クイルは6.5百万ドルを調達して「AIスタッフ長」を構築する

AIツールが職場で増えているにつれて、新しい問題が生じています。専門家は単に仕事をしているのではなく、書き込み、研究、コーディング、ドキュメント、コミュニケーション用の増え続けるAIアシスタントを管理しています。これらのツールはほとんどがコンテキストを共有しておらず、実際に誰かがどのように仕事をするかを理解していません。

クイルは、会話が欠けている要素であると考えています。

同社は、プラットフォームを拡大し、クイリアムを立ち上げるために6.5百万ドルのシード資金を調達しました。クイリアムは、会議やディスカッションから直接抽出されたコンテキストを使用してAIツールを調整するための主権的なAIスタッフ長です。このラウンドは、ベイスセット・ベンチャーズが主導し、500グローバル、ナヴァル・ラヴィカント、モラド・ベンチャーズ、AMEクラウドベンチャーズが参加しました。

仕事が実際に始まる場所から

クイルは、会議の記録を保存するためのローカルファーストの会議トランスクリプションツールとして始まりました。オーディオをユーザーのデバイス上で直接処理し、会話から要約とアクションアイテムを構造化することで、話されたことと次に何が必要かというギャップを狭めようとしました。時間の経過とともに、製品はノートキャプチャーから会話から派生した継続的なコンテキストレイヤーを維持することに拡大しました。

基本的な前提は、会話がスタンドアロンドキュメントよりも、仕事が実際にどのように進むかを理解するためのより正確な基礎を提供する可能性があるということです。

ノートテイクから調整へ

クイリアムはその基礎を拡張するのではなく、置き換えるのです。以前のイテレーションは会話のキャプチャーと構造化に焦点を当てていたのに対し、新しいレイヤーはモデルコンテキストプロトコルを介して他のシステムにコンテキストを運び込みます。

トランスクリプションで止まるのではなく、システムはドキュメンテーションプラットフォーム、タスクマネージャー、他のツールと対話できます。製品に関するディスカッションは、更新されたプロジェクトノートまたは新しく作成されたチケットに翻訳される場合があります。クライアント会議の前に、以前の交換は連続性を回復するために表面化できます。

重点は調整です。AIツールが書き込み、計画、分析ワークフローに埋め込まれるにつれて、専門家は共有メモリのない断片化されたシステムで操作することが増えています。クイリアムは、別の孤立したツールを導入するのではなく、環境全体でコンテキストの連続性を維持することで断片化を減らすことを試みています。

アーキテクチャとデータコントロール

プラットフォームの設計は、データのローカリティと推論コントロールを最優先にします。

オーディオトランスクリプションはデフォルトでユーザーのデバイス上で実行され、同期が有効になっている場合を除き、オーディオは外部に送信されません。クラウド同期が有効になっている場合、それはエンドツーエンドで暗号化され、暗号化されていないコンテンツはサービスにアクセスできません。ユーザーは、ゼロコンテンツログを構成したエンタープライズクラウドプロバイダーを介して、または完全にローカルなモデルを介してオフラインまたはエアギャップ環境で推論が発生するかどうかを決定できます。

ユーザーデータはモデルトレーニングに使用されません。統合とワークフローは構成可能であり、組織はデプロイを内部のコンプライアンス要件、データ居住性、規制制約と一致させることができます。厳格な分離を必要とするチームの場合、システムは外部ネットワークコールなしで動作できます。

これらのアーキテクチャ上の決定は、推論の場所とデータの取り扱いを固定された仮定ではなく、調整可能なパラメータとして扱います。

コンテキストアウェアワークインフラへのシフト

このソフトウェアのカテゴリは、デジタルワークが構造化される方法のより広範なシフトを反映しています。

従来の生産性ツールはドキュメント、チケット、ダッシュボードの周りを回ります。AIシステムは大部分がこのモデルに従っています。ファイルやプロンプトから出力を生成しています。会話は、多くの決定の起源となるものですが、構造化が不十分で、運用システムに統合するのが難しいままです。

会話が構造化され、検索可能で、永続的なものになると、それらは機関のメモリとして機能し始めます。会議は孤立したイベントではなく、継続的なワークフローへの入力になります。ディスカッションと実行の境界は、より曖昧になります。

影響はノートキャプチャーを超えています。コンテキストアウェアシステムは、組織が決定を文書化し、知識を管理し、コンプライアンスに対処し、従業員をオンボードする方法に影響を与える可能性があります。AIが日常業務に埋め込まれるにつれて、データのローカリティと推論コントロールに関する選択は、基本的な設計上の考慮事項になります。

AIの最初の段階が生成を強調した場合、次の段階は連続性とコンテキストを強調する可能性があります。