Quill raccoglie 6,5 milioni di dollari per costruire un “Capo di stato maggiore dell’AI” sovrano

Mentre gli strumenti di intelligenza artificiale si moltiplicano sul posto di lavoro, emerge un nuovo problema. I professionisti non stanno più solo svolgendo il loro lavoro. Stanno gestendo una flotta in crescita di assistenti di intelligenza artificiale per la scrittura, la ricerca, la codifica, la documentazione e la comunicazione. Gli strumenti raramente condividono il contesto e raramente capiscono come qualcuno lavori effettivamente.

Quill crede che l’ingrediente mancante sia la conversazione.

L’azienda ha raccolto 6,5 milioni di dollari in finanziamenti di seed per espandere la sua piattaforma e lanciare Quilliam, un Capo di stato maggiore dell’AI sovrano progettato per coordinare gli strumenti di intelligenza artificiale utilizzando il contesto tratto direttamente dalle riunioni e dalle discussioni. Il round è stato guidato da Basis Set Ventures, con la partecipazione di 500 Global, Naval Ravikant, Morado Ventures, e AME Cloud Ventures.

Iniziare dove il lavoro ha effettivamente inizio

Quill è iniziato come uno strumento di trascrizione delle riunioni locali-first focalizzato sulla conservazione dei registri conversazionali. Elaborando l’audio direttamente sul dispositivo dell’utente e strutturando riassunti e voci d’azione dalle discussioni, ha cercato di ridurre il divario tra ciò che è stato detto e ciò che doveva accadere dopo. Nel tempo, il prodotto si è espanso oltre la cattura delle note nella manutenzione di un livello continuo di memoria contestuale derivato da quelle interazioni.

Il presupposto sottostante è che la conversazione, piuttosto che i documenti autonomi, possa offrire una base più precisa per comprendere come il lavoro si svolge nella pratica.

Dal prendere appunti alla coordinazione

Quilliam estende quella base piuttosto che sostituirla. Mentre le iterazioni precedenti si sono concentrate sulla cattura e sulla strutturazione delle conversazioni, il nuovo livello porta quel contesto in altri sistemi attraverso il Model Context Protocol.

Invece di fermarsi alla trascrizione, il sistema può interagire con piattaforme di documentazione, gestori di attività e altri strumenti. Una discussione sul prodotto può tradursi in note di progetto aggiornate o biglietti appena creati. Prima di una riunione con un cliente, gli scambi precedenti possono essere portati in superficie per ripristinare la continuità.

L’enfasi è sulla coordinazione. Mentre gli strumenti di intelligenza artificiale si integrano nella scrittura, nella pianificazione e nell’analisi dei flussi di lavoro, i professionisti operano sempre più in sistemi frammentati che mancano di memoria condivisa. Quilliam tenta di ridurre quella frammentazione mantenendo la continuità contestuale attraverso ambienti diversi invece di introdurre un altro strumento isolato.

Architettura e controllo dei dati

La progettazione della piattaforma pone la località dei dati e il controllo dell’inferenza in primo piano.

La trascrizione audio viene eseguita sul dispositivo dell’utente per impostazione predefinita e nessun audio viene trasmesso esternamente a meno che la sincronizzazione non sia abilitata. Quando la sincronizzazione cloud è attivata, è crittografata da estremità a estremità e il contenuto non crittografato non è accessibile al servizio. Gli utenti possono determinare dove si verifica l’inferenza, sia attraverso provider cloud aziendali configurati per la registrazione zero del contenuto, sia attraverso modelli completamente locali adatti per ambienti offline o isolati.

I dati degli utenti non vengono utilizzati per l’addestramento del modello. Le integrazioni e i flussi di lavoro sono configurabili, consentendo alle organizzazioni di allineare i dispiegamenti con i requisiti di conformità interni, inclusi la residenza dei dati e le costrizioni normative. Per i team che richiedono un’isolamento rigoroso, il sistema può funzionare senza chiamate di rete esterne.

Insieme, queste decisioni architettoniche trattano la località dell’inferenza e la gestione dei dati come parametri regolabili piuttosto che assunzioni fisse.

Un passaggio verso un’infrastruttura di lavoro consapevole del contesto

Questa categoria di software riflette un più ampio passaggio nel modo in cui il lavoro digitale potrebbe essere strutturato.

Gli strumenti di produttività tradizionali ruotano attorno a documenti, biglietti e dashboard. I sistemi di intelligenza artificiale hanno in larga misura seguito quel modello, generando output da prompt e file. La conversazione, nonostante sia il luogo in cui molte decisioni originano, è rimasta scarsamente strutturata e difficile da integrare nei sistemi operativi.

Quando le discussioni diventano strutturate, ricercabili e persistenti, iniziano a funzionare come memoria istituzionale. Le riunioni non sono più eventi isolati, ma input per flussi di lavoro continui. Il confine tra discussione e esecuzione diventa meno distinto.

Le implicazioni vanno oltre la cattura delle note. I sistemi consapevoli del contesto possono influenzare il modo in cui le organizzazioni documentano le decisioni, gestiscono la conoscenza, affrontano la conformità e formano i dipendenti. Mentre l’intelligenza artificiale si integra nelle operazioni quotidiane, le scelte sulla località dei dati e il controllo dell’inferenza diventano considerazioni fondamentali di progettazione.

Se la prima fase dell’intelligenza artificiale ha enfatizzato la generazione, la prossima potrebbe enfatizzare la continuità e il contesto.