Crux Labs, Kurumsal Uzman Yargısını Daha İyi Yapay Zekâ Ajanlarına Dönüştürmek İçin 6 Milyon Doların Üzerinde Yatırım Aldı

Bir yapay zekâ ajanı bir görevi tamamlayabilir, ancak yine de deneyimli bir çalışanın reddedeceği bir karar verebilir. Zor olan çoğu zaman yazılı olmayan kuralları anlamaktır: Ne zaman bir soru daha sorulacağı, ne zaman konunun üst mercilere iletileceği ve belirli bir işletme için iyi bir sonucun ne anlama geldiği.

Crux Labs, bu uzman değerlendirmelerini kurumsal ajanlar için sürekli bir değerlendirme ve iyileştirme sürecine dönüştürecek bir platform geliştiriyor. New York merkezli girişim, Benchstrength ve Misneach’in eş liderliğinde, Analog Ventures ile Pareto Holdings’in de katıldığı ve talebin arzı aştığı bir yatırım turunda 6 milyon dolardan fazla fon toplayarak gizlilik döneminden çıktı.

Şirket, araştırma ve mühendislik ekiplerini büyütmek ve kurumsal kullanıma geçişleri hızlandırmak için bu sermayeyi kullanmayı planlıyor. Temel varsayımı şu: İşletmelerin kendi uzmanlarına göre ayarlanmış değerlendirme sistemlerine ve üretimdeki davranışları ajanların kendisinde yapılan değişikliklere bağlayan bir geri bildirim döngüsüne ihtiyacı var.

Ajan İzleri Yalnızca Başlangıç Noktası

Ajanların gözlemlenebilirliği, ekiplerin bir sistemin ne yaptığını incelemesine yardımcı olur: mesajların sırası, araç çağrıları ve bir etkileşimin arkasındaki diğer adımlar. Bir sorun çıktığında bu kayıt değer kazanır. Ancak etkileşimin yeterince iyi olup olmadığına karar vermek için görevi ve işletmeyi yansıtan ölçütler gerekir.

Crux, manuel incelemenin büyük ölçekli kullanıma ayak uyduramadığını savunuyor. Şirketin duyurusunda, ekiplerin ajan izlerinin yalnızca %1’inden örnek aldığı ve trafiğin geri kalanının büyük bölümünü doğrudan incelemenin dışında bıraktığı belirtiliyor. Bu oran, yayımlanmış sektör çapında bir araştırmanın sonucu değil, şirketin soruna ilişkin açıklamasıdır.

Örnekleme, önem taşıyan hataların nadir görüldüğü durumlarda özellikle sınırlayıcı olabilir. Bir ajan yaygın durumlarda kabul edilebilir biçimde davranırken deneyimli çalışanların hemen fark edeceği bir istisna karşısında zorlanabilir. Buradaki zorluk, bu farkındalığı çok daha geniş bir etkileşim kümesine tutarlı biçimde uygulanabilecek bir değerlendirmeye dönüştürmektir.

Crux’a göre fırsat, alanı bilen kişiler ile ajanı geliştiren mühendisler arasındaki boşlukta yatıyor. Konu uzmanları başarılı bir etkileşimin nasıl görünmesi gerektiğini açıklayabilir; ancak bu anlayışın, sistemin ölçülüp iyileştirilme sürecinin tekrarlanabilir bir parçası hâline gelmesi gerekir.

Uzman Değerlendirmelerini Kaydetmek ve Değerlendirmeleri Ayarlamak

Crux, şirketin hâlihazırda kullandığı araçların ve süreçlerin içinde başlayan bir iş akışı tanımlıyor. Ajanları uzmanların değerlendirmelerini kaydediyor ve bunları özel değerlendirmeleri ayarlamak için kullanıyor. Bu değerlendirmeler daha sonra üretim ortamının izlenmesini ve uyarıları destekliyor; sonuçlar da ajanlarda yapılacak sonraki iyileştirmelere yön veriyor.

Ayarlama adımı önemli. Genel amaçlı bir değerlendirme, işletmeye özgü bir gerekliliği gözden kaçıran akıcı bir yanıtı ödüllendirebilir. Uzman değerlendirmelerine dayanan bir değerlendirme ise kulağa doğru gelen bir yanıtla kuruluşun beklentilerini karşılayan bir yanıt arasındaki farkı saptamayı amaçlıyor.

Crux’ın kurucu ortağı ve CEO’su Julie Kheyfets, “Ajanlar hedeflere ulaşma konusunda inanılmaz derecede başarılı, ancak insanlar olarak yıllar içinde zihnimizde biriktirdiğimiz sezgisel bilgilere erişemiyorlar,” dedi. “Crux, her kuruluşun bu değerlendirmeleri damıtmasına ve ajanlarını hızla iyileştirmek için kullanmasına yardımcı oluyor.”

Amaçlanan sonuç, uzmanların gerçek etkileşimlerden öğrendiklerini yansıtan, zaman içinde değişen bir değerlendirme süreci. Yeni hata örüntüleri ortaya çıktıkça kuruluş, bu bilgiyi gelecekteki davranışları değerlendirme biçimine katabiliyor; böylece bilgi destek taleplerine ve tek tek incelemecilerin deneyimlerine dağınık hâlde kalmıyor.

Üretim Trafiğinin Tamamını İzlemek

Crux, özel değerlendirmelerinin üretim trafiğinin %100’ünde gerçek zamanlı izleme ve uyarı sağlamak üzere optimize edildiğini söylüyor. Bu, kapsamla ilgili bir iddia: değerlendirmenin trafik akışının tamamına uygulanması. Değerlendirmelerin olası her hatayı tespit ettiği ya da insan uzmanlarla kusursuz biçimde uyuştuğu anlamına gelmiyor.

Bu ayrım önemli; çünkü otomatik değerlendirme kendi ölçüm sorununu da beraberinde getiriyor. Her etkileşimi inceleyen bir sistem bile ölçütleri eksikse önemli davranışları gözden kaçırabilir. Bu nedenle ölçütleri alan uzmanlığına göre ayarlamak, izleme başlamadan önce atlanabilecek isteğe bağlı bir adım değil, Crux’ın sunduğu çözümün temel unsurlarından biri.

Şirket ayrıca değerlendirme sonuçlarının üretime alınan iyileştirmelere yön verdiğini söylüyor. Duyuruda, bu sürecin hangi bölümlerinin istemleri, politikaları, modelleri ya da diğer bileşenleri değiştirdiği veya müşteri onayının nasıl alındığı ayrıntılandırılmıyor. Açıklanan çözüm, belirli bir model eğitimi tekniğinden ziyade uçtan uca bir değerlendirme ve iyileştirme hizmeti.

Kurumsal Yapay Zekâ Deneyimine Sahip Kurucu Ekip

Kheyfets ile şirketin kurucu ortağı ve CTO’su Krishna Kulkarni, Princeton University’de tanıştı. Kheyfets, Tractable AI’da Kuzey Amerika operasyonlarını yönetmek ve Block Renovation’ın CEO’su olarak görev yapmak da dâhil olmak üzere, karmaşık sektörlerde yapay zekâyı kullanıma sunma konusunda on yıllık deneyime sahip.

Şirketin verdiği bilgiye göre Kulkarni, daha önce Meta’da marka mühendisliği ekibine liderlik etti, Checkr’da yapay zekâ ürünleri geliştirdi ve Healthify’ın hasta sayısını sıfırdan 20 milyona çıkarmasına yardımcı oldu. Crux, ajanları değerlendirmeye ve iyileştirmeye odaklanan araştırmacı ve mühendislerden oluşan bir ekip kuruyor.

“Mühendislik ekipleri yapay zekâ ajanları geliştirmeyi, konu uzmanları ise başarının nasıl göründüğünü biliyor; ancak kurumlar bu ikisi arasındaki köprüden yoksun,” dedi Kulkarni. “Crux, alan uzmanlığını ajanların sürekli iyileştirilmesini sağlayacak şekilde hayata geçiriyor; böylece mühendisler, iş hedefleriyle gerçekten uyumlu ajanlar geliştirebiliyor.”

Şirket, sağlık, siber güvenlik, finansal hizmetler ve diğer karmaşık sektörlerdeki Fortune 500 şirketleri ve hızlı büyüyen işletmelerle erken aşamada ilerleme kaydettiğini bildiriyor. Duyuruda bu müşterilerin adlarını açıklamadı; gelir, devreye alınan sistem sayısı veya ölçülen iyileşmeler hakkında bilgi vermedi.

Şirkete Özgü Değerlendirmenin Ticari Gerekçesi

Crux, kendisini bir kurum bünyesinde görev yapan, yalnızca ajanların değerlendirilmesi ve iyileştirilmesine adanmış bir ekibin muadili olarak konumlandırıyor. Ticari açıdan öne sürülen gerekçe şu: Ürün ve mühendislik ekipleri inceleme süreçleri oluşturmaya ve tekrarlayan hataları teşhis etmeye daha az zaman ayırmalı; uzmanlar ise işletmelerini temsil eden sistemleri etkilemek için uygulanabilir bir yönteme sahip olmalı.

Alan uzmanlığına duyulan ihtiyaç, uzman geri bildirimlerini düzenlemenin model iyileştirme iş akışının bir parçası olduğu uzmanların yönettiği yapay zekâ eğitimi ve değerlendirmesi sunan iMerit platformunda da görülüyor.

Yatırımcılar açısından fırsat, ajanlar üretim ortamına alındıktan sonra neler olduğuyla bağlantılı. Bir ajan geliştirmek; davranışını sürekli ölçme, yetersiz kaldığı noktaları belirleme ve kurumun standartlarını gözden kaçırmadan ajanı iyileştirme ihtiyacını da beraberinde getiriyor.

Crux’un aldığı finansman, bu sürecin başarı tanımları farklı olan müşterilere güvenilir biçimde sunulup sunulamayacağının sınanmasına yardımcı olacak. Şirketin teklifi basit: Bir şirketin en yetkin çalışanlarının muhakemesi, ajanlarının nasıl değerlendirildiğinin bir parçası olmalı; bu değerlendirmeler de üretim ortamında daha iyi davranışlara yol açmalı. Daha fazla bilgiye Crux Labs adresinden ulaşılabilir.