인터룸, 기업용 AI 에이전트에 ‘기억’을 가져다주는 1,650만 달러 투자 유치

기업용 AI 에이전트의 능력은 점점 더 강해지고 있지만, 하나의 주요한 제한이 여전히 그들을 막고 있습니다. 그것은 조직 내에서 작업이 실제로 어떻게 수행되는지真正로 기억하지 못하는 것입니다.

이 간격은 인터룸의 최신 자금 조달 발표의 중심에 있습니다. 뮌헨에 본사를 둔 이 스타트업은 DN 캐피탈이 주도하고 Bek Ventures와 Air Street Capital이 참여한 시드 라운드에서 1,650만 달러를 조달했습니다. 이 회사는 실제로 팀이 어떻게 운영하는지 캡처하고 그 지식을 AI 시스템이 신뢰할 수 있게 사용할 수 있도록 하는 플랫폼을 구축하는 데 중점을 두고 있습니다.

기업이 핵심 워크플로에 AI를 더 깊이 밀어 넣을수록, 도전은更加 명확해지고 있습니다. AI는 지시를 따를 수 있고, 정보를 요약하고, 출력을 생성할 수 있지만, 실제 환경에서 일관된 quyết định을 내리기 위해 필요한 맥락이 souvent 부족합니다. 그 맥락의 대부분은 어디에도 문서화되어 있지 않습니다. 그것은 과거의 사례, 내부 토론, 그리고 경험豊富한 직원의 판단에 존재합니다.

기업용 AI의 결여된 계층

대부분의 조직은 자신의 프로세스가 잘 문서화되어 있다고 가정하지만, 실제로는 반대가 종종 사실입니다. 임계적인 운영 지식은 이메일, 지원 티켓, 내부 도구, 그리고 비공식 워크플로우에 산재되어 있습니다. 문서화가 존재하더라도, 그것은 현실을 따라가지 못하거나 실제로 quyết định이 내려지는 방식을 단순화하는 경향이 있습니다.

이것은 AI 도입에重大한 문제를 생성합니다. 암묵적인 지식에 접근할 수 없는 경우, AI 에이전트는狭い, 사전 정의된 작업을 넘어서서 나아갈 수 없습니다. 그것들은 도울 수 있지만, 자신감을 가지고 독립적으로 운영할 수는 없습니다.

인터룸은 지속적인 메모리 계층을 도입함으로써 이 문제를 해결하려고 시도하고 있습니다. 정적인 지시를頼る 대신, 플랫폼은 팀이 실제 운영 사례를 어떻게 해결하는지에서 학습합니다. 시간이 지남에 따라, 조직 전체에서 결정이 어떻게 내려지는지에 대한 지속적으로 진화하는 모델을 구축합니다. 이것은 인간과 AI 시스템이 모두 과거의 결과를 참조할 수 있도록 합니다.

정적인 문서에서 생きた 시스템으로

인터룸이 제안하는 전환은 미묘하지만重大합니다. 전통적인 기업 시스템은事前に 정의된 문서, 워크플로우, 규칙에 크게 의존합니다. 인터룸의 접근법은 반대 방향으로, 실제 작업이 발생하는 것을 관찰함으로써事後에 지식을 캡처합니다.

이것은 시스템이 팀이 생각하는대로 무엇이 발생해야 하는지에 국한되지 않고, 실제로 발생하는 것을 반영한다는 것을 의미합니다. 압력하에서 내린 결정, 수동으로 처리된 예외, 시간이 지남에 따라 개발된 워크어라운드 모두가 성장하는 운영 메모리的一部分가 됩니다.

실제로, 이것은 AI 에이전트가 가정보다는先例에 따라 행동할 수 있도록 합니다. 분리된 환경에서 답변을 생성하는 대신, 이미 해결된 유사한 사례에 근거하여 행동할 수 있습니다. 직원들에게도, 이전의 결정이 즉시 접근 가능하고 재사용 가능해지므로, 해결책을 다시 발견할 필요가 줄어듭니다.

또 다른 의미는 기관의 지식 보존입니다. 경험豊富한 직원이 떠날 때, 그들의 전문 지식은 일반적으로 함께 사라집니다. 인터룸은 복잡한 상황을 어떻게 처리했는지 캡처함으로써, 그 지식을 유지하고 미래의 팀과 시스템에 제공하려고 합니다.

복잡한 산업에서 초기 트랙션

まだ 초기 단계에 있는 인터룸은 이미 취리히 보험과 폭스바겐과 같은 대기업과 협력하고 있습니다. 이러한 환경은 플랫폼을 테스트하는明確한 사례를 제공합니다. 그것은 높은 볼륨의 복잡한, 맥락 의존적인 결정이 포함된 환경을 다룹니다. (ZURN.SW )

보험, 제조, 금융 서비스와 같은 부문에서는 프로세스가 간단한 규칙을 따르지 않는 경우가 많습니다. 각 사례는 여러 변수, 예외, 시스템 간의 의존성을 포함할 수 있습니다. 이것은 전통적인 접근 방식을 사용하여 자동화하기 어렵게 만듭니다. 전통적인 접근 방식은rigid 워크플로우에 의존합니다.

수백만 개의 운영 사례를 처리함으로써, 인터룸의 플랫폼은 이러한 결정이 내려지는 방식의 패턴을 발견하고, 속도와 일관성을 개선하는 데 사용하도록 설계되었습니다. 회사의 새로 도입된 “Chief of Staff” 에이전트는 이를 기반으로 하여, 단순히 고립된 작업을 수행하는 대신, 시스템 간의 워크플로우를 조정하려고 합니다.

기업용 AI의 미래를 위한 의미

인터룸과 같은 시스템의 출현은 기업용 AI가 어떻게 진화할지에 대한 보다广い 전환을 나타냅니다. 초기의 자동화 물드는 구조화된 프로세스와明確하게 정의된 작업에 중점을 두었습니다. 최근의 생성적 AI의 발전은 기계가 이해하고 생성할 수 있는 것을 확대했습니다. 다음 단계는 AI 시스템이 맥락을 어떻게 통합하는지에 의해 정의될 수 있습니다.

AI 에이전트가 조직 내에서 더 많은 책임을 맡게 되면, 조직의 메모리와 유사한 것을 필요로 할 것입니다. 그것이 없으면, 가장 先進的な 모델도 도움만 줄 수 있을 것입니다. 그것이 있으면, 인간의 결정과 기계의 실행 사이의 경계가模糊해집니다.

이것은 또한 내부 지식을 어떻게 관리하고 통제하는지에 대한 새로운 질문을 제기합니다. 결정과 재사용을 계속 캡처하는 시스템은 강력한 경쟁 우위를 제공할 수 있지만, 투명성, 편향, 통제와 관련된 도전도 제기합니다. AI 시스템이 과거의 결정에 훈련된다면,既存の 패턴—좋은 것과 나쁜 것을 모두—를 강화할 수 있습니다.

동시에, 운영 지식을 대규모로 인코딩하고 재사용할 수 있는 능력은 전문 지식에 대한 조직의 생각을 바꿀 수 있습니다. 개인이나 팀에 집중되지 않고, 지식은 시간이 지남에 따라 진화하는 공유 자산이 됩니다. 이것은 역사적으로 자동화에 저항했던 분야, 특히 판단과 경험을 요구하는 분야에서 자동화의 장벽을 낮출 수 있습니다.

인터룸의 접근법은 기업용 AI의 미래가 더 나은 모델만으로 정의되지 않을 수 있음을 시사합니다. 실제로, 더 나은 시스템이 실제 세계의 지식을 캡처하고 적용하는 데 사용될 수 있습니다. 이러한 비전이 확장 가능한지 여부는 아직 보이지 않지만, 方向은 점점 더明確해지고 있습니다. AI가 도움에서 실행으로 나아가기 위해서는, 지능만큼 메모리가 중요할 수 있습니다.