Quill 籌集 650 萬美元打造主權「AI 首席員」

隨著 AI 工具在工作場所內大量增加，新的問題出現了。專業人士不再僅僅是在做自己的工作。他們正在管理一支越來越大的 AI 助手團隊，負責撰寫、研究、編碼、文件和溝通。這些工具很少共享上下文，且很少了解某人實際上如何工作。

Quill 相信缺失的元素是對話。

該公司已籌集 650 萬美元的種子資金，以擴大其平台並推出 Quilliam，一款主權 AI 首席員，旨在使用直接從會議和討論中提取的上下文來協調 AI 工具。這輪融資由 Basis Set Ventures 領投，500 Global、Naval Ravikant、Morado Ventures 和 AME Cloud Ventures 參投。

從工作實際開始

Quill 最初是一款本地會議記錄工具，專注於保存對話記錄。通過在用戶設備上直接處理音頻並從討論中構建摘要和行動項目，它試圖縮小了所說的內容和需要發生的事情之間的差距。隨著時間的推移，該產品從僅僅記錄筆記擴展到維護一個從這些交互中提取的上下文記憶層。

根本前提是，對話而不是獨立文件可能提供了一個更準確的基礎，以了解工作在實踐中如何展開。

從記錄到協調

Quilliam 擴展了這個基礎，而不是取代它。雖然早期版本集中於捕獲和構建對話，但新的層次通過模型上下文協議將該上下文帶入其他系統。

與其停止在轉錄，系統可以與文件平台、任務管理器和其他工具進行交互。一個產品討論可能會轉化為更新的項目筆記或新創建的票據。在客戶會議之前，之前的交流可以被顯示以恢復連續性。

重點是協調。隨著 AI 工具被嵌入到撰寫、規劃和分析工作流中，專業人士越來越多地在具有分散系統中工作，這些系統缺乏共享記憶。Quilliam 嘗試通過在環境之間維護上下文連續性而不是引入另一個孤立工具來減少這種分散。

架構和數據控制

該平台的設計將數據本地化和推理控制放在前沿。

音頻轉錄默認情況下在用戶設備上運行，除非啟用同步，否則不會傳輸任何音頻。如果啟用雲同步，則為端到端加密，服務無法存取未加密的內容。用戶可以確定推理發生在哪裡，無論是通過企業雲提供商配置為零內容日誌記錄，還是通過適合離線或空氣間隔環境的完全本地模型。

用戶數據不用于模型訓練。集成和工作流可以配置，允許組織將部署與內部合規性要求對齊，包括數據居住地和法規約束。對於需要嚴格隔離的團隊，系統可以在沒有外部網絡調用的情況下運行。

這些架構決策將推理位置和數據處理視為可調整的參數，而不是固定的假設。

向上下文感知工作基礎設施轉變

這類軟件反映了數字工作可能被結構化的更廣泛轉變。

傳統的生產力工具圍繞文件、票據和儀表板。AI 系統在很大程度上遵循了這個模型，從提示和文件生成輸出。對話，儘管是許多決策的起源，仍然是鬆散結構且難以集成到運營系統中。

當討論被結構化、可搜索和持久時，它們開始作為機構記憶功能。會議不再是孤立的事件，而是連續工作流的輸入。討論和執行之間的界限變得不那麼明顯。

這些影響超出了筆記捕獲。上下文感知系統可能會影響組織如何記錄決策、管理知識、解決合規性問題和培訓員工。隨著 AI 被嵌入到日常運營中，關於數據本地化和推理控制的選擇成為基礎設計考量。

如果 AI 的第一階段強調生成，下一階段可能會強調連續性和上下文。