Quill Získává 6,5 Milionu dolarů Na Vývoj Suverénního „Šéfa AI Personálu”

Jak se nástroje AI množí na pracovišti, objevuje se nový problém. Profesionálové již nejsou pouze zaměstnáni ve své práci. Musí také spravovat rostoucí flotilu asistentů AI pro psaní, výzkum, kódování, dokumentaci a komunikaci. Tyto nástroje zřídka sdílejí kontext a zřídka rozumí tomu, jak někdo skutečně pracuje.

Quill věří, že chybějící ingrediencí je konverzace.

Společnost získala 6,5 milionu dolarů na rozšíření své platformy a spuštění Quilliam, suverénního šéfa AI personálu, který je navržen tak, aby koordinoval nástroje AI pomocí kontextu získaného přímo z jednání a diskusí. Investice byla vedena Basis Set Ventures, se účastí 500 Global, Naval Ravikant, Morado Ventures, a AME Cloud Ventures.

Začínáme Tam, Kde Skutečně Probíhá Práce

Quill začal jako lokální nástroj pro přepis jednání se zaměřením na zachování záznamů konverzací. Zpracováváním audio přímo na zařízení uživatele a strukturou souhrnů a akčních položek z diskusí se snažil snížit mezery mezi tím, co bylo řečeno, a tím, co bylo třeba udělat dál. V průběhu času se produkt rozšířil za hranice zachycení poznámek do udržování kontinuální vrstvy kontextuální paměti odvozené z těchto interakcí.

Podkladový předpoklad je, že konverzace, spíše než samostatné dokumenty, může nabídnout více přesnou základnu pro pochopení, jak práce probíhá v praxi.

Od Zachycení Poznámek K Koordinaci

Quilliam rozšiřuje tuto základnu, spíše než ji nahrazuje. Zatímco dřívější iterace se zaměřovaly na zachycení a strukturaci konverzací, novější vrstva nese tento kontext do jiných systémů prostřednictvím Model Context Protocolu.

Místo toho, aby se zastavil u přepisu, systém může interagovat s platformami pro dokumentaci, správci úkolů a dalšími nástroji. Diskuse o produktu může být přeložena do aktualizovaných poznámek k projektu nebo nově vytvořených úkolů. Před klientem setkání mohou být předchozí výměny zobrazeny pro obnovení kontinuity.

Důraz je kladen na koordinaci. Jak se nástroje AI stávají integrovanými do procesů psaní, plánování a analýzy, profesionálové stále více operují napříč fragmentovanými systémy, které postrádají sdílenou paměť. Quilliam se snaží snížit tuto fragmentaci udržováním kontextuální kontinuity napříč prostředími, spíše než zavedením dalšího izolovaného nástroje.

Architektura A Kontrola Dat

Design platformy klade důraz na lokalitu dat a kontrolu inferencí.

Přepis audio běží na zařízení uživatele ve výchozím nastavení a žádný audio není přenášen externě, pokud není aktivována synchronizace. Když je aktivována cloudová synchronizace, je šifrovaná od konce do konce a nešifrovaný obsah není přístupný službě. Uživatelé mohou určit, kde inferencia probíhá, zda prostřednictvím podnikových cloudových poskytovatelů nakonfigurovaných pro nulové protokolování obsahu nebo prostřednictvím plně lokálních modelů vhodných pro offline nebo vzduchově izolovaná prostředí.

Údaje uživatelů nejsou použity pro školení modelů. Integrované a pracovní postupy jsou konfigurovatelné, což umožňuje organizacím sladit nasazení s interními požadavky na soulad, včetně požadavků na rezidenci dat a regulatorních omezení. Pro týmy, které vyžadují přísnou izolaci, může systém fungovat bez externích síťových volání.

Společně tyto architektonické rozhodnutí považují umístění inferencí a zpracování dat za nastavitelné parametry, spíše než pevné předpoklady.

Přechod K Kontextově Vědomé Infrastruktuře Práce

Tato kategorie softwaru odráží širší posun v tom, jak může být digitální práce strukturována.

Tradiční nástroje produktivity se točí kolem dokumentů, úkolů a řídicích panelů. Systémy AI většinou následovaly tento model, generují výstupy z podnětů a souborů. Konverzace, navzdory tomu, že je místem, kde mnoho rozhodnutí vzniká, zůstala volně strukturovaná a obtížně integrovatelná do provozních systémů.

Když se diskuse stávají strukturovanými, vyhledatelnými a trvalými, začínají fungovat jako institucionální paměť. Schůzky již nejsou izolované události, ale vstupy do kontinuálních pracovních postupů. Hranice mezi diskusí a provedením se stává méně zřetelnou.

Dopady sahají za hranice zachycení poznámek. Kontextově vědomé systémy mohou ovlivnit, jak organizace dokumentují rozhodnutí, spravují znalosti, řeší soulad a onboardují zaměstnance. Jak se AI stává integrovanou do denních operací, volby týkající se lokalizace dat a kontroly inferencí se stávají základními úvahami návrhu.

Pokud první fáze AI zdůrazňovala generaci, další fáze může zdůrazňovat kontinuitu a kontext.