Quill Mengumpulkan $6,5M untuk Membangun “Kepala Staf AI” Berdaulat

Ketika alat AI berkembang biak di tempat kerja, masalah baru muncul. Profesional tidak lagi hanya melakukan pekerjaan mereka. Mereka mengelola armada AI yang berkembang untuk penulisan, penelitian, pemrograman, dokumentasi, dan komunikasi. Alat-alat tersebut jarang berbagi konteks, dan mereka jarang memahami bagaimana seseorang sebenarnya bekerja.

Quill percaya bahwa bahan yang hilang adalah percakapan.

Perusahaan ini telah mengumpulkan $6,5 juta dalam pendanaan awal untuk memperluas platform dan meluncurkan Quilliam, Kepala Staf AI berdaulat yang dirancang untuk mengkoordinasikan alat AI menggunakan konteks yang diambil langsung dari pertemuan dan diskusi. Putaran ini dipimpin oleh Basis Set Ventures, dengan partisipasi dari 500 Global, Naval Ravikant, Morado Ventures, dan AME Cloud Ventures.

Memulai dari Tempat Kerja yang Sebenarnya

Quill dimulai sebagai alat transkripsi pertemuan lokal yang berfokus pada melestarikan catatan percakapan. Dengan memproses audio langsung pada perangkat pengguna dan membangun ringkasan dan tindakan dari diskusi, itu berusaha untuk mempersempit kesenjangan antara apa yang dikatakan dan apa yang perlu terjadi selanjutnya. Seiring waktu, produk ini berkembang melampaui penangkapan catatan menjadi mempertahankan lapisan memori kontekstual yang berkelanjutan yang berasal dari interaksi tersebut.

Premis dasar adalah bahwa percakapan, bukan dokumen yang berdiri sendiri, mungkin menawarkan fondasi yang lebih akurat untuk memahami bagaimana pekerjaan berkembang dalam prakteknya.

Dari Penulisan Catatan ke Koordinasi

Quilliam memperluas fondasi tersebut daripada menggantinya. Sementara iterasi sebelumnya berfokus pada menangkap dan membangun percakapan, lapisan yang lebih baru membawa konteks tersebut ke sistem lain melalui Protokol Konteks Model.

Alih-alih berhenti pada transkripsi, sistem dapat berinteraksi dengan platform dokumentasi, pengelola tugas, dan alat lainnya. Diskusi produk dapat diterjemahkan menjadi catatan proyek yang diperbarui atau tiket yang baru dibuat. Sebelum pertemuan klien, pertukaran sebelumnya dapat disampaikan untuk memulihkan kontinuitas.

Penekanan adalah koordinasi. Ketika alat AI menjadi tertanam di seluruh alur kerja penulisan, perencanaan, dan analisis, profesional semakin beroperasi di seluruh sistem yang terfragmentasi yang kekurangan memori bersama. Quilliam berusaha untuk mengurangi fragmentasi tersebut dengan mempertahankan kontinuitas kontekstual di seluruh lingkungan daripada memperkenalkan alat yang terisolasi lainnya.

Arsitektur dan Kontrol Data

Desain platform ini menempatkan lokalitas data dan kontrol inferensi di garis depan.

Transkripsi audio berjalan pada perangkat pengguna secara default, dan tidak ada audio yang dikirim secara eksternal kecuali sinkronisasi diaktifkan. Ketika sinkronisasi cloud diaktifkan, itu dienkripsi ujung-ke-ujung, dan konten yang tidak dienkripsi tidak dapat diakses oleh layanan. Pengguna dapat menentukan di mana inferensi terjadi, apakah melalui penyedia cloud perusahaan yang dikonfigurasi untuk logging konten nol atau melalui model lokal yang sepenuhnya cocok untuk lingkungan offline atau terisolasi.

Data pengguna tidak digunakan untuk pelatihan model. Integrasi dan alur kerja dapat dikonfigurasikan, memungkinkan organisasi untuk menyelaraskan penerapan dengan persyaratan kepatuhan internal, termasuk residensi data dan kendala peraturan. Untuk tim yang memerlukan isolasi ketat, sistem dapat beroperasi tanpa panggilan jaringan eksternal.

Keduanya, keputusan arsitektur ini memperlakukan lokasi inferensi dan penanganan data sebagai parameter yang dapat disesuaikan daripada asumsi yang tetap.

Perubahan Menuju Infrastruktur Kerja yang Sadar Konteks

Kategori perangkat lunak ini mencerminkan perubahan yang lebih luas dalam bagaimana pekerjaan digital mungkin terstruktur.

Alat produktivitas tradisional berputar di sekitar dokumen, tiket, dan dashboard. Sistem AI sebagian besar mengikuti model tersebut, menghasilkan output dari prompt dan file. Percakapan, meskipun merupakan tempat banyak keputusan berasal, tetap longgar dan sulit untuk diintegrasikan ke dalam sistem operasional.

Ketika diskusi menjadi terstruktur, dapat dicari, dan bertahan, mereka mulai berfungsi sebagai memori lembaga. Pertemuan tidak lagi menjadi peristiwa yang terisolasi tetapi input ke dalam alur kerja yang berkelanjutan. Batas antara diskusi dan eksekusi menjadi kurang jelas.

Implikasinya meluas melampaui penangkapan catatan. Sistem yang sadar konteks mungkin mempengaruhi bagaimana organisasi mendokumentasikan keputusan, mengelola pengetahuan, mengatasi kepatuhan, dan memasukkan karyawan. Ketika AI menjadi tertanam dalam operasi sehari-hari, pilihan tentang lokalitas data dan kontrol inferensi menjadi pertimbangan desain yang mendasar. Jika fase pertama AI menekankan generasi, fase berikutnya mungkin menekankan kontinuitas dan konteks.