Η Interloom Συγκεντρώνει 16,5 Εκατομμύρια Δολάρια για να Φέρει «Μνήμη» στους Πράκτορες Επιχειρηματικού AI

Οι πράκτορες επιχειρηματικού AI γίνονται ολοένα και πιο ικανοί, αλλά ένα σημαντικό περιορισμό συνεχίζει να τους εμποδίζει: δεν θυμάται πραγματικά πώς γίνεται η δουλειά μέσα σε μια οργάνωση.

Αυτό το κενό βρίσκεται στο κέντρο της τελευταίας ανακοίνωσης της Interloom. Η εταιρεία με έδρα τη Μόναχο έχει συγκεντρώσει 16,5 εκατομμύρια δολάρια σε μια vòng финансирования με ηγεσία της DN Capital, με συμμετοχή από την Bek Ventures και την Air Street Capital. Η εταιρεία επικεντρώνεται στην κατασκευή μιας πλατφόρμας που καταγράφει τον τρόπο με τον οποίο οι ομάδες λειτουργούν στην πράξη και μετατρέπει αυτή τη γνώση σε κάτι που τα συστήματα AI μπορούν να χρησιμοποιήσουν με αξιοπιστία.

Καθώς οι επιχειρήσεις ωθούν το AI πιο sâu στις πυρήνες εργοτικές διαδικασίες, η πρόκληση γίνεται πιο σαφής. Το AI μπορεί να ακολουθήσει οδηγίες, να συνοψίσει πληροφορίες και να παράγει εξόδους, αλλά συχνά λείπει ο контекστ που χρειάζεται για να λάβει συνεπείς αποφάσεις σε πραγματικές, πολύπλοκες περιβάλλοντες. Πολύ από αυτόν τον контекστ δεν έχει γραφτεί πουθενά – υπάρχει σε προηγούμενες περιπτώσεις, εσωτερικές συζητήσεις και τις κρίσεις经验ικών υπαλλήλων.

Το Λείπων Στρώμα στο Επιχειρηματικό AI

Οι περισσότερες οργανώσεις υποθέτουν ότι οι διαδικασίες τους είναι καλά τεκμηριωμένες, αλλά στην πράξη, το αντίθετο είναι συχνά αλήθεια. Κρίσιμη λειτουργική γνώση είναι διασκορπισμένη σε emails, tickets υποστήριξης, εσωτερικά εργαλεία και ανεπίσημες διαδικασίες. Ακόμη και όταν υπάρχει τεκμηρίωση, έχει την τάση να μείνει πίσω από την πραγματικότητα ή να απλοποιήσει τον τρόπο με τον οποίο λαμβάνονται οι αποφάσεις.

Αυτό δημιουργεί ένα σημαντικό πρόβλημα για την υιοθέτηση του AI. Χωρίς πρόσβαση σε αυτή τη σιωπηρή γνώση, οι πράκτορες AI αγωνίζονται να ξεπεράσουν τις στενές, προκαθορισμένες εργασίες. Μπορούν να βοηθήσουν, αλλά δεν μπορούν να λειτουργήσουν ανεξάρτητα με εμπιστοσύνη.

Η Interloom προσπαθεί να λύσει αυτό το πρόβλημα εισαγωγώντας ένα που ονομάζει «μόνιμο στρώμα μνήμης». Αντί να βασίζεται σε στατικές οδηγίες, η πλατφόρμα μαθαίνει συνεχώς από τον τρόπο με τον οποίο οι ομάδες λύνουν πραγματικές λειτουργικές περιπτώσεις. Με τον καιρό, κατασκευάζει ένα συνεχώς εξελισσόμενο μοντέλο του τρόπου με τον οποίο λαμβάνονται οι αποφάσεις σε όλη την οργάνωση, επιτρέποντας και στους ανθρώπους και στα συστήματα AI να αναφέρονται σε προηγούμενες εξελίξεις ως οδηγό.

Από Στατικές Τεκμηρίωσεις σε Ζωντανούς Συστήματα

Η μετατόπιση που προτείνει η Interloom είναι λεπτή αλλά σημαντική. Τα παραδοσιακά επιχειρηματικά συστήματα βασίζονται πολύ στις τεκμηρίωσεις, τις διαδικασίες και τους κανόνες που ορίζονται εκ των προτέρων. Η προσέγγιση της Interloom κινείται στην αντίθετη κατεύθυνση, καταγράφοντας τη γνώση μετά το γεγονός, παρατηρώντας την πραγματική δουλειά καθώς συμβαίνει.

Αυτό σημαίνει ότι το σύστημα δεν είναι περιορισμένο σε αυτό που οι ομάδες πιστεύουν ότι πρέπει να συμβεί, αλλά αντ’ αυτού αντανακλά τι συμβαίνει στην πραγματικότητα. Οι αποφάσεις που λαμβάνονται υπό πίεση, οι εξαιρέσεις που χειρίζονται χειροποιητά και οι τρόποι που αναπτύσσονται με τον καιρό γίνονται 모두 μέρος μιας αυξανόμενης λειτουργικής μνήμης.

Στην πράξη, αυτό επιτρέπει στους πράκτορες AI να ενεργούν με βάση προηγούμενες περιπτώσεις αντί για υποθέσεις. Αντί να παράγουν απαντήσεις σε απομόνωση, μπορούν να εδραιώσουν τις ενέργειές τους σε παρόμοιες περιπτώσεις που έχουν ήδη λυθεί. Για τους υπαλλήλους, αυτό μειώνει επίσης την ανάγκη να ανακαλύψουν ξανά τις λύσεις,既然 οι προηγούμενες αποφάσεις γίνονται αμέσως προσβάσιμες και επαναχρησιμοποιήσιμες.

Μια άλλη επίδραση είναι η διατήρηση της θεσμικής γνώσης. Όταν έμπειροι υπάλληλοι εγκαταλείπουν, πολύ από την εμπειρία τους εξαφανίζεται μαζί τους. Καταγράφοντας τον τρόπο με τον οποίο αυτοί οι άνθρωποι χειρίζονταν σύνθετες καταστάσεις, η Interloom στοχεύει να διατηρήσει αυτή τη γνώση και να τη κάνει διαθέσιμη σε μελλοντικές ομάδες και συστήματα.

Πρώιμη Τraction σε Συμπλέγματα Βιομηχανίες

Αν και ακόμη είναι νωρίς στη ζωή της, η Interloom ήδη συνεργάζεται με μεγάλες επιχειρήσεις, συμπεριλαμβανομένων της Zurich Insurance (ZURN.SW ) και της Volkswagen. Αυτά τα περιβάλλοντα παρέχουν một σαφή τεστ περίπτωση για την πλατφόρμα,既然 εμπλέκονται υψηλά όγκους σύνθετων, εξαρτώμενων από τον контекスト αποφάσεων.

Σε τομείς όπως τα ασφαλιστικά, η παραγωγή και οι χρηματοοικονομικές υπηρεσίες, οι διαδικασίες σπάνια ακολουθούν ένα απλό σύνολο κανόνων. Κάθε περίπτωση μπορεί να εμπλέξει πολλαπλά переменные, εξαιρέσεις και εξαρτήσεις μεταξύ συστημάτων. Αυτό τα κάνει δύσκολο να αυτοματοποιηθούν με παραδοσιακές προσεγγίσεις, οι οποίες βασίζονται σε αυστηρές διαδικασίες.

Καταγράφοντας εκατομμύρια λειτουργικών περιπτώσεων, η πλατφόρμα της Interloom σχεδιάζεται για να ανακαλύψει μοτίβα στον τρόπο με τον οποίο λαμβάνονται οι αποφάσεις και να τα χρησιμοποιήσει για να βελτιώσει τόσο την ταχύτητα όσο και τη συνεπήτητα. Το πρόσφατα εισαχθέν «Chief of Staff» agent της εταιρείας βασίζεται σε αυτό, στοχεύοντας να συντονίσει τις διαδικασίες μεταξύ συστημάτων, αντί να εκτελεί μόνο απομονωμένες εργασίες.

Τι Αυτό Σημαίνει για το Μέλλον του AI στις Επιχειρήσεις

Η εμφάνιση συστημάτων όπως η Interloom δείχνει μια ευρύτερη μετατόπιση στον τρόπο με τον οποίο το επιχειρηματικό AI είναι πιθανό να εξελιχθεί. Οι πρώτες κυμαίες της αυτοματοποίησης εστιάζονταν σε δομημένες διαδικασίες και σαφώς ορισμένες εργασίες. Οι πιο πρόσφατες προόδους στο γεννητικό AI επέκτειναν τι μπορούσαν να καταλάβουν και να παράγουν οι μηχανές. Η επόμενη φάση μπορεί να οριστεί από το πόσο καλά τα συστήματα AI μπορούν να ενσωματώσουν τον контекστ με τον καιρό.

Εάν οι πράκτορες AI θα αναλάβουν περισσότερες ευθύνες μέσα στις οργανώσεις, θα χρειαστούν κάτι πιο κοντά στη μνήμη της οργάνωσης. Χωρίς αυτή, ακόμη και τα πιο προηγμένα μοντέλα θα παραμείνουν περιορισμένα στο να βοηθούν αντί να λειτουργούν. Με αυτή, το όριο μεταξύ ανθρώπινης λήψης αποφάσεων και μηχανικής εκτέλεσης αρχίζει να γίνεται ασαφές.

Αυτό επίσης θέτει νέες ερωτήσεις σχετικά με το πώς οι εταιρείες διαχειρίζονται και κυβερνούν την εσωτερική τους γνώση. Ένα σύστημα που καταγράφει και επαναχρησιμοποιεί συνεχώς αποφάσεις θα μπορούσε να γίνει ένα ισχυρό ανταγωνιστικό πλεονέκτημα, αλλά επίσης εισάγει προκλήσεις γύρω από τη διαφάνεια, την προκατάληψη και τον έλεγχο. Εάν τα συστήματα AI εκπαιδεύονται σε προηγούμενες αποφάσεις, μπορεί να ενισχύσουν υπάρχοντες μοτίβους – και καλούς και κακούς.

Ταυτόχρονα, η ικανότητα να κωδικοποιήσετε και να επαναχρησιμοποιήσετε λειτουργική γνώση σε κλίμακα θα μπορούσε να ανασχηματίσει τον τρόπο με τον οποίο οι οργανώσεις σκέφτονται την εμπειρία. Αντί να είναι συγκεντρωμένη σε άτομα ή ομάδες, η γνώση γίνεται một κοινή αξία που εξελίσσεται με τον καιρό. Αυτό θα μπορούσε να μειώσει το εμπόδιο στην αυτοματοποίηση σε περιοχές που έχουν ιστορικά αντισταθεί, ιδιαίτερα σε αυτές που απαιτούν κρίση και εμπειρία.

Η προσέγγιση της Interloom υποδηλώνει ότι το μέλλον του επιχειρηματικού AI μπορεί να μην οριστεί αποκλειστικά από καλύτερα μοντέλα, αλλά από καλύτερα συστήματα για την καταγραφή και την εφαρμογή πραγματικής γνώσης. Εάν αυτή η όραση αποδείχνεται κλιμακωτή, παραμένει να δειχθεί, αλλά η κατεύθυνση γίνεται ολοένα και πιο σαφής: για το AI να ξεπεράσει την βοήθεια και να περάσει στην εκτέλεση, η μνήμη μπορεί να είναι εξίσου σημαντική με την ευφυΐα.