, procesy zřídka následují jednoduchou sadu pravidel. Každý případ může zahrnovat多né proměnné, výjimky a závislosti napříč systémy. To je činí obtížným automatizovat pomocí tradičních přístupů, které se spoléhají na rigidní pracovní postupy.

Průchodem milionů provozních případů je platforma Interloom navržena tak, aby odhalila vzorce v tom, jak jsou rozhodnutí učiněna, a použila je ke zlepšení jak rychlosti, tak konzistence. Nově zavedený „Chief of Staff“ agent staví na tomto a zaměřuje se na koordinaci pracovních postupů napříč systémy, spíše než pouze na izolované úkoly.

Co To Znamená Pro Budoucnost AI V Podniku

Vznik systémů, jako je Interloom, naznačuje širší posun v tom, jak se firemní AI pravděpodobně vyvine. Rané vlny automatizace se zaměřily na strukturované procesy a jasně definované úkoly. Poslední pokroky v generativní AI rozšířily to, co stroje mohly pochopit a vyprodukovat. Další fáze může být definována tím, jak dobře AI systémy mohou začlenit kontext v průběhu času.

Pokud mají AI agenti převzít více odpovědnosti uvnitř organizací, budou potřebovat něco podobného firemní paměti. Bez ní, i ty nejvyspělejší modely zůstanou omezeny na asistenci spíše než na operace. S ní začíná hranice mezi lidským rozhodováním a strojovým provedením splývat.

To také vyvolává nové otázky o tom, jak společnosti spravují a řídí své vnitřní znalosti. Systém, který neustále zachycuje a opakovaně používá rozhodnutí, by mohl стать silnou konkurenční výhodou, ale také představuje výzvy kolem transparentnosti, zkreslení a kontroly. Pokud jsou AI systémy školeny na základě předchozích rozhodnutí, mohou posílit stávající vzorce – dobré i špatné.

Současně může schopnost zakódovat a opakovaně používat provozní znalosti v měřítku přetvořit to, jak organizace myslí o odbornosti. Místo koncentrace u jednotlivců nebo týmů se znalosti stávají sdíleným aktivem, které se vyvíjí v průběhu času. To by mohlo snížit bariéru pro automatizaci v oblastech, které historicky odolávaly, zejména v těch, které vyžadují úsudek a zkušenosti.

Interloomův přístup naznačuje, že budoucnost firemního AI nemusí být definována pouze lepšími modely, ale lepšími systémy pro zachycení a aplikaci reálných znalostí. Zda se tato vize ukáže jako škálovatelná, zůstává být vidět, ale směr se stává stále jasnějším: pro AI, aby šla za asistenci a do provedení, paměť může být stejně důležitá jako inteligence.