Modiqo Mengumpulkan $3 Juta untuk Membuat Alur Kerja AI Perusahaan Lebih Andal

Agen AI telah menjadi sangat baik dalam demonstrasi. Tantangan yang lebih sulit dimulai setelah penerapan, ketika alur kerja rusak karena model berubah perilaku, API bergeser, atau lapisan orkestrasi gagal diam-diam. Itulah masalah operasional yang tidak stabil yang ditargetkan oleh Modiqo dengan putaran pra-seed $3 juta yang baru saja diumumkan.

Putaran pendanaan ini dipimpin oleh Heavybit dan Seligman Ventures, dengan partisipasi dari Irregular Expressions dan investor malaikat. Perusahaan mengatakan bahwa pendanaan ini akan mendukung peluncuran Rote, lapisan eksekusi yang dirancang untuk membuat alur kerja AI deterministik dan dapat diulang dalam lingkungan produksi.

Menurut pendiri dan CEO Modiqo Chetan Conikee, perusahaan-perusahaan menghabiskan terlalu banyak waktu untuk membangun kembali alur kerja AI yang sebelumnya berhasil tetapi kemudian gagal karena perubahan pada sistem yang mendasarinya. Sebagai gantinya, Rote mencoba untuk melestarikan jalur eksekusi yang sukses dan memutar ulang secara konsisten.

Masalah Keterandalan yang Tumbuh di AI Perusahaan

Selama setahun terakhir, perusahaan-perusahaan telah mempercepat eksperimen dengan agen AI untuk otomatisasi internal, pemrosesan data, operasi perangkat lunak, dan tugas yang menghadap pelanggan. Namun, banyak organisasi menemukan bahwa keterandalan, bukan kemampuan model mentah, menjadi bottleneck operasional yang membatasi.

Alur kerja AI tradisional sering bergantung pada inferensi probabilistik pada setiap tahap. Fleksibilitas itu dapat berguna selama eksperimen, tetapi juga memperkenalkan ketidakpastian ketika sistem diharapkan beroperasi secara terus-menerus dalam skala besar.

Pendekatan Modiqo berfokus pada mengubah eksekusi AI yang sukses menjadi alur kerja deterministik yang dapat digunakan kembali. Sebagai gantinya untuk mengirimkan prompt besar dan jendela konteks melalui pipa inferensi, perusahaan bertujuan untuk melestarikan logika eksekusi yang divalidasi dan menggunakannya kembali jika memungkinkan.

Strategi ini sejalan dengan gerakan yang lebih luas yang muncul di seluruh infrastruktur AI perusahaan. Semakin banyak, perusahaan mencari sistem hibrida yang menggabungkan fleksibilitas LLM dengan lapisan orkestrasi deterministik yang menyediakan auditabilitas, reproducibility, dan biaya operasional yang lebih rendah.

Apa yang Dilakukan Rote Sebenarnya

Rote berfungsi sebagai lapisan eksekusi lokal yang mengamati perilaku agen yang sukses dan mengubah tindakan tersebut menjadi proses yang dapat diulang. Platform ini dirancang untuk terintegrasi dengan alat perusahaan yang ada sambil meminimalkan kebutuhan untuk pekerjaan rekayasa khusus yang mahal.

Menurut Modiqo, sistem ini berfokus pada empat area inti:

• Reproduktivitas di seluruh model AI dan API yang berubah
• Penggunaan kembali alur kerja untuk mengurangi konsumsi token
• Visibilitas ke dalam sejarah eksekusi dan biaya operasional
• Integrasi yang lebih mudah ke dalam sistem perusahaan yang ada

Salah satu argumen utama perusahaan adalah bahwa perusahaan menghabiskan terlalu banyak uang untuk inferensi karena sistem AI terus-menerus menyelesaikan masalah yang telah mereka selesaikan sebelumnya. Dengan menangkap pola eksekusi yang sukses, Modiqo percaya bahwa organisasi dapat mengurangi penggunaan token secara signifikan sambil meningkatkan konsistensi.

Konsep minimisasi biaya “penemuan kembali” itu menjadi semakin penting karena perusahaan menghadapi biaya inferensi yang meningkat yang terkait dengan penerapan agen skala besar.

Investor Melihat Infrastruktur sebagai Pertempuran Berikutnya di AI

Investor yang mendukung Modiqo memposisikan perusahaan ini bukan sebagai lapisan aplikasi AI lain, tetapi lebih sebagai infrastruktur dasar untuk sistem agen produksi.

Joseph Ruscio menggambarkan generasi agen AI saat ini sebagai impresif dalam demonstrasi tetapi tidak dapat diandalkan dalam pengaturan produksi. Ia berargumen bahwa salah satu masalah yang lebih dalam di industri ini adalah bahwa sebagian besar eksekusi agen tetap ephemer dan bukan menjadi artefak operasional yang dapat digunakan kembali.

Serupa, Umesh Padval menunjukkan bahwa keterandalan operasional sebagai tantangan yang belum terpecahkan dalam adopsi AI perusahaan, terutama ketika organisasi mencoba untuk menskalakan sistem AI di luar eksperimen.

Penekanan pada lapisan eksekusi daripada rekayasa prompt juga mencerminkan pergeseran dalam lanskap infrastruktur AI. Alat perusahaan AI sebelumnya sering berfokus pada prompt dan pembungkus orkestrasi. Perhatian sekarang beralih ke ketahanan alur kerja, observabilitas, tata kelola, dan kontrol biaya.

AI Perusahaan Memasuki Fase Operasional

Peluncuran Rote terjadi selama transisi yang lebih luas dalam adopsi AI perusahaan. Siklus adopsi awal didominasi oleh eksperimen dan penerapan konsep. Banyak organisasi sekarang memasuki fase di mana keterandalan operasional lebih penting daripada kebaruan.

Perubahan itu menciptakan permintaan akan infrastruktur yang dapat mendukung sistem AI yang berjalan lama dan dapat diaudit, bukan hanya interaksi chatbot satu kali.

Di situs webnya, Modiqo memposisikan Rote sebagai infrastruktur untuk “alur kerja agen AI yang dapat diandalkan,” menekankan konsistensi eksekusi dan kepemilikan operasional daripada perilaku otonom saja. Perusahaan berargumen bahwa perusahaan pada akhirnya membutuhkan sistem yang berperilaku lebih seperti infrastruktur perangkat lunak yang stabil daripada eksperimen probabilistik.

Apakah lapisan eksekusi deterministik akan menjadi bagian standar dari tumpukan AI perusahaan masih belum terlihat. Namun, ketika biaya token meningkat dan organisasi mencoba untuk mengoperasikan agen AI dalam skala besar, infrastruktur yang berfokus pada reproduktivitas dan keterandalan semakin menjadi salah satu area investasi utama di industri.