ထူးခြားသော: Interloom၊ AI အေးဂျင့်များကိုစွမ်းအားပေးရန် “ မိန့်ခွန်းမပြောရသေးသောအသိပညာ” ကိုဖမ်းယူသည့်စတတ်အပ်တစ်ခုသည် စွန့်စားရန်ပုံငွေအနေဖြင့် ဒေါ်လာ ၁၆.၅ သန်းရရှိခဲ့သည်။

(SeaPRwire) –   ဗြိတိသျှ-ဟန်ဂေရီလူမျိုး ဒဿနိကဗေဒပညာရှင်၊ ဘောဂဗေဒပညာရှင်နှင့် သိပ္ပံပညာရှင် Michael Polyani ကို ယနေ့ခေတ်တွင် “တိတိကျကျ မှတ်တမ်းတင်ထားခြင်းမရှိသော အသိပညာ” (tacit knowledge) ဟူသော အသုံးအနှုန်းကို စတင်မိတ်ဆက်ခဲ့သူအဖြစ် အထင်ရှားဆုံးသိကြသည်။ သူ၏ ထူးခြားသော လေ့လာတွေ့ရှိချက်မှာ မည်သည့်နယ်ပယ်တွင်မဆို ကျွမ်းကျင်မှုကို ဖွဲ့စည်းထားသော အသိပညာအများစုသည် ဘယ်တော့မှ ရေးမှတ်ထားခြင်းမရှိဟူ၍ဖြစ်သည်။ တစ်ခါတရံတွင် ၎င်းသည် ကျွမ်းကျင်သူကိုယ်တိုင်ပင် အပြည့်အဝ ရှင်းလင်းဖော်ပြနိုင်ခြင်းမရှိသော ပညာရပ်ဆိုင်ရာ ထိုးထွင်းသိမြင်မှုတစ်မျိုးအဖြစ်သာ တည်ရှိသည်။ “ကျွန်ုပ်တို့သည် ပြောပြနိုင်သည်ထက် ပိုမိုသိရှိကြသည်” ဆိုသည်မှာ Polyani ၏ နာမည်ကျော် စကားစုဖြစ်သည်။

ယနေ့ခေတ်တွင်၊ tacit knowledge သည် AI အေဂျင့်များဖြင့် workflow များကို အလိုအလျောက်လုပ်ဆောင်စေလိုသော ကုမ္ပဏီများအတွက် စိန်ခေါ်မှုတစ်ရပ်ဖြစ်နေသည်။ ဤအေဂျင့်များ လိုအပ်သော အသိပညာအများစု၊ ဖြစ်နိုင်သည်မှာ အများစုပင်လျှင်၊ မှတ်တမ်းတင်ထားခြင်းမရှိပါ။

Interloom သည် မွန်းနီးခ်အခြေစိုက် startup တစ်ခုဖြစ်ပြီး AI ခေတ်အတွက် ရိုးရာ business process automation ကို ပြောင်းလဲရန် ရည်ရွယ်ထားကာ tacit knowledge ပြဿနာကို ဖြေရှင်းနိုင်မည်ဟု ယုံကြည်ထားသည်။ ထို့ပြင် ၎င်းသည် ထိုမစ်ရှင်ကို အောင်မြင်စေရန်အတွက် လတ်တလော ဒေါ်လာ ၁၆.၅ သန်း ရှယ်ယာရင်းနှီးမြှုပ်နှံမှုအသစ်ကို ရရှိထားသည်။

ဤငွေကြေးထောက်ပံ့မှုကို DN Capital မှ ဦးဆောင်ပြီး Bek Ventures နှင့် ရှိပြီးသားရင်းနှီးမြှုပ်နှံသူ Air Street Capital တို့မှ ပါဝင်ထောက်ပံ့ကြသည်။ ကုမ္ပဏီသည် ယခင်က ၂၀၂၄ ခုနှစ် မတ်လတွင် ဒေါ်လာ ၃ သန်း seed round တစ်ခုကို ကြေညာခဲ့သည်။

Interloom သည် အသစ်ရရှိသော ရန်ပုံငွေပြီးနောက် ၎င်း၏ တန်ဖိုးသတ်မှတ်ချက်ကို ထုတ်ဖော်ပြောဆိုခဲ့ခြင်းမရှိပါ။

Interloom ၏ တည်ထောင်သူနှင့် CEO ဖြစ်သူ Fabian Jakobi က AI အေဂျင့်များနှင့်ပတ်သက်သော လက်ရှိစိတ်လှုပ်ရှားဖွယ်လှိုင်းလုံးသည် tacit knowledge ပုတ်တိုင်ကို လျစ်လျူရှုထားသည်ဟု ဆိုသည်။ လုပ်ငန်းလည်ပတ်မှုဆိုင်ရာ ဆုံးဖြတ်ချက်များ၏ ၇၀% ခန့်သည် တရားဝင်မှတ်တမ်းတင်ထားခြင်းမရှိဟု သူကဆိုသည်။ ရှုပ်ထွေးသော ပံ့ပိုးမှုတစ်ခုသည် အတွေ့အကြုံရင့်ကျက်သော ဝန်ထမ်းတစ်ဦး၏ စားပွဲပေါ်သို့ရောက်ရှိလာသောအခါ၊ ၎င်းတို့သည် ဖြေရှင်းနည်း၊ အဆင့်မြှင့်တင်ရမည့် မှန်ကန်သော အတွင်းပိုင်းအဖွဲ့နှင့် အဖြေကို သိရှိကြသည်။ ၎င်းသည် လက်စွဲစာအုပ်ထဲတွင်ရှိ၍မဟုတ်ဘဲ ၎င်းတို့ ယခင်က မြင်ဖူးထားသောကြောင့် ဖြစ်သည်။

“ဘဏ်တွင်အအရေးအပါဆုံးလူသည် မှတ်တမ်းစာရွက်စာတမ်းများ မှန်မမှန်သိသူဖြစ်သည်” ဟု Jakobi က သို့ ပြောကြားခဲ့သည်။ “ထိုသူများသည် လစာအနည်းဆုံးရသူများဖြစ်တတ်သည်။ သို့သော် ၎င်းတို့ကသာ အရည်အသွေးကို သတ်မှတ်ပေးသည်။”

Interloom ၏ ချဉ်းကပ်နည်းမှာ လုပ်ငန်းလည်ပတ်မှုမှတ်တမ်းပေါင်း သန်းချီကို—ပံ့ပိုးမှုအီးမေးလ်များ၊ ဝန်ဆောင်မှုတစ်က္ကူများ၊ ဖုန်းခေါ်ဆိုမှုမှတ်တမ်းများ၊ အလုပ်စာချုပ်စာတမ်းများ—စုပ်ယူပြီး ၎င်းတို့ကို အသုံးပြု၍ “context graph” ဟုခေါ်သော၊ ပေးထားသောအဖွဲ့အစည်းအတွင်း ပြဿနာများ အမှန်တကယ် မည်သို့ဖြေရှင်းသည်ကို ဆက်တိုက်မွမ်းမံထားသော မြေပုံတစ်ခုကို တည်ဆောက်ရန်ဖြစ်သည်။ Jakobi သည် ဤအယူအဆကို Google Maps နှင့် နှိုင်းယှဉ်ပြသည်- Google က အချိန်နှင့်တစ်ပြေးညီ ယာဉ်ကြောအချက်အလက်များမှ အကောင်းဆုံးလမ်းကြောင်းများကို သင်ယူသကဲ့သို့ပင်၊ Interloom သည် ပြဿနာများဖြေရှင်းရန် လုပ်ငန်းလည်ပတ်မှုကျွမ်းကျင်သူများ သွားလာသော လမ်းကြောင်းများကို မြေပုံဆွဲပြီး၊ ထိုမြေပုံများကို AI အေဂျင့်များနှင့် ဝန်ထမ်းအသစ်များအား လမ်းညွှန်ရန် အသုံးပြုသည်။

Jakobi သည် ဆက်တိုက်စွန့်ဦးတီထွင်သူတစ်ဦးဖြစ်သည်။ သူသည် ယခင်က Boxplot ကို တည်ထောင်ခဲ့ပြီး ၂၀၂၁ ခုနှစ်တွင် ၎င်းကို Hyperscience သို့ ရောင်းချခဲ့သည်။ Hyperscience သည် unstructured documents များမှ အချက်အလက်များထုတ်ယူခြင်းတွင် အထူးပြုသော နယူးယောက်အခြေစိုက် AI ဆော့ဖ်ဝဲလ်ကုမ္ပဏီတစ်ခုဖြစ်သည်။

Interloom ၏ ဆော့ဖ်ဝဲလ်သည် ဥရောပရှိ လုပ်ငန်းကြီးများစွာနှင့် စတင်အသုံးပြုနေပြီဖြစ်သည်။ Commerzbank တွင်၊ Interloom သည် ဖောက်သည်ပံ့ပိုးမှုအီးမေးလ်ပေါင်းသန်းချီကို ခွဲခြမ်းစိတ်ဖြာပြီး ရှိပြီးသားအတွင်းပိုင်းမှတ်တမ်းစာရွက်စာတမ်းများနှင့် နှိုင်းယှဉ်စစ်ဆေးခဲ့ရာ၊ ၎င်းတို့အနက်အများအပြားသည် ဆန့်ကျင်ဘက်ဖြစ်နေခြင်း သို့မဟုတ် မပြည့်စုံကြောင်း တွေ့ရှိခဲ့သည်။ ကုမ္ပဏီကပြောသည်မှာ ၎င်းသည် မှတ်တမ်းတင်ထားသော နှင့် အမှန်တကယ်လုပ်ငန်းလည်ပတ်မှုဆိုင်ရာအသိပညာကြားကွာဟချက်ကို ၅၀% ခန့်မှ ၅% အထိ လျှော့ချပေးနိုင်ခဲ့သည်။ Volkswagen တွင် ၎င်းသည် ဖောက်သည်ပံ့ပိုးမှုတစ်က္ကူများကို လုပ်ဆောင်နေသည်။ Zurich Insurance တွင်မူ၊ Interloom သည် underwriting အသုံးချမှုတစ်ခုအတွက် ကုမ္ပဏီတစ်ခုလုံးဆိုင်ရာ AI ပြိုင်ပွဲတစ်ခုကို အနိုင်ရရှိခဲ့သည်—Jakobi ပြောသည်မှာ AI-native startup အခြား ၂၀၀၀ ကို အနိုင်ရခဲ့သည်။

အာမခံကုမ္ပဏီတစ်ခုတွင် underwriting ဆုံးဖြတ်ချက်တစ်ခုသည် ထိုကုမ္ပဏီ၏ အန္တရာယ်ယူမှုဆိုင်ရာ ထူးခြားသောစိတ်ဆန္ဒ၊ ကြော်ငြာရောင်းချသူများနှင့် ထုတ်ကုန်များနှင့် အတွေ့အကြုံစုစည်းမှုများနှင့် ယေဘုယျအသုံးချမော်ဒယ်တစ်ခုတွင်မရှိသော အဖွဲ့အစည်းဆိုင်ရာအသိပညာကို ရောင်ပြန်ဟပ်သည်ဟု Jakobi ကဆိုသည်။

“Zurich underwriting လုပ်သူသည် ၎င်းတို့၏ ကြော်ငြာရောင်းချသူစကားပြောဖြင့် underwriting လုပ်ပုံကို Accenture ထက်ပို၍ကောင်းစွာသိသည်” ဟု Jakobi က ရှေးရိုးစွဲအားဖြင့် လုပ်ငန်းလုပ်ငန်းစဉ်လုပ်ငန်းများကို ကြီးစိုးထားသော အတိုင်ပင်ခံကုမ္ပဏီကြီးများကို ပစ်မှတ်ထားပြောကြားခဲ့သည်။

ကျယ်ပြန့်သောအချက်မှာ AI အေဂျင့်များသည် မည်မျှပင် စွမ်းရည်ရှိစေကာမူ၊ အဖွဲ့အစည်းတစ်ခုချင်းစီအတွက် သီးသန့်အကြောင်းအရာမရှိပါက လုပ်ငန်းကြီးများတွင် အသုံးမဝင်ဟူ၍ဖြစ်သည်။ Jakobi က ဤအရာကို “corporate memory” ပြဿနာအဖြစ် သတ်မှတ်ဖော်ပြသည်။

“ဆော့ဖ်ဝဲလ်တွင်၊ compiler က code အလုပ်လုပ်မလုပ်ပြောပြတယ်” ဟု Jakobi ကပြောသည်။ “ကျွန်တော်တို့မှာ [အခြားနယ်ပယ်တွေမှာ] အဲဒီလိုအဆင်ပြေတဲ့အရာမရှိဘူး။ အကဲဖြတ်ချက်က လူသားကျွမ်းကျင်သူဆီကနေလာရမယ်။”

Interloom ၏ ရန်ပုံငွေထောက်ပံ့