随着生成式 AI 快速发展的 增强内容创建的能力加剧了人们对自动化对免费在线访问高质量信息意味着什么的担忧，总部位于柏林的初创公司Spoke AI正准备将生成式 AI 应用于更有限（但仍然嘈杂）的领域上下文：在内部，在企业内部——向信息工作者推销工具，通过自动总结一系列第三方工具中的信息，帮助他们掌握入站通信。
这家初创公司的愿景——最终——是能够提供可以为整个公司的员工服务的人工智能生产力工具。但它首先针对项目经理专门针对 AI 驱动的聚合和汇总工具。
这里的想法是，这群办公室工作人员倾向于使用范围广泛的第三方软件程序——例如 Slack、Jira、Github、Miro、Figma 和 Notion——因此可能更需要帮助以保持领先地位如此多分散的传入 ping。后来，一旦这家初创公司致力于磨练其技术并建立新的培训数据集，计划就是逐个垂直地发展，推出可以为各种信息工作者服务的产品。
Spoke AI 本周早些时候开放了其第一个测试版工具的访问权限——并表示它有大约 20 名测试人员，还有 500 多家希望尝试该技术的公司的候补名单。早期的兴趣来自各种规模的企业，从拥有约 10 名员工的中小企业到拥有约 250 名员工的公司。它还将更大的企业视为其正在开发的首批功能之一。
这家成立于 2021 年第一季度的初创公司宣布获得 200 万欧元（约合 210 万美元）的种子前融资，由Founders基金领投， Possible Ventures参与其中。资金包括欧洲区域发展基金通过柏林区域开发银行 IBB 提供的赠款。在种子前，该团队还获得了一些天使投资来构建他们的 MVP。
“我们应用 [AI] 的方式基本上是减少人们在日常工作中使用的许多不同工具和平台所面临的噪音，”联合创始人 Max Brenssell 解释道。 “最初，这是为产品经理准备的，他们通常使用 8 到 10 种不同的工具。我们帮助我们帮助他们通过这些不同的工具掌握所有这些工作和沟通，通过使用人工智能来聚合、优先排序和总结这种沟通。”
这家初创公司的启动包——或“工作场所操作系统”，正如其营销宣传的那样——包含一个搜索功能，可以通过一系列第三方工具提取数据，例如用户被标记的对话或工单，汇总这些入站信息进入“智能收件箱”体验，该体验还叠加在 AI 生成的“情境化摘要”之上。最初，它计划与少数大公司进行试点。
根据 Brenssell 的说法，它还以浏览器插件的形式提供“在搜索环境中”的人工智能摘要——它称之为“生成知识库”（或“智能搜索”）的功能。搜索功能允许用户在他们的“智能收件箱”中搜索连接的工具，以“以摘要形式找到答案，而不是找到指向过时页面的链接”。
Spoke AI 还将其自动摘要作为 Slack 插件提供给早期采用者——想法是在其目标用户已经花费大量时间的地方提供功能，同时利用现有的可信环境，而不是要求用户上传可能是商业敏感内容到未知平台。
提供集成和聚合的生产力工具由来已久，这些集成和聚合建议将相关但分布式的数据拉到一个更容易保持标签的位置。这里的附加值是使用生成式 AI 在此基础上生成上下文摘要，以便在理论上恢复可能丢失的上下文，因为消息从其本机应用程序中提取出来并聚合到一个集中式存储库中。
密切关注安全和隐私是 Spoke AI 声称与通过聚合提高生产力的传统方法的区别之一。
“真正的秘诀在于针对这个特定用例的总结——必须以一种非常简洁、可靠的方式工作。并且还以数据隐私和数据安全 [安全] 的方式。所以这就是我们定位它的方式以及我们构建它的方式，”Brenssell 说。 “我们确实使用预训练的语言模型，比如 [OpenAI 的] GPT 的核心模型。但我们在数据匿名化等方面做了很多预处理和后处理——清理数据，以便从隐私和安全的角度对其进行改进。”
他说，Spoke AI 设想这个组件可能会带来额外的收入来源——也就是说，如果它可以将数据匿名化作为一种服务（通过 API）出售给其他想要将 GPT 等人工智能模型应用于他们自己的自定义数据集的企业，此外销售 AI 摘要。
Brenssell 还表示，它可能会考虑将核心摘要功能也转变为 API——作为通过该技术获利的另一种策略。
目前，它以 Slack 插件形式提供其摘要技术的免费版本。对于智能收件箱功能，他说，至少在最初阶段，这将作为 SaaS 提供——根据集成数量、安全功能等进行分级定价。
准确性显然是初创公司提议的核心组成部分之一。如果它生成的摘要未能正确反映通知周围的上下文，Spoke AI 最终可能会为用户创造更多的工作——而不是为他们节省宝贵的时间。
Brenssell 指出，它已经在测试版产品中建立了反馈循环，这样用户就可以对自动摘要进行评分，并帮助它随着时间的推移改进产品。它还专注于展示自动化的工作原理——这样用户就可以追溯并找出人工智能用来构建摘要的输入。他说，在这方面建立透明度是早期的重点。
“这是用户经常问的问题，显然，我怎么能相信这个？”他指出。 “我们一直试图做的是围绕流入摘要的数据来自何处创造透明度，然后为用户提供某种线索，如果他们愿意，他们可以更深入地了解，并真正了解我们在哪里从中提取数据并进行总结。”
另一个需要思考的问题是，AI 摘要是否真的足以独自维持一个独立的业务？或者它是否可能是现有生产力巨头可以添加的更有用的功能。 （例如，微软是 OpenAI 用于生成 AI 的 ChatGPT 对话界面的主要投资者，并讨论过将该技术引入一系列自己的软件工具。而谷歌已经将 AI 用于某些“智能”功能，例如在其电子邮件产品，尽管结果相当不完整。）
当被问及这个问题时，Brenssell 说：“我们绝对希望 Notion、Slack 等大 [玩家] 中的每一个都能推出 AI 功能。他们中的一些人已经这样做了——我认为这很好。不过，我们真正要解决的问题是，我们真正地总结了一系列不同的工具并提高了您的工作效率。产品经理是当今最极端的例子，因为他们每天都要使用 10 种不同的工具。但我们确实在其他垂直领域也看到了这种趋势，越来越多的垂直领域拥有越来越多的专业工具。
“在某个时候，您可以通过这些工具中的每一个进行交流和获取信息，对吧？因此，我们真正看到了构建这个非常灵活、以集成为中心的汇总层的价值——这样您就可以使用所有这些工具，让您在非常具体的任务和领域中更有效率。但您也可以通过对我们系统上发生的通信进行全面了解来保持理智。”
“许多使用 Atlassian 的 Jira 的公司，他们更喜欢使用 Notion 而不是 Confluence，因为它是更灵活的文档工具。我们越来越多地看到这类事情，因为那里有越来越多更好的工具，”他补充道。 “人们不希望只局限于一种产品。但他们真的希望能够为他们的团队为他们公司的工作流程挑选最好的工具。这就是我们在市场上看到的情况。这显然也是我们所押注的。”
当预测自动化本身会使信噪比问题变得非常复杂时，是否应用生成式 AI 来对抗信息过载——有点，好吧，弄巧成拙？ AI 对抗 AI 是一场军备竞赛，电影暗示可能不会结束得那么好……
Brenssell 说这是一个“有趣的点”，并补充说“真正有趣的是，看看未来几年真正生成内容的生成式 AI 工具将走向何方”。但对于 Spoke AI 的目标领域，他认为风险很低——认为商业通信并不是人工智能自动化的明显目标，而“大多数生成性人工智能应用程序，例如，复制创建或编写外展电子邮件，更像是面向外”。
“我们真正关注的是团队在公司内部的工作方式，以及他们如何才能在那里变得更有效率。在那里，我们还没有看到这么多 [uses of] generative AI，”他补充道。
在竞争方面，他承认某些产品确实已经在自己的产品中提供了与功能相关的摘要，例如 Notion 和 Intercom。他还提到了收件箱聚合器，例如，它们可以将 WhatsApps 和 iMessage 整合到一个界面中——或者将 b2b 电子邮件和 Slacks 整合到一个收件箱中。 “但是，我们相信的总结中没有真正建立起来的东西与最大的区别一样大，”他争辩道。
但是，使用 AI 进行摘要的想法站得住脚吗？有了像 GPT 这样强大的人工智能模型，有什么能阻止其他人构建相同的功能呢？在这一点上，他建议该团队关注“数据隐私”和道德数据使用——除了推动产品性能，以便技术能够提供“简洁可靠”的摘要——这将有助于它取得优势。 “[总结]不像使用人工智能生成内容那样容易，”他争辩道。 “显然，底层技术正在不断发展。我们正在关注它。但我们确实认为，通过构建正确的部分——例如，当涉及到匿名数据时，我认为这就是我们可以在人工智能方面保持优势的地方。
“然后第二点实际上是在产品应用方面。只是构建一个非常集成的用户体验，在你的不同工具上运行得非常好——而不是强迫你从一个切换到另一个，从你现有的工具（如 Slack）切换到一个新工具。这不是我们所相信的，因为它确实会产生很多摩擦。因此，我们真的在努力寻找一种方法，使我们的总结适合现有的工作流程，并采用一种非常集成的[方法]。”
这家初创公司混合使用 AI 模型和定制培训来进行总结——Brenssell 表示“目前由经过微调的预训练语言模型（例如 Luminous、GPT-3.5）、自托管开源技术（例如 GPT-J、BLOOM、微软和斯坦福开发的技术），以及内部训练的自定义模型（例如用于命名实体识别、PII 检测、数据假名化、问题/答案识别、语义搜索）”。
他还告诉 TechCrunch：“近年来，在使用 NLP 技术并看到其快速发展后，我们相信，在核心技术将变得越来越商品化的领域，差异化仍然是可能的，也是至关重要的。” “我们认为，我们空间的差异化主要来自于明确关注数据隐私、负责任的、以人为本的AI和增强而非自动化的构建。与用户建立信任将是最重要的，而增强安全性和用户体验的数据预处理和后处理将发挥关键作用。我们渴望使用易于访问的技术快速验证特定用例，然后通过基于隐式和显式反馈构建专有数据集，进一步微调和训练我们的模型来加倍努力。”
byFounders 的投资者 Casper Bjarnason 在一份声明中评论种子前融资时补充说：“随着工作变得越来越分散和异步，公司需要工具来有效地共享信息和建立一致性。 Spoke正在构建这一点，当我们第一次见到创始团队时，我们被他们的产品愿景所震撼。我们很高兴能与 Max、Jack 和 Carl 一起踏上他们未来的旅程！”
Spoke AI 正在使用生成式 AI 从工作场所的噪音中提取信号Natasha Lomas最初发表于TechCrunch