Quill привлекает $6,5 млн для создания суверенного “Начальника штаба ИИ”

По мере того, как инструменты ИИ умножаются на рабочем месте, возникает новая проблема. Профессионалы больше не просто выполняют свою работу. Они управляют все растущим флотом помощников ИИ для написания, исследования, кодирования, документации и общения. Инструменты редко делятся контекстом и редко понимают, как кто-то фактически работает.

Quill считает, что отсутствующим ингредиентом является разговор.

Компания привлекла $6,5 млн в качестве финансирования для расширения своей платформы и запуска Quilliam, суверенного Начальника штаба ИИ, предназначенного для координации инструментов ИИ с помощью контекста, извлеченного直接 из встреч и обсуждений. Раунд был возглавлен Basis Set Ventures, с участием 500 Global, Naval Ravikant, Morado Ventures, и AME Cloud Ventures.

Начиная с того места, где фактически происходит работа

Quill началась как местный инструмент транскрипции встреч, ориентированный на сохранение записей разговоров. Обрабатывая аудио直接 на устройстве пользователя и структурируя сводки и пункты действий из обсуждений, он стремился сократить разрыв между тем, что было сказано, и тем, что нужно было сделать дальше. Со временем продукт расширился за пределы захвата заметок в поддержание постоянного слоя контекстной памяти, полученной из этих взаимодействий.

Основная предпосылка заключается в том, что разговор, а не отдельные документы, может предложить более точную основу для понимания того, как работа разворачивается на практике.

От ведения заметок к координации

Quilliam расширяет эту основу, а не заменяет ее. Хотя ранние итерации были сосредоточены на захвате и структурировании разговоров, новый слой несет этот контекст в другие системы через Протокол контекста модели.

Вместо того, чтобы останавливаться на транскрипции, система может взаимодействовать с платформами документации, менеджерами задач и другими инструментами. Обсуждение продукта может перевести обновленные проектные заметки или создать новые тикеты. Перед встречей с клиентом предыдущие обмены могут быть представлены для восстановления непрерывности.

Акцент делается на координацию. По мере того, как инструменты ИИ становятся встроенными в потоки работы по написанию, планированию и анализу, профессионалы все чаще работают в фрагментированных системах, лишенных общей памяти. Quilliam пытается сократить эту фрагментацию, поддерживая контекстную непрерывность в средах вместо введения еще одного изолированного инструмента.

Архитектура и контроль данных

Дизайн платформы ставит локальность данных и контроль вывода на передний план.

Транскрипция аудио запускается на устройстве пользователя по умолчанию, и аудио не передается внешне, если не включена синхронизация. Когда включена облачная синхронизация, она шифруется от конца до конца, и незашифрованный контент не доступен для сервиса. Пользователи могут определить, где происходит вывод, будь то через облачных провайдеров, настроенных для нулевого журналирования контента, или через полностью локальные модели, подходящие для автономных или изолированных сред.

Данные пользователей не используются для обучения моделей. Интеграции и рабочие процессы настраиваемы, что позволяет организациям согласовывать развертывания с внутренними требованиями соответствия, включая резидентность данных и нормативные ограничения. Для команд, требующих строгой изоляции, система может работать без внешних сетевых вызовов.

Вместе эти архитектурные решения рассматривают местоположение вывода и обработку данных как регулируемые параметры, а не фиксированные предположения.

Сдвиг в сторону контекстно-осведомленной инфраструктуры работы

Эта категория программного обеспечения отражает более широкий сдвиг в том, как цифровая работа может быть структурирована.

Традиционные инструменты производительности вращаются вокруг документов, тикетов и панелей управления. Системы ИИ в основном следовали этой модели, генерируя выводы из подсказок и файлов. Разговор, несмотря на то, что многие решения происходят, остался слабо структурированным и трудно интегрируемым в операционные системы.

Когда обсуждения становятся структурированными, поисковыми и постоянными, они начинают функционировать как институциональная память. Встречи больше не являются изолированными событиями, а входами в непрерывные рабочие процессы. Граница между обсуждением и выполнением становится менее отчетливой.

Последствия распространяются за пределы захвата заметок. Контекстно-осведомленные системы могут повлиять на то, как организации документируют решения, управляют знаниями, решают проблемы соответствия и обучают сотрудников. По мере того, как ИИ становится встроенным в повседневные операции, выборы о локальности данных и контроле вывода становятся основными конструктивными соображениями.

Если первая фаза ИИ подчеркивала генерацию, следующая может подчеркнуть непрерывность и контекст.