Quill recauda $6,5 millones para construir un “Jefe de Personal de IA” soberano

A medida que las herramientas de IA se multiplican en el lugar de trabajo, surge un nuevo problema. Los profesionales ya no solo realizan sus trabajos. Están gestionando una flota en crecimiento de asistentes de IA para escritura, investigación, codificación, documentación y comunicación. Las herramientas rara vez comparten contexto y rara vez entienden cómo trabaja alguien en realidad.

Quill cree que el ingrediente que falta es la conversación.

La empresa ha recaudado $6,5 millones en financiación de semilla para expandir su plataforma y lanzar Quilliam, un Jefe de Personal de IA soberano diseñado para coordinar herramientas de IA utilizando contexto extraído directamente de reuniones y discusiones. La ronda fue liderada por Basis Set Ventures, con la participación de 500 Global, Naval Ravikant, Morado Ventures, y AME Cloud Ventures.

Comenzando donde realmente se realiza el trabajo

Quill comenzó como una herramienta de transcripción de reuniones de código abierto centrada en preservar registros conversacionales. Al procesar audio directamente en el dispositivo del usuario y estructurar resúmenes y elementos de acción a partir de discusiones, buscaba reducir la brecha entre lo que se dijo y lo que necesitaba suceder a continuación. Con el tiempo, el producto se expandió más allá de la captura de notas para mantener una capa continua de memoria contextual derivada de esas interacciones.

El premisa subyacente es que la conversación, en lugar de documentos independientes, puede ofrecer una base más precisa para comprender cómo se desarrolla el trabajo en la práctica.

Desde la toma de notas hasta la coordinación

Quilliam extiende esa base en lugar de reemplazarla. Mientras que las iteraciones anteriores se centraban en capturar y estructurar conversaciones, la nueva capa lleva ese contexto a otros sistemas a través del Protocolo de Contexto de Modelo.

En lugar de detenerse en la transcripción, el sistema puede interactuar con plataformas de documentación, administradores de tareas y otras herramientas. Una discusión de producto puede traducirse en notas de proyecto actualizadas o tickets recién creados. Antes de una reunión con un cliente, los intercambios anteriores pueden ser resaltados para restaurar la continuidad.

El énfasis está en la coordinación. A medida que las herramientas de IA se integran en flujos de trabajo de escritura, planificación y análisis, los profesionales operan cada vez más en sistemas fragmentados que carecen de memoria compartida. Quilliam intenta reducir esa fragmentación al mantener la continuidad contextual en entornos en lugar de introducir otra herramienta aislada.

Arquitectura y control de datos

El diseño de la plataforma coloca la localidad de los datos y el control de inferencia en el frente.

La transcripción de audio se ejecuta en el dispositivo del usuario de forma predeterminada y no se transmite audio externamente a menos que se active la sincronización. Cuando se activa la sincronización en la nube, está cifrada de extremo a extremo y el contenido no cifrado no es accesible para el servicio. Los usuarios pueden determinar dónde se produce la inferencia, ya sea a través de proveedores de nube empresarial configurados para registrar contenido cero o a través de modelos completamente locales adecuados para entornos sin conexión o aislados.

Los datos de usuario no se utilizan para el entrenamiento de modelos. Las integraciones y flujos de trabajo son configurables, lo que permite a las organizaciones alinear las implementaciones con los requisitos de cumplimiento internos, incluidas las restricciones de residencia de datos y regulatorias. Para los equipos que requieren un aislamiento estricto, el sistema puede funcionar sin llamadas de red externas.

Juntas, estas decisiones arquitectónicas tratan la ubicación de la inferencia y el manejo de datos como parámetros ajustables en lugar de suposiciones fijas.

Un cambio hacia la infraestructura de trabajo consciente del contexto

Esta categoría de software refleja un cambio más amplio en la forma en que puede estructurarse el trabajo digital.

Las herramientas de productividad tradicionales giran en torno a documentos, tickets y paneles de control. Los sistemas de IA han seguido en gran medida ese modelo, generando salidas a partir de prompts y archivos. La conversación, a pesar de ser donde se originan muchas decisiones, ha permanecido suelta y difícil de integrar en sistemas operativos.

Cuando las discusiones se estructuran, se vuelven buscables y persistentes, comienzan a funcionar como memoria institucional. Las reuniones ya no son eventos aislados, sino entradas en flujos de trabajo continuos. La frontera entre discusión y ejecución se vuelve menos distinta.

Las implicaciones van más allá de la captura de notas. Los sistemas conscientes del contexto pueden influir en cómo las organizaciones documentan decisiones, gestionan conocimientos, abordan el cumplimiento y capacitan a los empleados. A medida que la IA se integra en las operaciones diarias, las decisiones sobre la localidad de los datos y el control de inferencia se convierten en consideraciones de diseño fundamentales.

Si la primera fase de la IA enfatizó la generación, la siguiente puede enfatizar la continuidad y el contexto.