Interloom รวบรวมเงินทุน 16.5 ล้านดอลลาร์เพื่อนำ “ความจำ” มาสู่ตัวแทน AI ขององค์กร

ตัวแทน AI ขององค์กรกำลังได้รับการปรับปรุงให้มีความสามารถมากขึ้น แต่ข้อจำกัดหลักหนึ่งที่ยังคงยับยั้งพวกมันคือพวกมันไม่ได้ “จำ” ว่างานภายในองค์กรดำเนินไปอย่างไร

ช่องว่างนี้เป็นจุดศูนย์กลางของ Interloom ในการประกาศเงินทุนล่าสุด บริษัทสตาร์ทอัพในมิวนิกได้รวบรวมเงินทุน 16.5 ล้านดอลลาร์ในรอบการให้ทุนเริ่มต้น โดยมี DN Capital เป็นผู้นำการให้ทุน และมีการเข้าร่วมจาก Bek Ventures และ Air Street Capital บริษัทนี้มุ่งเน้นในการสร้างแพลตฟอร์มที่บันทึกวิธีการทำงานของทีมและเปลี่ยนความรู้นั้นให้เป็นสิ่งที่ระบบ AI สามารถใช้ได้อย่างน่าเชื่อถือ

เมื่อองค์กรนำ AI ไปใช้ในกระบวนการทำงานหลัก ความท้าทายก็จะชัดเจนขึ้น AI สามารถปฏิบัติตามคำสั่ง สรุปข้อมูล และสร้างผลลัพธ์ แต่มักจะขาดบริบทที่จำเป็นในการตัดสินใจที่สอดคล้องกันในสถานการณ์จริงที่ซับซ้อน ส่วนใหญ่ของบริบทนี้ไม่ได้ถูกเขียนไว้ที่ไหน – มันอยู่ในกรณีในอดีต การอภิปรายภายใน และการตัดสินใจของพนักงานที่มีประสบการณ์

ชั้นที่หายไปใน AI ขององค์กร

ส่วนใหญ่ขององค์กรสมมติว่ากระบวนการของตนได้รับการบันทึกอย่างดี แต่ในทางปฏิบัติ สิ่งที่ตรงกันข้ามมักจะเกิดขึ้น ความรู้ด้านการดำเนินงานที่สำคัญกระจายอยู่ทั่วอีเมล ตั๋วสนับสนุน เครื่องมือภายใน และกระบวนการทำงานที่ไม่เป็นทางการ แม้ว่าเอกสารจะมีอยู่ ก็มักจะล้าสมัยหรือทำให้กระบวนการตัดสินใจง่ายเกินไป

สิ่งนี้สร้างปัญหาใหญ่สำหรับการนำ AI ไปใช้ โดยไม่มีการเข้าถึงความรู้ที่ไม่ได้เขียนไว้ ตัวแทน AI ต้องดิ้นรนเพื่อไปไกลกว่างานที่กำหนดไว้ล่วงหน้า พวกมันสามารถช่วยเหลือได้ แต่ไม่สามารถดำเนินการได้อย่างอิสระด้วยความมั่นใจ

Interloom พยายามแก้ไขปัญหานี้โดยการแนะนำชั้น “ความจำ” ที่คงอยู่ แทนที่จะพึ่งพาคำสั่งที่กำหนดไว้ล่วงหน้า แพลตฟอร์มจะเรียนรู้จากวิธีการแก้ไขกรณีการดำเนินงานจริงของทีม เมื่อเวลาผ่านไป มันจะสร้างแบบจำลองที่พัฒนาอย่างต่อเนื่องเกี่ยวกับวิธีการตัดสินใจภายในองค์กร ทำให้ทั้งมนุษย์และระบบ AI สามารถอ้างอิงผลลัพธ์ในอดีตเป็นแนวทาง

จากเอกสารที่คงที่ไปสู่ระบบที่มีชีวิต

การเปลี่ยนแปลงที่ Interloom เสนอนั้นเป็นการเปลี่ยนแปลงที่ไม่สำคัญ แต่มีความหมาย ระบบองค์กรแบบดั้งเดิมพึ่งพาเอกสาร การทำงาน และกฎที่กำหนดไว้ล่วงหน้าอย่างหนัก แนวทางของ Interloom เป็นการเปลี่ยนแปลงในทางตรงกันข้าม โดยการบันทึกความรู้หลังจากที่เกิดขึ้นโดยการสังเกตการทำงานจริงตามที่เกิดขึ้น

สิ่งนี้หมายความว่าระบบไม่ได้ถูกจำกัดโดยสิ่งที่ทีมคิดว่าควรเกิดขึ้น แต่สะท้อนให้เห็นว่าอะไรเกิดขึ้นจริงๆ การตัดสินใจที่ทำภายใต้แรงกดดัน การจัดการข้อยกเว้นที่ทำด้วยมือ และการทำงานรอบที่พัฒนาขึ้นตามเวลา ล้วนกลายเป็นส่วนหนึ่งของความจำการดำเนินงานที่เติบโตขึ้น

ในทางปฏิบัติ สิ่งนี้ทำให้ ตัวแทน AI สามารถดำเนินการตามหลักการแล้วตามที่เกิดขึ้นจริง แทนที่จะสร้างคำตอบในความโดดเดี่ยว พวกมันสามารถยึดการกระทำของพวกมันไว้บนกรณีที่คล้ายกันที่ได้รับการแก้ไขแล้ว สำหรับพนักงาน มันลดความจำเป็นที่จะต้องค้นหาวิธีแก้ปัญหาใหม่ๆ เนื่องจากการตัดสินใจในอดีตกลายเป็นข้อมูลที่สามารถเข้าถึงและนำกลับมาใช้ใหม่ได้ทันที

ความหมายอีกอย่างหนึ่งคือการอนุรักษ์ความรู้ของสถาบัน เมื่อพนักงานที่มีประสบการณ์ออกไป ความเชี่ยวชาญของพวกเขาโดยทั่วไปจะหายไปด้วย แต่ด้วยการบันทึกวิธีการจัดการสถานการณ์ที่ซับซ้อนของบุคคลเหล่านั้น Interloom มุ่งหวังที่จะรักษาความรู้นั้นและทำให้มันสามารถใช้ได้กับทีมและระบบในอนาคต

การได้รับการยอมรับในระยะแรกในอุตสาหกรรมที่ซับซ้อน

แม้ว่ายังอยู่ในช่วงแรกของวงจรชีวิต แต่ Interloom ก็กำลังทำงานร่วมกับองค์กรขนาดใหญ่ รวมถึง Zurich Insurance (ZURN.SW ) และ Volkswagen สภาพแวดล้อมเหล่านี้ให้กรณีทดสอบที่ชัดเจนสำหรับแพลตฟอร์ม เนื่องจากเกี่ยวข้องกับการตัดสินใจที่ซับซ้อนและขึ้นอยู่กับบริบทจำนวนมาก

ในภาคส่วน เช่น การประกันภัย การผลิต และบริการทางการเงิน กระบวนการไม่เคยตามกฎที่ง่ายๆ แต่ละกรณีสามารถเกี่ยวข้องกับตัวแปรหลายตัว ข้อยกเว้น และความสัมพันธ์ที่ซับซ้อนระหว่างระบบ ทำให้พวกมันยากที่จะทำให้ระบบอัตโนมัติด้วยวิธีการแบบดั้งเดิมที่พึ่งพาการทำงานที่เข้มงวด

โดยการประมวลผลกรณีการดำเนินงานหลายล้านครั้ง แพลตฟอร์มของ Interloom ได้รับการออกแบบมาเพื่อค้นหารูปแบบในการตัดสินใจเหล่านั้นและใช้พวกมันเพื่อปรับปรุงความเร็วและความสอดคล้อง “Chief of Staff” ใหม่ที่แนะนำมุ่งหวังที่จะประสานงานกระบวนการทำงานระหว่างระบบ แทนที่จะดำเนินการเฉพาะงานที่แยกออกมา

สิ่งที่หมายถึงอนาคตของ AI ในองค์กร

การเกิดขึ้นของระบบอย่าง Interloom ชี้ให้เห็นถึงการเปลี่ยนแปลงที่กว้างขึ้นในการพัฒนา AI ขององค์กร ในช่วงแรกของการทำให้กระบวนการทำงานอัตโนมัติ มุ่งเน้นไปที่กระบวนการทำงานที่มีโครงสร้างและงานที่กำหนดไว้ล่วงหน้าอย่างชัดเจน การพัฒนาล่าสุดใน AI ที่สร้างขึ้นได้ขยายความสามารถของเครื่องจักรในการเข้าใจและสร้างผลลัพธ์ ช่วงที่จะเกิดขึ้นต่อไปอาจถูกกำหนดโดยความสามารถของระบบ AI ในการรวมบริบทเข้าด้วยกันเมื่อเวลาผ่านไป

หากตัวแทน AI ต้องรับผิดชอบมากขึ้นภายในองค์กร พวกมันจะต้องมี “ความจำ” ขององค์กร Without มัน แม้แต่โมเดลที่ทันสมัยที่สุดก็จะยังคงมีข้อจำกัดในการช่วยเหลือมากกว่าการดำเนินการ ด้วยมัน เส้นแบ่งระหว่างการตัดสินใจของมนุษย์และการดำเนินการของเครื่องจักรเริ่มจะพร่ามัว

สิ่งนี้ยังทำให้เกิดคำถามใหม่ๆ เกี่ยวกับวิธีการจัดการและกำกับความรู้ภายในของบริษัท ระบบที่บันทึกและนำความรู้ไปใช้ซ้ำอย่างต่อเนื่องอาจกลายเป็นข้อได้เปรียบทางการแข่งขันที่มีพลัง แต่ก 也แนะนำความท้าทายเกี่ยวกับการโปร่งใสา ความเอนเอียง และการควบคุม หากระบบ AI ได้รับการฝึกอบรมจากการตัดสินใจในอดีต พวกมันอาจเสริมรูปแบบที่มีอยู่ – ทั้งดีและไม่ดี

ในเวลาเดียวกัน ความสามารถในการเข้ารหัสและนำความรู้การดำเนินงานไปใช้ซ้ำในระดับใหญ่อาจเปลี่ยนแปลงวิธีการที่องค์กรคิดเกี่ยวกับความเชี่ยวชาญ แทนที่จะรวมอยู่ในบุคคลหรือทีม ความรู้กลายเป็นสินทรัพย์ร่วมกันที่พัฒนาไปตามเวลา สิ่งนี้อาจลดความยากในการทำให้กระบวนการทำงานอัตโนมัติในพื้นที่ที่ต้านทานการเปลี่ยนแปลงมาโดยตลอด โดยเฉพาะในส่วนที่ต้องการการตัดสินใจและประสบการณ์

แนวทางของ Interloom แสดงให้เห็นว่าอนาคตของ AI ในองค์กรอาจไม่ได้ถูกกำหนดโดยโมเดลที่ดีกว่า แต่โดยระบบที่ดีกว่าในการบันทึกและนำความรู้ของโลกแห่งความเป็นจริงไปใช้ ไม่ว่าความมุ่งมั่นนั้นจะพิสูจน์ได้ว่ามีความสามารถในการขยายหรือไม่ แต่ความชัดเจนกำลังเพิ่มขึ้น: สำหรับ AI ที่จะไปไกลกว่าการช่วยเหลือและเข้าสู่การดำเนินการ “ความจำ” อาจมีความสำคัญไม่แพ้ “ความฉลาด”