インタールーム、エンタープライズAIエージェントに「記憶」をもたらすために1億6500万ドルを調達

エンタープライズAIエージェントは、より高度な機能を備えるようになっていますが、1つの大きな制限が依然として存在しています。つまり、組織内での作業の実際のやり方を真正に記憶できないということです。

このギャップは、インタールームの最新の資金調達発表の中心にあります。ミュンヘンに拠点を置くスタートアップは、DN Capitalが主導するシードラウンドで1億6500万ドルを調達しました。参加者には、Bek VenturesとAir Street Capitalが含まれます。この会社は、チームが実際にどのように作業するかを捉え、その知識をAIシステムが信頼性高く利用できるものに変えるプラットフォームを構築することに焦点を当てています。

企業がAIをコアワークフローに深く組み込むにつれ、課題は明らかになってきます。AIは指示に従ったり、情報を要約したり、出力を生成したりすることができますが、汚い実世界の環境で一貫した決定を下すために必要なコンテキストが欠けていることがよくあります。多くのコンテキストはどこにも書き留えられていません。過去のケース、内部の議論、経験豊富な従業員の判断に基づいて存在しています。

エンタープライズAIの欠如する層

ほとんどの組織は、プロセスが十分に文書化されていると想定していますが、実際には、逆が真実です。重要な運用知識は、電子メール、サポートチケット、内部ツール、非公式のワークフローに散在しています。文書化が存在する場合でも、現実から遅れており、または実際に決定が下される方法を単純化しています。

これは、AIの採用にとって大きな問題を引き起こします。暗黙の知識へのアクセスがなければ、AIエージェントは、狭い、事前に定義されたタスクを超えて進むことができません。支援はできますが、自信を持って独立して動作することはできません。

インタールームは、永続的なメモリ層を導入することでこれを解決しようとしています。静的な指示に頼るのではなく、プラットフォームはチームが実際の運用ケースを解決する方法から学習します。時間の経過とともに、組織全体で決定が下される方法の継続的に進化するモデルを構築し、人間とAIシステムの両方が過去の結果を参考として利用できるようにします。

静的な文書化から生きたシステムへ

インタールームが提案するシフトは、微妙ですが重要です。従来のエンタープライズシステムは、事前に定義された文書化、ワークフロー、ルールに大きく依存しています。インタールームのアプローチは、逆の方向に進み、チームが実際にどのように作業するかを捉えることで、事後に知識を取得します。

これは、システムが何が起こるべきかではなく、実際に何が起こるかを反映することを意味します。プレッシャー下での決定、手動で処理される例外、時間の経過とともに開発されたワークアラウンドはすべて、成長する運用メモリの一部になります。

実践では、これにより、AIエージェントが前例に基づいて行動できるようになります。単独で回答を生成するのではなく、以前解決されたケースに基づいて行動を起こすことができます。従業員にとっても、以前の決定が瞬時に利用可能になり、再利用できるようになるため、解決策を再発見する必要が減ります。

もう1つの意味は、組織的知識の保存です。経験豊富な従業員が退職すると、彼らの専門知識の多くが彼らとともに消え去ります。インタールームは、複雑な状況に対処する方法を捉えることで、その知識を保持し、将来のチームやシステムに利用できるようにすることを目指しています。

複雑な業界での初期のトラクション

まだ初期段階にありますが、インタールームはすでに、チューリッヒ保険とフォルクスワーゲンを含む大企業と協力しています。これらの環境は、プラットフォームのテストケースとして明確なものとなり、高いボリュームの複雑な、コンテキスト依存の決定を伴うものです。 (ZURN.SW )

保険、製造、金融サービスなどの分野では、プロセスは通常、単純なルールのセットに従わないことがあります。各ケースには複数の変数、例外、システム全体の依存関係が伴うことがあります。これにより、従来のアプローチでは、厳格なワークフローに頼る必要があり、自動化が困難になります。

数百万の運用ケースを処理することで、インタールームのプラットフォームは、決定が下される方法のパターンを発見し、それを使用してスピードと一貫性を向上させることを目的としています。会社の新しく導入された「チーフオブスタッフ」エージェントは、これを基にして、単に分離されたタスクを実行するのではなく、システム全体のワークフローを調整することを目指しています。

エンタープライズAIの将来への意味

インタールームのようなシステムの出現は、エンタープライズAIが進化する可能性のあるより広いシフトを示唆しています。初期の自動化の波は、構造化されたプロセスと明確に定義されたタスクに焦点を当てていました。最近の生成AIの進歩により、機械が理解して生成できることが広がりました。次の段階は、AIシステムが時間の経過とともにコンテキストを組み込む方法によって定義される可能性があります。

AIエージェントが組織内でより多くの責任を負う場合、組織的メモリに近いものが必要になります。そうでなければ、最も高度なモデルでも、支援のみに限定されます。そうでなければ、人間の意思決定と機械の実行の境界が曖昧になります。

これはまた、企業が内部の知識をどのように管理して統治するかについて、新しい疑問を提起します。決定を継続的に捉え再利用するシステムは、強力な競争上の優位性となる可能性がありますが、透明性、偏見、コントロールに関する課題も導入します。AIシステムが過去の決定に基づいてトレーニングされる場合、既存のパターン（良いものと悪いものの両方）を強化する可能性があります。

同時に、運用知識を大規模にエンコードして再利用する能力は、企業が専門知識について考える方法を再定義する可能性があります。個々やチームではなく、知識は時間の経過とともに進化する共有資産になります。これにより、従来自動化が困難だった分野、特に判断と経験を必要とする分野での自動化へのハードルが下がる可能性があります。

インタールームのアプローチは、エンタープライズAIの将来は、より優れたモデルだけではなく、現実世界の知識を捉え適用するためのより優れたシステムによって定義される可能性があることを示唆しています。どのビジョンが実現可能であるかはまだ見えてきませんが、方向性は明らかになってきています。AIが支援から実行への移行を可能にするには、メモリは知能と同等の重要性を持つ可能性があります。