퀼, 주권적인 ‘AI 직원’ 구축을 위해 650만 달러 투자 유치

AI 도구가 작업장에서 급증함에 따라 새로운 문제가 발생하고 있습니다. 전문가들은 더 이상 단순히 자신의 일을 수행하는 것이 아닙니다. 그들은 작성, 연구, 코딩, 문서화, 통신을 위한 점점 더 많은 AI 어시스턴트를 관리하고 있습니다. 이러한 도구는 거의 서로의 컨텍스트를 공유하지 않으며, 실제로 누군가가 어떻게 일하는지 거의 이해하지 못합니다.

퀼은 이에缺하는 요소가 대화라고 믿습니다.

이 회사는 플랫폼을 확장하고 회의 및 토론에서 직접 추출한 컨텍스트를 사용하여 AI 도구를 조정하는 주권적인 ‘AI 직원’인 퀼리엄을 출시하기 위해 650만 달러의 시드 자금을 모금했습니다. 이 라운드는 베이스 셋 벤처스가 주도했으며, 500 글로벌, 나발 라비칸트, 모라도 벤처스, AME 클라우드 벤처스가 참여했습니다.

작업이 실제로 시작되는 곳에서 시작

퀼은 처음에 회의 기록을 보존하는 로컬 첫 번째 회의 전사 도구로 시작되었습니다. 사용자의 장치에서 오디오를 직접 처리하고 토론에서 요약 및 작업 항목을 구조화함으로써, 말한 내용과 다음에 발생해야 할 내용 사이의 간격을 좁히려고 했습니다. 시간이 지남에 따라 제품은 노트 캡처를 넘어 계속적인 컨텍스트 메모리 레이어를 유지하는 것으로 확대되었습니다.

기본 전제는 대화가 독립된 문서보다 실제 작업이 어떻게 진행되는지 이해하는 데 더 정확한 기초를 제공할 수 있다는 것입니다.

노트 작성에서 조정으로

퀼리엄은 이 기초를 확장하는 것이 아니라 대체합니다. 이전 버전은 대화 캡처와 구조화에 중점을 두었지만, 새로운 레이어는 모델 컨텍스트 프로토콜을 통해 다른 시스템으로 컨텍스트를 전달합니다.

전사만으로 중단하지 말고, 시스템은 문서 플랫폼, 작업 관리자 및 기타 도구와 상호 작용할 수 있습니다. 제품 토론은 업데이트된 프로젝트 노트 또는 새로 생성된 티켓으로 번역될 수 있습니다. 클라이언트 회의 전에 이전 교환을 표면화하여 연속성을 복원할 수 있습니다.

중점은 조정입니다. AI 도구가 작성, 계획, 분석 워크플로에 걸쳐 내장됨에 따라 전문가들은 점점 더 분산된 시스템을 운영하게 됩니다. 이러한 시스템은 공유 메모리를 가지고 있지 않습니다. 퀼리엄은 다른 분리된 도구를 도입하는 대신 환경 전체에서 컨텍스트 연속성을 유지함으로써 이러한 단편화를 줄입니다.

아키텍처 및 데이터 제어

플랫폼의 설계는 데이터 로컬리티와 추론 제어가 전면에 있습니다.

오디오 전사는 기본적으로 사용자의 장치에서 실행되며, 동기화를 활성화하지 않는 한 오디오가 외부로 전송되지 않습니다. 클라우드 동기화를 활성화하면 종단 간 암호화되며, 암호화되지 않은 콘텐츠는 서비스에서 액세스할 수 없습니다. 사용자는 추론이 발생하는 위치를 결정할 수 있습니다. 엔터프라이즈 클라우드 제공업체는 콘텐츠 로깅이 없는 구성 또는 오프라인 또는 에어 갭 환경에 적합한 완전히 로컬 모델을 통해입니다.

사용자 데이터는 모델 훈련에 사용되지 않습니다. 통합 및 워크플로는 구성할 수 있으며, 이는 데이터 거주지 및 규제 제약과 같은 내부 준수 요구사항에 따라 배포를 정렬하는 것을 허용합니다. 엄격한 분리 요구 사항이 있는 팀의 경우 시스템은 외부 네트워크 호출 없이 작동할 수 있습니다.

이러한 설계 결정은 추론 위치와 데이터 처리를 조정 가능한 매개변수로 처리합니다.

컨텍스트 인식 작업 인프라로의 전환

이 소프트웨어 범주는 디지털 작업이 구조화되는 방식에 대한 더 넓은 전환을 반영합니다.

전통적인 생산성 도구는 문서, 티켓, 대시보드 주위에 회전합니다. AI 시스템은 주로 이 모델을 따랐으며, 프롬프트와 파일에서 출력을 생성했습니다. 대화는 많은 결정의 출처이지만, 작업 시스템에 통합하기가 어려웠습니다.

토론이 구조화되고, 검색 가능하며, 지속되면, 그것들은 기관의 메모리로서 기능하기 시작합니다. 회의는 더 이상 고립된 이벤트가 아닙니다. 연속적인 워크플로의 입력입니다. 토론과 실행 사이의 경계는 덜 뚜렷해집니다.

影響은 노트 캡처를 넘어섭니다. 컨텍스트 인식 시스템은 조직이 결정 사항을 문서화하고, 지식을 관리하고, 준수를 해결하며, 직원을 온보딩하는 방식에 영향을 미칠 수 있습니다. AI가 일상적인 작업에 내장됨에 따라, 데이터 로컬리티 및 추론 제어에 대한 선택은 기본 설계 고려 사항이 됩니다.

첫 번째 AI 단계가 생성을 강조했다면, 다음 단계는 연속성과 컨텍스트를 강조할 수 있습니다.