Quill hæver 6,5 millioner dollars til at bygge en suveræn “Chief of AI Staff”

Da AI-værktøjer formerer sig på arbejdspladsen, opstår der et nyt problem. Fagfolk er ikke længere kun beskæftiget med deres arbejde. De skal også styre en voksende flåde af AI-assistenter til skrivning, research, kodning, dokumentation og kommunikation. Værktøjerne deler sjældent kontekst, og de forstår sjældent, hvordan nogen arbejder i virkeligheden.

Quill mener, at den manglende ingrediens er samtale.

Selskabet har hævet 6,5 millioner dollars i seed-finansiering til at udvide sin platform og lancere Quilliam, en suveræn Chief of AI Staff, der er designet til at koordinere AI-værktøjer ved hjælp af kontekst direkte fra møder og diskussioner. Runden blev ledt af Basis Set Ventures, med deltagelse fra 500 Global, Naval Ravikant, Morado Ventures, og AME Cloud Ventures.

Startende, hvor arbejdet faktisk sker

Quill startede som et lokalt møde-transkriptionsværktøj, der fokuserede på at bevare samtaleoptegnelser. Ved at behandle lyd direkte på en brugers enhed og strukturere sammenfattelser og handlingspunkter fra diskussioner, forsøgte det at mindske afstanden mellem, hvad der blev sagt, og hvad der skulle ske herefter. Over tid udvidede produktet sig ud over note-optagelse til at opretholde en kontinuerlig lag af kontekstuel hukommelse, der er afledt fra disse interaktioner.

Den underliggende præmis er, at samtale, snarere end selvstændige dokumenter, kan tilbyde en mere præcis grundlag for at forstå, hvordan arbejdet udvikler sig i praksis.

Fra notetagning til koordination

Quilliam udvider denne grundlag snarere end erstatter den. Mens tidligere iterationer fokuserede på at fange og strukturere samtaler, fører den nyere lag denne kontekst videre til andre systemer gennem Model Context Protocol.

I stedet for at stoppe ved transkription kan systemet interagere med dokumentationsplatforme, opgavechefer og andre værktøjer. En produktdiskussion kan oversætte til opdaterede projektnoter eller nyligt oprettede billetter. Før et kundemøde kan tidligere udvekslinger blive fremme for at genskabe kontinuitet.

Fokuspunktet er koordination. Da AI-værktøjer bliver integreret på tværs af skrivnings-, planlægnings- og analysearbejdsgange, opererer fagfolk i stigende grad på tværs af fragmenterede systemer, der mangler fælles hukommelse. Quilliam forsøger at reducere denne fragmentering ved at opretholde kontekstuel kontinuitet på tværs af miljøer snarere end at introducere endnu et isoleret værktøj.

Arkitektur og datakontrol

Platformens design sætter data-lokalitet og inferenskontrol i forgrunden.

Lyddiskription kører på brugerens enhed som standard, og ingen lyd overføres eksternt, medmindre synkronisering er aktiveret. Når sky-synkronisering er aktiveret, er den end-to-end-krypteret, og dekrypteret indhold er ikke tilgængeligt for tjenesten. Brugere kan bestemme, hvor inferens sker, enten gennem enterprise-cloud-udbydere konfigureret til zero-indhold-logging eller gennem fuldt lokalt modeller, der er egnet til offline- eller luft-lukkede miljøer.

Brugerdata bruges ikke til modeltræning. Integrationer og arbejdsgange er konfigurerbare, hvilket giver organisationer mulighed for at tilpasse installationer til interne overholdelseskrav, herunder data-residens og regulativ begrænsninger. For hold, der kræver streng isolation, kan systemet fungere uden eksterne netværksopkald.

Sammen behandler disse arkitektoniske beslutninger inferenslokation og datahåndtering som justerbare parametre snarere end faste antagelser.

En skiftning mod kontekst-bevidst arbejdsinfrastruktur

Denne kategori af software afspejler en bredere skiftning i, hvordan digitalt arbejde kan struktureres.

Traditionelle produktivitetsværktøjer drejer sig om dokumenter, billetter og dashboards. AI-systemer har i høj grad fulgt dette model, og genererer output fra prompts og filer. Samtale, på trods af at det er, hvor mange beslutninger opstår, er forblevet løst struktureret og svær at integrere i operationelle systemer.

Når diskussioner bliver strukturerede, søgbare og varige, begynder de at fungere som institutionel hukommelse. Møder er ikke længere isolerede begivenheder, men indgange til kontinuerlige arbejdsgange. Grænsen mellem diskussion og eksekvering bliver mindre tydelig.

Konsekvenserne strækker sig ud over note-optagelse. Kontekst-bevidste systemer kan påvirke, hvordan organisationer dokumenterer beslutninger, håndterer viden, håndterer overholdelse og påbegynder medarbejdere. Da AI bliver integreret i daglige operationer, bliver valg om data-lokalitet og inferenskontrol grundlæggende designovervejelser.

Hvis den første fase af AI betonede generering, kan den næste fase måske betone kontinuitet og kontekst.