Interloom atrage 16,5 milioane de dolari pentru a aduce “memorie” în agenții de inteligență artificială pentru întreprinderi

Agenții de inteligență artificială pentru întreprinderi devin tot mai capabili, dar o limitare majoră continuă să îi țină în urmă: nu-și amintesc cu adevărat cum se desfășoară lucrul în interiorul unei organizații.

Această lacună se află în centrul Interloom anunțului de finanțare recent. Start-up-ul din München a strâns 16,5 milioane de dolari într-o rundă de seed condusă de DN Capital, cu participarea Bek Ventures și Air Street Capital. Compania se concentrează pe construirea unei platforme care captează modul în care echipele funcționează cu adevărat și transformă această cunoaștere în ceva pe care sistemele de inteligență artificială îl pot utiliza în mod fiabil.

Pe măsură ce întreprinderile introduc inteligența artificială mai profund în fluxurile de lucru de bază, provocarea devine tot mai clară. Inteligența artificială poate urma instrucțiuni, rezuma informații și genera ieșiri, dar adesea lipsește contextul necesar pentru a lua decizii consecvente în medii reale complexe. Mult din acest context nu este scris nicăieri – există în cazuri anterioare, discuții interne și apeluri la judecată ale angajaților experimentați.

Stratul lipsă în inteligența artificială pentru întreprinderi

Majoritatea organizațiilor presupun că procesele lor sunt bine documentate, dar în practică, contrariul este adesea adevărat. Cunoașterea operațională critică este dispersată pe e-mailuri, bilete de suport, instrumente interne și fluxuri de lucru informale. Chiar și atunci când documentația există, ea are tendința de a rămâne în urmă față de realitate sau de a simplifica excesiv modul în care se iau deciziile.

Aceasta creează o problemă majoră pentru adoptarea inteligenței artificiale. Fără acces la această cunoaștere implicită, agenții de inteligență artificială se luptă să depășească sarcinile înguste și predefinite. Ei pot asista, dar nu pot opera independent cu încredere.

Interloom încearcă să rezolve acest lucru prin introducerea a ceea ce descrie ca un strat de memorie persistent. În loc de a se baza pe instrucțiuni statice, platforma învață de la modul în care echipele rezolvă cazuri operaționale reale. În timp, construiește un model care evoluează continuu cu privire la modul în care se iau deciziile în cadrul organizației, permițând atât oamenilor, cât și sistemelor de inteligență artificială să se refere la rezultatele anterioare ca ghid.

De la documentația statică la sisteme vii

Schimbarea pe care o propune Interloom este subtilă, dar semnificativă. Sistemele tradiționale de întreprindere se bazează puternic pe documentație, fluxuri de lucru și reguli definite în prealabil. Abordarea Interloom se mișcă în direcția opusă, capturând cunoașterea după fapt, prin observarea modului în care se desfășoară lucrul în realitate.

Aceasta înseamnă că sistemul nu este limitat la ceea ce echipele cred că ar trebui să se întâmple, ci reflectă ceea ce se întâmplă cu adevărat. Deciziile luate sub presiune, excepțiile gestionate manual și soluțiile dezvoltate în timp devin toate parte a unei memorii operaționale în creștere.

În practică, acest lucru permite agenților de inteligență artificială să acționeze pe baza precedentului, mai degrabă decât a ipotezelor. În loc de a genera răspunsuri în izolare, ei pot ancora acțiunile lor în cazuri similare care au fost deja rezolvate. Pentru angajați, acest lucru reduce, de asemenea, nevoia de a redescoperi soluții, deoarece deciziile anterioare devin accesibile și reutilizabile instantaneu.

O altă implicație este conservarea cunoașterii instituționale. Atunci când angajații experimentați pleacă, multă din expertiza lor dispare de obicei odată cu ei. Prin capturarea modului în care acești indivizi au gestionat situații complexe, Interloom își propune să păstreze această cunoaștere și să o facă disponibilă pentru echipe și sisteme viitoare.

Tracțiune timpurie în industrii complexe

Deși este încă în prima etapă a ciclului său de viață, Interloom lucrează deja cu întreprinderi mari, inclusiv Zurich Insurance (ZURN.SW ) și Volkswagen. Aceste medii oferă un test clar pentru platformă, deoarece implică volume mari de decizii complexe și dependente de context.

În sectoare precum asigurări, producție și servicii financiare, procesele rareori urmează un set simplu de reguli. Fiecare caz poate implica multiple variabile, excepții și dependențe între sisteme. Acest lucru le face dificil de automatizat folosind abordări tradiționale, care se bazează pe fluxuri de lucru rigide.

Prin procesarea a milioane de cazuri operaționale, platforma Interloom este proiectată pentru a descoperi modele în modul în care se iau aceste decizii și pentru a le utiliza pentru a îmbunătăți atât viteza, cât și coerența. Agentul “Șef de stat major” introdus recent de companie se bazează pe acest lucru, având ca scop coordonarea fluxurilor de lucru între sisteme, mai degrabă decât simpla executare a sarcinilor izolate.

Ce înseamnă acest lucru pentru viitorul inteligenței artificiale în întreprinderi

Apariția unor sisteme precum Interloom indică o schimbare mai amplă în modul în care inteligența artificială pentru întreprinderi este probabil să evolueze. Primele valuri de automatizare s-au concentrat pe procese structurate și sarcini clar definite. Progresele recente în inteligența artificială generativă au extins ceea ce puteau înțelege și produce mașinile. Faza următoare poate fi definită de modul în care sistemele de inteligență artificială pot încorpora contextul în timp.

Dacă agenții de inteligență artificială urmează să preia mai multă responsabilitate în cadrul organizațiilor, ei vor avea nevoie de ceva mai apropiat de memoria organizațională. Fără aceasta, chiar și cele mai avansate modele vor rămâne limitate la asistență, mai degrabă decât la operare. Cu aceasta, granița dintre luarea deciziilor umane și executarea mașinilor începe să se estompeze.

Acest lucru ridică, de asemenea, noi întrebări despre modul în care companiile gestionează și guvernează cunoașterea lor internă. Un sistem care captează și reutilizează în mod continuu decizii poate deveni un avantaj competitiv puternic, dar introduce, de asemenea, provocări legate de transparență, bias și control. Dacă sistemele de inteligență artificială sunt antrenate pe decizii trecute, ele pot întări modele existente – atât bune, cât și rele.

În același timp, capacitatea de a codifica și reutiliza cunoașterea operațională la scară largă poate redefini modul în care organizațiile gândesc despre expertiză. În loc de a fi concentrată în indivizi sau echipe, cunoașterea devine un activ comun care evoluează în timp. Acest lucru poate reduce bariera pentru automatizarea în domenii care au rezistat istoric, în special în acele zone care necesită judecată și experiență.

Abordarea Interloom sugerează că viitorul inteligenței artificiale pentru întreprinderi nu poate fi definit doar de modele mai bune, ci de sisteme mai bune pentru capturarea și aplicarea cunoașterii din lumea reală. Dacă această viziune se dovedește a fi scalabilă, rămâne de văzut, dar direcția devine tot mai clară: pentru ca inteligența artificială să depășească asistența și să ajungă la executare, memoria poate fi la fel de importantă ca inteligența.