StackAI می‌خواهد ساخت ورکفلوهای هوش مصنوعی را آسان‌تر کند

هم‌بنیان‌گذاران Stack AI، آنتونی رسینول و برناردو آسیتونیو، دانشجویان دکترای MIT بودند که در سال ۲۰۲۲ در حال اتمام مدارک خود بودند، درست در زمانی که مدل‌های زبان بزرگ در حال تبدیل شدن به جریان اصلی بودند. ChatGPT در پایان سال منتشر شد، اما حتی قبل از آن، آنها مشکلی را در شرکت‌هایی که داده‌ها را با مدل‌ها بدون دانش و تخصص زیادی ترکیب می‌کردند، تشخیص دادند و خواستار تغییر آن شدند.

پس از فارغ‌التحصیلی، آنها به سان‌فرانسیسکو نقل مکان کردند و به گروه زمستان 23 Y Combinator پیوستند، جایی که Stack را راه‌اندازی کردند و ایده خود را بهبود بخشیدند. امروز، این شرکت یک ابزار خودکارسازی جریان کاری کم‌کد را توسعه داده است که به شرکت‌ها در ایجاد جریان‌های کاری هدایت‌شده AI از جمله چت‌بات‌ها و دستیاران AI کمک می‌کند. این شرکت تاکنون 3 میلیون دلار سرمایه‌گذاری جذب کرده است.

"پلتفرم ما به افراد امکان می‌دهد تا جریان‌های کاری را ایجاد کنند که نیاز به اتصال ابزارهای مختلف برای همکاری دارند. ما بر اتصال منابع داده و LLM تمرکز داریم، زیرا انجام این کار به شما امکان می‌دهد خودکارسازی‌های قدرتمند جریان کاری را ایجاد کنید. ما همچنین ابزارهای دیگری را ارائه می‌دهیم که به خودکارسازی فرایندهای تجاری پیچیده کمک می‌کنند"، آسیتونیو به TechCrunch گفت. آنها تنها شش ماه است که محصولی قابل اجرا دارند، اما گزارش می‌دهند که بیش از 200 مشتری از آن استفاده می‌کنند.

به طور اساسی، این کار شامل کشیدن اجزاء به یک بوم جریان کاری است. این معمولاً شامل یک منبع داده مانند Google Drive و یک LLM به همراه سایر اجزای جریان کاری مانند یک مؤلفه تریگر یا یک مؤلفه اکشن برای ایجاد جریان کاری است، که به مشتری امکان می‌دهد بدون کدگذاری زیاد برنامه‌های AI تولیدی ایجاد کند. کدگذاری خود به خود هدایت نمی‌شود، اما وظایف در جریان کاری اغلب هدایت می‌شوند و ممکن است برخی از کدگذاری دستی برای کارکرد روان جریان کاری مورد نیاز باشد.

برخی از اولین مشتریان آنها در صنعت مراقبت‌های بهداشتی هستند، و آسیتونیو اذعان می‌کند که باید در برنامه‌هایی که شامل پزشکان و بیماران هستند، مراقب باشند، به ویژه زمانی که منابع داده داخلی همیشه قابل اعتماد نیستند یا ممکن است حاوی اطلاعات متناقض یا منسوخ باشند.

در این موارد، او می‌گوید که مهم است که به متخصص انسانی، پزشک، تکیه کنیم تا در مورد کیفیت پاسخ تصمیم بگیرد. به عنوان یک سطح محافظتی دیگر، آنها در هر پاسخ نقل‌قول‌هایی از منبع را گنجانده‌اند، بنابراین متخصص مراقبت‌های بهداشتی می‌تواند منبع را قبل از پذیرش پاسخ بررسی کند.

"با این حال، درست است که می‌توانید زباله را وارد کنید و سپس نقل‌قول‌ها نیز زباله خواهند بود و به همین دلیل لازم است که این دستیاران فرایند را به طور کامل در اختیار نگیرند"، گفت.

مستقیم از MIT آمده و یک استارتاپ راه‌اندازی کرده‌اند، رسینول می‌گوید که رفتن به YC واقعاً به آنها کمک کرد تا جنبه‌های تجاری را درک کنند و با کار با مشتریان، ایده استارتاپ خود را بهبود بخشند.

"ما با یک نسخه اولیه از این API شروع کردیم که بسیار بیشتر بر توسعه‌دهندگان متمرکز بود. و با چند مشتری شروع کردیم با ایده‌ای که می‌خواستیم از AI برای خودکارسازی پاسخ‌های RFP یا خودکارسازی فروش استفاده کنیم. و با کار با مشتریان، بسیار واضح شد که چالش واقعی در آموزش یک مدل نبود، بلکه در پرس‌وجوی مؤثر و اتصال منابع داده به این مدل‌های زبانی بود."

این شرکت در حال حاضر شش کارمند دارد، اما در حال استخدام مهندسان و متخصصان فروش و بازاریابی است.

سرمایه‌گذاری 3 میلیون دلاری حدود یک سال پیش بسته شد. سرمایه‌گذاران شامل Gradient Ventures، Beat Ventures و True Capital به همراه Lambda Labs، Y Combinator، Soma Capital و Epakon Capital هستند.