इंटरलूम ने एंटरप्राइज़ एआई एजेंटों में “मेमोरी” लाने के लिए 16.5 मिलियन डॉलर जुटाए

एंटरप्राइज़ एआई एजेंट अधिक क्षमतावान हो रहे हैं, लेकिन एक बड़ी सीमा उन्हें अभी भी पीछे रखती है: वे वास्तव में नहीं जानते कि संगठन के अंदर काम कैसे किया जाता है।

यह अंतर इंटरलूम की नवीनतम फंडिंग घोषणा के केंद्र में है। म्यूनिख स्थित स्टार्टअप ने डीएन कैपिटल के नेतृत्व में 16.5 मिलियन डॉलर का सीड राउंड जुटाया है, जिसमें बेक वेंचर्स और एयर स्ट्रीट कैपिटल की भागीदारी है। कंपनी एक ऐसे प्लेटफ़ॉर्म का निर्माण करने पर केंद्रित है जो वास्तव में टीमें कैसे काम करती हैं और उस ज्ञान को एआई सिस्टम के लिए उपयोग करने योग्य बनाती है।

एंटरप्राइज़ एआई को अपने मुख्य कार्य प्रवाह में गहराई से धकेलते समय, चुनौती स्पष्ट होती जा रही है। एआई निर्देशों का पालन कर सकता है, जानकारी को सारांशित कर सकता है और आउटपुट उत्पन्न कर सकता है, लेकिन अक्सर वास्तविक दुनिया के वातावरण में सुसंगत निर्णय लेने के लिए आवश्यक संदर्भ की कमी होती है। इस संदर्भ का अधिकांश हिस्सा कहीं भी लिखा नहीं है – यह पिछले मामलों, आंतरिक चर्चाओं और अनुभवी कर्मचारियों के निर्णयों में मौजूद है।

एंटरप्राइज़ एआई में लापता परत

अधिकांश संगठन मानते हैं कि उनकी प्रक्रियाएं अच्छी तरह से प्रलेखित हैं, लेकिन वास्तव में, इसके विपरीत अक्सर सच होता है। महत्वपूर्ण परिचालन ज्ञान ईमेल, समर्थन टिकट, आंतरिक उपकरण और अनौपचारिक कार्य प्रवाहों में बिखरा हुआ है। यहां तक कि जब प्रलेखन मौजूद होता है, तो यह वास्तविकता के पीछे या निर्णय लेने के तरीके को सरल बनाने के लिए लगता है।

यह एआई अपनाने के लिए एक बड़ी समस्या पैदा करता है। इस अंतर्निहित ज्ञान तक पहुंच के बिना, एआई एजेंट संकीर्ण, पूर्व-निर्धारित कार्यों से आगे बढ़ने के लिए संघर्ष करते हैं। वे सहायता कर सकते हैं, लेकिन वे आत्मविश्वास के साथ स्वतंत्र रूप से काम नहीं कर सकते हैं।

इंटरलूम इसे हल करने का प्रयास कर रहा है जिसे वह एक स्थायी मेमोरी परत के रूप में वर्णित करता है। स्थिर निर्देशों पर निर्भर रहने के बजाय, प्लेटफ़ॉर्म वास्तविक परिचालन मामलों को हल करने के तरीके से सीखता है। समय के साथ, यह संगठन भर में निर्णय लेने के तरीके का एक लगातार विकसित होने वाला मॉडल बनाता है, जिससे मानवों और एआई सिस्टम दोनों को पिछले परिणामों को एक मार्गदर्शक के रूप में संदर्भित करने की अनुमति मिलती है।

स्थिर प्रलेखन से जीवित प्रणालियों तक

इंटरलूम द्वारा प्रस्तावित परिवर्तन सूक्ष्म लेकिन महत्वपूर्ण है। पारंपरिक एंटरप्राइज़ सिस्टम पूर्व-निर्धारित प्रलेखन, कार्य प्रवाह और नियमों पर बहुत अधिक निर्भर करते हैं। इंटरलूम का दृष्टिकोण इसके विपरीत है, जो वास्तविक कार्य को होते हुए देखकर ज्ञान को事実 के बाद पकड़ता है।

इसका अर्थ है कि प्रणाली को केवल यह नहीं पता है कि टीमें क्या होना चाहिए, बल्कि यह वास्तव में क्या होता है। दबाव में लिए गए निर्णय, मैनुअल रूप से संभाले गए अपवाद और समय के साथ विकसित हुए कार्यारounds सभी एक बढ़ती परिचालन स्मृति का हिस्सा बन जाते हैं।

व्यवहार में, यह एआई एजेंटों को धारणा के बजाय पूर्ववर्ती के आधार पर कार्य करने की अनुमति देता है। अलग-थलग उत्तर पैदा करने के बजाय, वे पहले से हल किए गए मामलों में अपनी क्रियाओं को आधार बना सकते हैं। कर्मचारियों के लिए, यह पिछले निर्णयों को फिर से खोजने की आवश्यकता को भी कम करता है, क्योंकि पिछले निर्णय तुरंत सुलभ और पुन: प्रयोज्य हो जाते हैं।

एक और परिणाम संस्थागत ज्ञान का संरक्षण है। जब अनुभवी कर्मचारी छोड़ते हैं, तो उनकी विशेषज्ञता का अधिकांश हिस्सा आमतौर पर उनके साथ गायब हो जाता है। जटिल स्थितियों को कैसे संभाला जाए, इसके बारे में ज्ञान को पकड़ने के द्वारा, इंटरलूम उस ज्ञान को बनाए रखना और इसे भविष्य की टीमों और सिस्टम के लिए उपलब्ध कराना चाहता है।

जटिल उद्योगों में शुरुआती गति

अपने जीवन चक्र में अभी भी शुरुआती दौर में, इंटरलूम पहले से ही ज़ुरिच इंश्योरेंस और वोक्सवैगन जैसे बड़े एंटरप्राइज़ के साथ काम कर रहा है। ये वातावरण प्लेटफ़ॉर्म के लिए एक स्पष्ट परीक्षण मामला प्रदान करते हैं, क्योंकि वे संदर्भ-निर्भर निर्णयों की उच्च मात्रा शामिल करते हैं। (ZURN.SW )

बीमा, विनिर्माण और वित्तीय सेवाओं जैसे क्षेत्रों में, प्रक्रियाएं अक्सर एक सरल नियमों के सेट का पालन नहीं करती हैं। प्रत्येक मामले में कई चर, अपवाद और प्रणालियों भर में निर्भरताएं शामिल हो सकती हैं। यह उन्हें पारंपरिक दृष्टिकोण का उपयोग करके स्वचालित करना मुश्किल बनाता है, जो कठोर कार्य प्रवाह पर निर्भर करते हैं।

लाखों परिचालन मामलों को संसाधित करके, इंटरलूम का प्लेटफ़ॉर्म इन निर्णयों को लेने के तरीके में पैटर्न को उजागर करने और दोनों गति और सुसंगतता में सुधार करने के लिए डिज़ाइन किया गया है। कंपनी द्वारा हाल ही में पेश किया गया “चीफ ऑफ स्टाफ” एजेंट इस पर बनाता है, जो अलग-थलग कार्यों को निष्पादित करने के बजाय प्रणालियों भर में कार्य प्रवाह को समन्वयित करने का लक्ष्य रखता है।

एंटरप्राइज़ में एआई के भविष्य के लिए इसका क्या अर्थ है

इंटरलूम जैसी प्रणालियों का उदय एंटरप्राइज़ एआई के विकास में एक व्यापक बदलाव की ओर इशारा करता है। एआई के शुरुआती दौर ने संरचित प्रक्रियाओं और स्पष्ट रूप से परिभाषित कार्यों पर ध्यान केंद्रित किया। हाल के दिनों में जेनरेटिव एआई में प्रगति ने मशीनों द्वारा समझी और उत्पादित जानकारी को विस्तारित किया। अगला चरण एआई प्रणालियों द्वारा समय के साथ संदर्भ को शामिल करने की उनकी क्षमता से परिभाषित किया जा सकता है।

यदि एआई एजेंट संगठनों के भीतर अधिक जिम्मेदारी लेने वाले हैं, तो उन्हें संगठनात्मक स्मृति जैसी कुछ चीजों की आवश्यकता होगी। इसके बिना, यहां तक कि सबसे उन्नत मॉडल भी सहायता करने के बजाय संचालन करने तक सीमित रहेंगे। इसके साथ, मानव निर्णय लेने और मशीन निष्पादन के बीच की सीमा धुंधली होने लगती है।

यह संगठनों के भीतर आंतरिक ज्ञान के प्रबंधन और शासन के बारे में नए प्रश्न भी उठाता है। निर्णयों को लगातार पकड़ने और पुन: उपयोग करने वाली एक प्रणाली एक शक्तिशाली प्रतिस्पर्धी लाभ बन सकती है, लेकिन यह पारदर्शिता, पूर्वाग्रह और नियंत्रण के बारे में चुनौतियों को भी पेश करती है। यदि एआई प्रणालियां पिछले निर्णयों पर प्रशिक्षित होती हैं, तो वे मौजूदा पैटर्न – अच्छे और बुरे दोनों को मजबूत कर सकती हैं।

इसी समय, परिचालन ज्ञान को बड़े पैमाने पर एनकोड और पुन: उपयोग करने की क्षमता संगठनों को विशेषज्ञता के बारे में सोचने के तरीके को फिर से परिभाषित कर सकती है। व्यक्तियों या टीमों में केंद्रित होने के बजाय, ज्ञान एक साझा संपत्ति बन जाता है जो समय के साथ विकसित होता है। यह उन क्षेत्रों में स्वचालन के लिए बाधा को कम कर सकता है जिन्होंने ऐतिहासिक रूप से इसका विरोध किया है, विशेष रूप से उन लोगों में जिन्हें निर्णय और अनुभव की आवश्यकता होती है।

इंटरलूम का दृष्टिकोण सुझाव देता है कि एंटरप्राइज़ एआई का भविष्य केवल बेहतर मॉडल से परिभाषित नहीं हो सकता है, बल्कि वास्तविक दुनिया के ज्ञान को पकड़ने और लागू करने के लिए बेहतर प्रणालियों से परिभाषित किया जा सकता है। यह दृष्टि स्केलेबल साबित होती है या नहीं, यह देखने की बात है, लेकिन दिशा तेजी से स्पष्ट हो रही है: एआई को सहायता से आगे बढ़कर निष्पादन में जाने के लिए, स्मृति बुद्धिमत्ता के रूप में महत्वपूर्ण हो सकती है।