Interloom Raises $16.5M để Mang “Bộ Nhớ” đến Trợ lý AI Doanh nghiệp

Trợ lý AI doanh nghiệp đang trở nên mạnh mẽ hơn, nhưng một hạn chế lớn vẫn tiếp tục cản trở họ: họ không thực sự nhớ cách công việc được thực hiện bên trong một tổ chức.

Khoảng trống này nằm ở trung tâm của Interloom’s thông báo tài trợ mới nhất. Startup có trụ sở tại Munich đã huy động được 16,5 triệu đô la trong vòng hạt giống do DN Capital dẫn đầu, với sự tham gia của Bek Ventures và Air Street Capital. Công ty tập trung vào việc xây dựng một nền tảng捕获 cách các đội thực sự hoạt động và biến kiến thức đó thành thứ mà hệ thống AI có thể sử dụng một cách đáng tin cậy.

Khi các doanh nghiệp đẩy AI sâu vào các quy trình cốt lõi của họ, thách thức đang trở nên rõ ràng hơn. AI có thể làm theo hướng dẫn, tóm tắt thông tin và tạo ra đầu ra, nhưng nó thường thiếu ngữ cảnh cần thiết để đưa ra quyết định nhất quán trong môi trường thực tế phức tạp. Phần lớn ngữ cảnh này không được viết xuống bất kỳ nơi nào – nó tồn tại trong các trường hợp trước đây, thảo luận nội bộ và quyết định của nhân viên có kinh nghiệm.

Lớp Thiếu trong Trợ lý AI Doanh nghiệp

Hầu hết các tổ chức cho rằng quy trình của họ được ghi chép tốt, nhưng trên thực tế, điều ngược lại thường xảy ra. Kiến thức hoạt động quan trọng được phân tán trên email, vé hỗ trợ, công cụ nội bộ và quy trình không chính thức. Ngay cả khi tài liệu tồn tại, nó có xu hướng tụt lại phía sau thực tế hoặc đơn giản hóa cách quyết định thực sự được đưa ra.

Điều này tạo ra một vấn đề lớn cho việc áp dụng AI. Không có quyền truy cập vào kiến thức ngầm này, trợ lý AI gặp khó khăn trong việc vượt ra ngoài các nhiệm vụ được định nghĩa trước hẹp. Họ có thể hỗ trợ, nhưng họ không thể hoạt động độc lập với sự tự tin.

Interloom đang cố gắng giải quyết điều này bằng cách giới thiệu cái mà nó mô tả là một lớp bộ nhớ liên tục. Thay vì dựa vào hướng dẫn tĩnh, nền tảng học hỏi từ cách các đội giải quyết các trường hợp hoạt động thực tế. Theo thời gian, nó xây dựng một mô hình liên tục phát triển về cách quyết định được đưa ra trên toàn tổ chức, cho phép cả con người và hệ thống AI tham khảo kết quả trong quá khứ làm hướng dẫn.

Từ Tài Liệu Tĩnh đến Hệ Thống Sống

Sự thay đổi mà Interloom đề xuất là tinh tế nhưng quan trọng. Các hệ thống doanh nghiệp truyền thống phụ thuộc nặng vào tài liệu, quy trình và quy tắc được định nghĩa trước. Cách tiếp cận của Interloom di chuyển theo hướng ngược lại, bắt获 kiến thức sau khi thực tế bằng cách quan sát công việc khi nó xảy ra.

Điều này có nghĩa là hệ thống không bị giới hạn ở những gì các đội nghĩ nên xảy ra, mà thay vào đó phản ánh những gì thực sự xảy ra. Các quyết định được đưa ra dưới áp lực, ngoại lệ được xử lý thủ công và các giải pháp được phát triển theo thời gian đều trở thành một phần của bộ nhớ hoạt động ngày càng tăng.

Trên thực tế, điều này cho phép trợ lý AI hành động dựa trên tiền lệ chứ không phải giả định. Thay vì tạo ra câu trả lời trong sự cô lập, họ có thể dựa trên các trường hợp tương tự đã được giải quyết. Đối với nhân viên, nó cũng giảm nhu cầu phát hiện lại các giải pháp, vì các quyết định trước đây trở nên dễ tiếp cận và có thể tái sử dụng ngay lập tức.

Một ý nghĩa khác là bảo tồn kiến thức tổ chức. Khi nhân viên có kinh nghiệm rời đi, phần lớn chuyên môn của họ thường biến mất cùng với họ. Bằng cách bắt获 cách những cá nhân này xử lý các tình huống phức tạp, Interloom nhằm mục đích giữ lại kiến thức đó và làm cho nó có sẵn cho các đội và hệ thống tương lai.

Động lực Sớm trong Ngành Công Nghiệp Phức Tạp

Mặc dù vẫn còn trong giai đoạn đầu của vòng đời, Interloom đã làm việc với các doanh nghiệp lớn, bao gồm Zurich Insurance và Volkswagen. Những môi trường này cung cấp một trường hợp kiểm tra rõ ràng cho nền tảng, vì chúng liên quan đến số lượng lớn quyết định phụ thuộc vào ngữ cảnh phức tạp.

Trong các lĩnh vực như bảo hiểm, sản xuất và dịch vụ tài chính, quy trình hiếm khi tuân theo một tập hợp quy tắc đơn giản. Mỗi trường hợp có thể liên quan đến nhiều biến, ngoại lệ và phụ thuộc vào các hệ thống. Điều này làm cho chúng khó được tự động hóa bằng cách tiếp cận truyền thống, phụ thuộc vào quy trình cứng nhắc.

Bằng cách xử lý hàng triệu trường hợp hoạt động, nền tảng của Interloom được thiết kế để khám phá ra các mẫu trong cách đưa ra quyết định và sử dụng chúng để cải thiện cả tốc độ và nhất quán. Trợ lý “Chief of Staff” mới được giới thiệu của công ty xây dựng trên điều này bằng cách nhằm mục đích phối hợp quy trình trên các hệ thống, thay vì chỉ thực hiện các nhiệm vụ cô lập.

Điều Này Có Nghĩa Là Gì cho Tương Lai của AI trong Doanh Nghiệp

Sự xuất hiện của các hệ thống như Interloom chỉ ra một sự thay đổi rộng lớn hơn trong cách AI doanh nghiệp có khả năng sẽ phát triển. Các đợt tự động hóa đầu tiên tập trung vào quy trình có cấu trúc và nhiệm vụ được định nghĩa rõ ràng. Các tiến bộ gần đây trong AI tạo ra đã mở rộng những gì máy móc có thể hiểu và tạo ra. Giai đoạn tiếp theo có thể được định nghĩa bởi cách tốt mà hệ thống AI có thể kết hợp ngữ cảnh theo thời gian.

Nếu trợ lý AI sẽ đảm nhận nhiều trách nhiệm hơn bên trong các tổ chức, họ sẽ cần có thứ gì đó gần giống với bộ nhớ tổ chức. Không có nó, ngay cả những mô hình tiên tiến nhất cũng sẽ vẫn bị giới hạn ở việc hỗ trợ thay vì hoạt động. Với nó, ranh giới giữa việc ra quyết định của con người và thực hiện của máy bắt đầu mờ dần.

Điều này cũng đặt ra các câu hỏi mới về cách các công ty quản lý và quản lý kiến thức nội bộ của họ. Một hệ thống liên tục bắt获 và tái sử dụng quyết định có thể trở thành một lợi thế cạnh tranh mạnh mẽ, nhưng nó cũng giới thiệu các thách thức xung quanh tính minh bạch, thiên vị và kiểm soát. Nếu hệ thống AI được đào tạo trên các quyết định trong quá khứ, chúng có thể củng cố các mẫu hiện có – cả tốt và xấu.

Đồng thời, khả năng mã hóa và tái sử dụng kiến thức hoạt động ở quy mô lớn có thể thay đổi cách các tổ chức suy nghĩ về chuyên môn. Thay vì tập trung vào các cá nhân hoặc đội, kiến thức trở thành một tài sản chung phát triển theo thời gian. Điều này có thể giảm rào cản đối với tự động hóa trong các lĩnh vực đã từng kháng cự nó, đặc biệt là những lĩnh vực đòi hỏi phán quyết và kinh nghiệm.

Interloom’s cách tiếp cận gợi ý rằng tương lai của AI doanh nghiệp có thể không được định nghĩa chỉ bởi các mô hình tốt hơn, mà bởi các hệ thống tốt hơn để bắt获 và áp dụng kiến thức thực tế. Cho dù tầm nhìn đó chứng minh được khả năng mở rộng vẫn còn phải được xem, nhưng hướng đi đang trở nên rõ ràng hơn: để AI di chuyển vượt ra ngoài hỗ trợ và vào thực hiện, bộ nhớ có thể quan trọng không kém so với trí tuệ.