Interloom, Kurumsal Yapay Zeka Ajanlarına "Bellek" Özelliği Getirmek İçin 16.5 Milyon Dolar Yatırım Aldı

Kurumsal yapay zeka ajanları giderek daha yetenekli hale geliyor, ancak onları geride tutan önemli bir sınırlama devam ediyor: bir kuruluş içinde işlerin nasıl yapıldığını gerçekten hatırlamıyorlar.

Bu boşluk, bunun merkezinde yer alıyor. Interloom'un en son finansman duyuruMünih merkezli girişim, liderliğinde gerçekleştirilen bir tohum yatırım turunda 16.5 milyon dolar topladı. DN Sermaye, katılımıyla Bek Girişimleri ve Hava Sokak BaşkentiŞirket, ekiplerin gerçekte nasıl çalıştığını yakalayan ve bu bilgiyi yapay zeka sistemlerinin güvenilir bir şekilde kullanabileceği bir şeye dönüştüren bir platform oluşturmaya odaklanmıştır.

İşletmeler yapay zekayı temel iş akışlarına daha derinlemesine entegre ettikçe, zorluk daha da belirginleşiyor. Yapay zeka talimatları takip edebilir, bilgileri özetleyebilir ve çıktılar üretebilir, ancak karmaşık, gerçek dünya ortamlarında tutarlı kararlar almak için gereken bağlamdan genellikle yoksundur. Bu bağlamın büyük bir kısmı hiçbir yerde yazılı olarak bulunmaz; geçmiş vakalarda, iç tartışmalarda ve deneyimli çalışanların değerlendirmelerinde mevcuttur.

Kurumsal Yapay Zekada Eksik Katman

Çoğu kuruluş süreçlerinin iyi belgelenmiş olduğunu varsayar, ancak pratikte bunun tam tersi sıklıkla doğrudur. Kritik operasyonel bilgiler e-postalara, destek taleplerine, dahili araçlara ve gayri resmi iş akışlarına dağılmıştır. Belgeleme mevcut olsa bile, gerçekliğin gerisinde kalma veya kararların gerçekte nasıl alındığını aşırı basitleştirme eğilimindedir.

Bu durum, yapay zekanın benimsenmesi için büyük bir sorun yaratıyor. Bu örtük bilgiye erişim olmadan, yapay zeka ajanları dar, önceden tanımlanmış görevlerin ötesine geçmekte zorlanıyor. Yardımcı olabilirler, ancak bağımsız olarak güvenle çalışamazlar.

Interloom, kalıcı bir bellek katmanı olarak tanımladığı bir yapıyı tanıtarak bu sorunu çözmeye çalışıyor. Platform, statik talimatlara güvenmek yerine, ekiplerin gerçek operasyonel durumları nasıl çözdüğünden doğrudan öğreniyor. Zamanla, kuruluş genelinde kararların nasıl alındığına dair sürekli gelişen bir model oluşturuyor ve hem insanların hem de yapay zeka sistemlerinin geçmiş sonuçları bir kılavuz olarak kullanmasına olanak tanıyor.

Statik Dokümantasyondan Canlı Sistemlere

Interloom'un önerdiği değişim incelikli ancak önemli. Geleneksel kurumsal sistemler büyük ölçüde dokümantasyona, iş akışlarına ve önceden tanımlanmış kurallara dayanır. Interloom'un yaklaşımı ise bunun tam tersi yönde ilerleyerek, gerçek iş süreçlerini gözlemleyerek bilgiyi sonradan elde etmeyi hedefliyor.

Bu, sistemin ekiplerin olması gerektiğini düşündükleriyle sınırlı olmadığı, bunun yerine gerçekte olanları yansıttığı anlamına gelir. Baskı altında alınan kararlar, manuel olarak ele alınan istisnalar ve zaman içinde geliştirilen geçici çözümler, giderek büyüyen bir operasyonel hafızanın parçası haline gelir.

Pratikte bu, şuna olanak tanır: AI ajanlar Varsayımlara değil, emsal kararlara dayanarak hareket etmek. Tek başına cevaplar üretmek yerine, eylemlerini daha önce çözülmüş benzer vakalara dayandırabilirler. Çalışanlar için de, önceki kararlar anında erişilebilir ve yeniden kullanılabilir hale geldiğinden, çözümleri yeniden keşfetme ihtiyacını azaltır.

Bir diğer önemli nokta ise kurumsal bilginin korunmasıdır. Deneyimli çalışanlar ayrıldığında, uzmanlıklarının büyük bir kısmı da onlarla birlikte kaybolur. Interloom, bu kişilerin karmaşık durumlarla nasıl başa çıktıklarını kaydederek, bu bilgiyi korumayı ve gelecekteki ekipler ve sistemler için kullanılabilir hale getirmeyi amaçlamaktadır.

Karmaşık Endüstrilerde Erken İvme

Henüz yaşam döngüsünün başlarında olmasına rağmen, Interloom halihazırda Zurich Insurance ve Volkswagen gibi büyük işletmelerle çalışıyor. Bu ortamlar, yüksek hacimli, bağlama bağlı kararlar içerdiğinden, platform için net bir test örneği oluşturuyor.

Sigorta, üretim ve finansal hizmetler gibi sektörlerde süreçler nadiren basit bir kurallar dizisine uyar. Her durum, sistemler arası birden fazla değişken, istisna ve bağımlılık içerebilir. Bu da, katı iş akışlarına dayanan geleneksel yaklaşımlarla otomasyonu zorlaştırır.

Interloom'un platformu, milyonlarca operasyonel vakayı işleyerek, bu kararların nasıl alındığına dair kalıpları ortaya çıkarmayı ve bunları hem hızı hem de tutarlılığı artırmak için kullanmayı amaçlamaktadır. Şirketin yeni tanıttığı "Genel Müdür" ajanı ise, yalnızca izole görevleri yürütmek yerine, sistemler genelinde iş akışlarını koordine etmeyi hedefleyerek bu temeli daha da geliştiriyor.

Bu, Kurumsal Alanda Yapay Zekanın Geleceği İçin Ne Anlama Geliyor?

Interloom gibi sistemlerin ortaya çıkışı, kurumsal yapay zekanın nasıl gelişeceğine dair daha geniş bir değişime işaret ediyor. Otomasyonun ilk dalgaları, yapılandırılmış süreçlere ve açıkça tanımlanmış görevlere odaklanmıştı. Üretken yapay zekadaki daha yeni gelişmeler, makinelerin anlayabileceği ve üretebileceği şeyleri genişletti. Bir sonraki aşama, yapay zeka sistemlerinin zaman içinde bağlamı ne kadar iyi entegre edebileceğiyle tanımlanabilir.

Eğer yapay zekâ ajanları kuruluşlar içinde daha fazla sorumluluk üstlenecekse, kurumsal hafızaya daha yakın bir şeye ihtiyaç duyacaklardır. Bu olmadan, en gelişmiş modeller bile operasyon yapmaktan ziyade yardımcı olmakla sınırlı kalacaktır. Bu özellik sayesinde, insan karar verme süreci ile makine uygulaması arasındaki sınır bulanıklaşmaya başlar.

Bu durum, şirketlerin iç bilgilerini nasıl yönettikleri ve denetledikleri konusunda da yeni sorular ortaya çıkarıyor. Kararları sürekli olarak kaydeden ve yeniden kullanan bir sistem güçlü bir rekabet avantajı haline gelebilir, ancak şeffaflık, önyargı ve kontrol konularında da zorluklar yaratır. Yapay zeka sistemleri geçmiş kararlar üzerinde eğitilirse, hem iyi hem de kötü mevcut kalıpları güçlendirebilirler.

Aynı zamanda, operasyonel bilgiyi büyük ölçekte kodlama ve yeniden kullanma yeteneği, kuruluşların uzmanlık hakkındaki düşünme biçimini yeniden şekillendirebilir. Bilgi, bireylerde veya ekiplerde yoğunlaşmak yerine, zaman içinde gelişen paylaşılan bir varlık haline gelir. Bu, özellikle yargı ve deneyim gerektiren alanlarda, tarihsel olarak otomasyona direnen alanlarda otomasyonun önündeki engeli azaltabilir.

Interloom'un Bu yaklaşım, kurumsal yapay zekanın geleceğinin yalnızca daha iyi modellerle değil, gerçek dünya bilgisini yakalama ve uygulama konusunda daha iyi sistemlerle tanımlanabileceğini öne sürüyor. Bu vizyonun ölçeklenebilir olup olmadığı henüz belli değil, ancak düşünce giderek daha netleşiyor: Yapay zekanın yardımdan öteye geçip uygulamaya geçebilmesi için hafıza, zeka kadar önemli olabilir.