Quill pozyskał 6,5 miliona dolarów na budowę suwerennego „Szefa ds. AI”

Podczas gdy narzędzia AI mnożą się w miejscu pracy, pojawia się nowy problem. Profesjonaliści nie wykonują już tylko swojej pracy. Zarządzają również rosnącą flotą asystentów AI do pisania, badań, programowania, dokumentacji i komunikacji. Narzędzia rzadko dzielą się kontekstem i rzadko rozumieją, jak ktoś naprawdę pracuje.

Quill uważa, że brakującym składnikiem jest rozmowa.

Firma pozyskała 6,5 miliona dolarów w ramach finansowania na rozszerzenie swojej platformy i uruchomienie Quilliam, suwerennego Szefa ds. AI, zaprojektowanego w celu koordynowania narzędzi AI przy użyciu kontekstu pochodzącego bezpośrednio z spotkań i dyskusji. Rundę poprowadziło Basis Set Ventures, z udziałem 500 Global, Naval Ravikant, Morado Ventures, i AME Cloud Ventures.

Rozpoczynając tam, gdzie naprawdę działa praca

Quill rozpoczął jako lokalne narzędzie do transkrypcji spotkań, skupiając się na zachowaniu rekordów rozmów. Przetwarzając dźwięk bezpośrednio na urządzeniu użytkownika i strukturyzując podsumowania i punkty do realizacji z dyskusji, Quill próbował zwęzić lukę między tym, co zostało powiedziane, a tym, co musiało się wydarzyć następnie. Z czasem produkt rozwinął się poza przechwytywanie notatek do utrzymywania warstwy kontekstowej pamięci pochodzącej z tych interakcji.

Podstawową założeniem jest to, że rozmowa, a nie samodzielne dokumenty, może zapewnić bardziej dokładną podstawę do zrozumienia, jak praca rozgrywa się w praktyce.

Od notatek do koordynacji

Quilliam rozszerza tę podstawę, zamiast ją zastępować. Podczas gdy wcześniejsze wersje koncentrowały się na przechwytywaniu i strukturyzowaniu rozmów, nowsza warstwa przenosi ten kontekst do innych systemów za pomocą Model Context Protocol.

Zamiast zatrzymywać się na transkrypcji, system może wchodzić w interakcje z platformami dokumentacji, menedżerami zadań i innymi narzędziami. Dyskusja na temat produktu może przekształcić się w zaktualizowane notatki projektu lub nowo utworzone bilety. Przed spotkaniem z klientem, wcześniejsze wymiany mogą być wyświetlone, aby przywrócić ciągłość.

Nacisk kładziony jest na koordynację. Podczas gdy narzędzia AI stają się wbudowane w procesy pisarskie, planistyczne i analityczne, profesjonaliści coraz częściej działają w fragmentowanych systemach, które nie mają wspólnej pamięci. Quilliam próbuje zmniejszyć tę fragmentację, utrzymując ciągłość kontekstową w różnych środowiskach, zamiast wprowadzać kolejne izolowane narzędzie.

Architektura i kontrola danych

Projekt platformy stawia lokalizację danych i kontrolę inferencji na pierwszym miejscu.

Transkrypcja audio działa na urządzeniu użytkownika domyślnie, a żaden dźwięk nie jest transmitowany na zewnątrz, chyba że synchronizacja jest włączona. Gdy synchronizacja w chmurze jest aktywowana, jest szyfrowana od końca do końca, a niezaszyfrowany zawartość nie jest dostępny dla usługi. Użytkownicy mogą określić, gdzie występuje inferencja, czy to przez dostawców chmury przedsiębiorstw skonfigurowanych do rejestrowania zero zawartości, czy przez w pełni lokalne modele odpowiednie dla środowisk offline lub odizolowanych.

Dane użytkownika nie są wykorzystywane do szkolenia modeli. Integracje i przepływy pracy są konfigurowalne, co pozwala organizacjom wyrównać wdrożenia z wymogami zgodności wewnętrznej, w tym rezydencją danych i ograniczeniami regulacyjnymi. Dla zespołów wymagających ścisłej izolacji system może działać bez zewnętrznych połączeń sieciowych.

Wszystkie te decyzje architektoniczne traktują lokalizację inferencji i obsługę danych jako parametry dostosowywane, a nie założenia ustalone.

Przesunięcie w kierunku infrastruktury pracy świadomej kontekstu

Ta kategoria oprogramowania odzwierciedla szerszy trend w strukturyzacji cyfrowej pracy.

Tradycyjne narzędzia produktywności krążą wokół dokumentów, biletów i pulpity. Systemy AI w dużej mierze naśladowały ten model, generując dane wyjściowe z podpowiedziami i plikami. Rozmowa, pomimo tego, że wiele decyzji pochodzi, pozostawała luźno ustrukturyzowana i trudna do zintegrowania z systemami operacyjnymi.

Gdy dyskusje stają się ustrukturyzowane, przeszukiwalne i trwałe, zaczynają funkcjonować jako pamięć instytucjonalna. Spotkania nie są już izolowanymi wydarzeniami, ale wejściami do ciągłych przepływów pracy. Granica między dyskusją a wykonaniem staje się mniej wyraźna.

Wnioski wykraczają poza przechwytywanie notatek. Systemy świadome kontekstu mogą wpłynąć na to, jak organizacje dokumentują decyzje, zarządzają wiedzą, zajmują się zgodnością i przyjmują pracowników. Podczas gdy AI staje się wbudowane w codzienne operacje, wybory dotyczące lokalizacji danych i kontroli inferencji stają się podstawowymi względami projektowymi.

Jeśli pierwsza faza AI podkreślała generację, następna może podkreślać ciągłość i kontekst.