इंटरलूम $16.5M जुटाता है ताकि एंटरप्राइज़ एआई एजेंटों में “स्मृति” लाया जा सके

एंटरप्राइज़ एआई एजेंट अधिक सक्षम होते जा रहे हैं, लेकिन एक प्रमुख सीमा उन्हें अभी भी पीछे रखती है: वे वास्तव में नहीं जानते कि संगठन के भीतर काम कैसे किया जाता है।

यह अंतर इंटरलूम की नवीनतम फंडिंग घोषणा के केंद्र में है। म्यूनिख स्थित स्टार्टअप ने डीएन कैपिटल द्वारा नेतृत्व वाले एक सीड राउंड में $16.5 मिलियन जुटाए हैं, 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 संचालित होती हैं और उस ज्ञान को एआई सिस्टम के लिए विश्वसनीय रूप से उपयोग करने योग्य बनाती है।

जैसे ही एंटरप्राइज़ अपने मुख्य कार्य प्रवाह में एआई को गहराई से धकेलते हैं, 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 यह अक्सर वास्तविक दुनिया के वातावरण में सुसंगत निर्णय लेने के लिए आवश्यक संदर्भ की कमी होती है। बहुत सारा संदर्भ कहीं भी लिखा नहीं है – यह पिछले मामलों में, 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 टूल और अनौपचारिक कार्य प्रवाहों में बिखरा हुआ है। यहां तक कि जब प्रलेखन मौजूद होता है, तो यह वास्तविकता के पीछे रहता है या यह सरल बनाता है कि वास्तव में निर्णय कैसे किए जाते हैं।

यह एआई अपनाने के लिए एक बड़ी समस्या पैदा करता है। इस स्पष्ट ज्ञान तक पहुंच के बिना, एआई एजेंट संकीर्ण, पूर्वनिर्धारित कार्यों से परे जाने के लिए संघर्ष करते हैं। वे सहायता कर सकते हैं, लेकिन वे स्वतंत्र रूप से आत्मविश्वास के साथ काम नहीं कर सकते हैं।

इंटरलूम इसे हल करने का प्रयास कर रहा है जिसे यह एक स्थायी स्मृति 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 निरंतर 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 लिविंग सिस्टम तक

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

इसका अर्थ है कि सिस्टम को केवल उन चीजों तक सीमित नहीं किया जाता है जो टीमें सोचती हैं कि होना चाहिए, बल्कि यह वास्तव में क्या होता है उसे प्रतिबिंबित करता है। दबाव में लिए गए निर्णय, मैनुअल रूप से संभाले गए अपवाद और समय के साथ विकसित किए गए काम करने के तरीके सभी एक बढ़ती परिचालन स्मृति का हिस्सा बन जाते हैं।

व्यवहार में, यह एआई एजेंटों को धारणा के बजाय पूर्ववर्ती पर कार्य करने की अनुमति देता है। निर्णय लेने के बजाय, वे पहले से ही हल किए गए समान मामलों में आधारित 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: उपयोग योग्य 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, इस पर इंटरलूम का उद्देश्य उस ज्ञान को बनाए रखना और इसे भविष्य की टीमों और सिस्टम के लिए उपलब्ध कराना है।

जटिल उद्योगों में शुरुआती ट्रैक्शन

अपने जीवन चक्र में अभी भी शुरुआती दौर में, इंटरलूम पहले से ही ज्यूरिख 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।

बीमा, विनिर्माण और वित्तीय सेवाओं जैसे क्षेत्रों में, प्रक्रियाएं शायद ही कभी एक सरल नियमों के सेट का पालन करती हैं। प्रत्येक मामले में कई переменables, अपवाद और प्रणालियों 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 कैसे बनाया जाता है, इस पर पैटर्न को उजागर करने और गति और सुसंगतता दोनों में सुधार करने के लिए उनका उपयोग करने के लिए डिज़ाइन किया गया है। कंपनी के नए “चीफ ऑफ स्टाफ” एजेंट इस पर बनाता है, जो अलग-अलग कार्यों को निष्पादित करने के बजाय प्रणालियों 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 परिवर्तन की ओर इशारा करता है। एआई के शुरुआती तरंगों ने संरचित प्रक्रियाओं और स्पष्ट रूप से परिभाषित कार्यों पर ध्यान केंद्रित किया। हाल की प्रगति में जनरेटिव एआई ने मशीनों को क्या समझा और उत्पादित किया है, उसे विस्तारित किया है। अगला चरण संदर्भ को समय के साथ एआई सिस्टम को शामिल करने के तरीके से परिभाषित किया जा सकता है।

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

यह नए सवाल भी उठाता है कि कंपनियां अपने आंतरिक ज्ञान को कैसे प्रबंधित और शासित करती हैं। एक प्रणाली जो निरंतर रूप से निर्णयों को कैप्चर और रीयूज़ कर सकती है, वह एक शक्तिशाली प्रतिस्पर्धी लाभ बन सकती है, लेकिन यह पारदर्शिता, पूर्वाग्रह और नियंत्रण के बारे में चुनौतियां भी पेश करती है। यदि एआई सिस्टम पिछले निर्णयों पर प्रशिक्षित होते हैं, तो वे मौजूदा पैटर्न को मजबूत कर सकते हैं – अच्छे और बुरे दोनों।

इसी समय, परिचालन ज्ञान को बड़े पैमाने पर एन्कोड और रीयूज़ करने की क्षमता विशेषज्ञता के बारे में संगठनों की सोच 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 द्वारा परिभाषित नहीं हो सकता है, बल्कि वास्तविक दुनिया के ज्ञान को कैप्चर और लागू करने के लिए बेहतर प्रणाली द्वारा परिभाषित किया जा सकता है। चाहे यह दृष्टि स्केलेबल साबित हो या नहीं, यह देखना बाकी है, लेकिन दिशा तेजी से स्पष्ट हो रही है: एआई को सहायता से कार्यान्वयन में जाने के लिए, स्मृति बुद्धिमत्ता के रूप में महत्वपूर्ण हो सकती है।