Stack AI vuole rendere più facile la creazione di flussi di lavoro alimentati da AI
I co-fondatori di Stack AI, Antoni Rosinol e Bernardo Aceituno, erano studenti di dottorato al MIT che stavano completando i loro studi nel 2022 proprio mentre i grandi modelli linguistici stavano diventando più diffusi. ChatGPT sarebbe stato rilasciato al mondo alla fine dell'anno, ma anche prima di questo, riconoscevano un problema all'interno delle aziende che mettevano insieme dati e modelli senza molta competenza e conoscenza, e volevano cambiare questa situazione.
Dopo la laurea, si sono trasferiti a San Francisco e si sono uniti alla coorte invernale del 23 presso Y Combinator, dove hanno lanciato Stack e perfezionato la loro idea. Oggi, l'azienda ha sviluppato uno strumento di automazione dei flussi di lavoro a basso codice progettato per aiutare le aziende a creare flussi di lavoro basati sull'IA, inclusi chatbot e assistenti AI, ad esempio. Finora l'azienda ha raccolto 3 milioni di dollari.
“La nostra piattaforma permette alle persone di creare flussi di lavoro che richiedono il collegamento di diversi strumenti per lavorare insieme. Ci concentriamo sul collegamento delle fonti di dati e dei LLM, poiché ciò consente di creare potenti automazioni dei flussi di lavoro. Offriamo anche molte altre funzioni e strumenti per automatizzare processi aziendali complessi”, ha detto Aceituno a TechCrunch. Hanno un prodotto funzionante da soli sei mesi, ma già segnalano più di 200 clienti che utilizzano il prodotto.
In sostanza, questo comporta il trascinamento di componenti su una tela di flussi di lavoro. Tipicamente ciò include una fonte di dati come Google Drive e un LLM insieme ad altre componenti di flusso di lavoro come una componente di trigger o una componente d'azione per costruire il flusso di lavoro, consentendo al cliente di creare programmi AI generativi senza molti codici. Il codice stesso non è basato sull'IA, ma le attività nel flusso di lavoro spesso lo sono e potrebbero richiedere una certa codifica manuale per far funzionare il flusso di lavoro in modo fluido.
Alcuni dei primi clienti sono nell'industria sanitaria, e Aceituno riconosce che devono essere attenti con le applicazioni che coinvolgono medici e pazienti, specialmente quando le fonti di dati interne non sono sempre affidabili o potrebbero contenere informazioni contraddittorie o obsolete.
In quei casi, dice, è importante fare affidamento sull'esperto umano, il medico, per valutare la qualità della risposta. Come ulteriore livello di protezione, includono citazioni delle fonti in ogni risposta, in modo che il professionista sanitario possa verificare la fonte prima di accettare la risposta.
“Detto questo, è vero che si possono inserire dati di scarsa qualità e quindi le citazioni saranno anche di scarsa qualità ed è per questo che è richiesto che questi assistenti non prendano completamente il controllo del processo”, ha detto.
Venendo direttamente dal MIT e lanciando una startup, Rosinol dice che andare a YC li ha davvero aiutati a capire il lato commerciale delle cose e come perfezionare la loro idea di startup lavorando con i clienti.
“Abbiamo iniziato con una versione iniziale di questa API, che era molto più incentrata sullo sviluppatore. E abbiamo iniziato con alcuni clienti con l'idea di utilizzare l'IA per automatizzare le risposte alle richieste di proposte o automatizzare le vendite. E lavorando con i clienti, è diventato molto evidente che la vera sfida non stava nell'addestrare un modello, ma piuttosto nel porre in modo efficace query e collegare le fonti di dati a questi modelli linguistici”.
L'azienda attualmente conta sei dipendenti, ma sta assumendo ingegneri e professionisti delle vendite e del marketing.
L'investimento di 3 milioni di dollari è stato chiuso circa un anno fa. Gli investitori includono Gradient Ventures, Beat Ventures e True Capital insieme a Lambda Labs, Y Combinator, Soma Capital ed Epakon Capital.
