220 milyon dolar toplayan yapay zeka girişimi H, ilk ürününü piyasaya sürdü: ‘ajans’ uygulamaları için Runner H

Google mezunları tarafından kurulan Paris merkezli girişim H, geçen yaz tek bir ürünü piyasaya sürmeden önce birdenbire 220 milyon dolarlık bir başlangıç ​​turu duyurarak büyük bir sıçrama yaptı. Üç ay sonra, hâlâ ürün yokken, şirketin beş kurucu ortağından üçünün “operasyonel ve iş anlaşmazlıklarını” geride bırakmasıyla bu sıçrama felaketli bir sel gibi görünmeye başladı.

Ancak şirket yüzmeye devam etti ve bugün ilk ürününü duyuruyor: Startup’ın kendi tescilli “kompakt” LLM’sini temel alan, kalite güvencesi ve süreç otomasyonu gibi görevlerde işletmeleri ve geliştiricileri hedefleyen “ajans” bir yapay zeka olan Runner H. sadece 2 milyar parametre.

H, Runner H için kendi sitesinde bir bekleme listesi oluşturdu. Kantor, önümüzdeki günlerde H tarafından önceden oluşturulmuş “kullanıma hazır” aracıları kullanmak ve kendi aracılarını geliştirmek için listedekilere API’ler yayınlayacağını söyledi. API’ye erişim aynı zamanda hizmetlerinizin nasıl çalıştığını test etmek ve yönetmek için H-Studio adı verilen bir şeye erişimle birlikte gelecektir.

Başlangıçta bu API’lerin kullanımı ücretsiz olacak ve daha sonra bir ödeme modeli getirilecek.

Kompakt LLM’ler kullanılsa bile, özellikle rekabetin kendi ürünlerini geliştirmek için para toplamaya devam ettiği göz önüne alındığında, yapay zekayı oluşturmak ve çalıştırmak ucuz değildir. TechCrunch ayrıca H’nin, kalan kurucu ortaklardan biri olan CEO Charles Kantor’un H’yi yapay zekanın ikinci çağının bir parçası olarak tanımladığı şeyi oluşturmak için bir A Serisi yükselttiğini doğruladı; OpenAI gibi LLM şirketleri de bunun bir parçası. ilk dönem.

Kantor, “Kendi modellerimizi oluşturabildiğimiz için şanslıyız” dedi. “Fakat bu ikinci dönem de ilki kadar sermaye yoğun olacak.”

(H’nin zaten topladığı 230 milyon doları hatırlayın – bu yılın başında açıklanmasından bu yana 10 milyon dolar daha eklenmiş gibi görünüyor – özsermaye ve dönüştürülebilir borcun bir karışımıydı. Bu turdaki yatırımcıların uzun listesi Eric Schmidt, Yuri Milner gibi kişileri içeriyordu. ve Xavier Neil; Accel ve Creandum gibi VC’ler ve Amazon, Samsung ve UiPath gibi stratejik destekçiler.)

Kantor, TechCrunch’a H’nin e-ticaret, bankacılık, sigorta ve dış kaynak kullanımı gibi alanlarda ürünü geliştirmesine yardımcı olan bir avuç müşteriyle sessizce çalıştığını söyledi.

“Her şey [in H] yaratıcılığımıza değil, müşteri geri bildirimlerine dayanıyor” dedi.

Runner H başlangıçta üç özel kullanım senaryosuna odaklanacak: robotik süreç otomasyonu (RPA), kalite güvencesi ve iş süreci dış kaynak kullanımı.

RPA, formları okumak, kutuları işaretlemek ve dosyaları bir yerden diğerine göndermek gibi, insanların gerçekleştirmek zorunda kaldığı en tekrarlayan görevleri otomatikleştirmek için temel komut dosyalarını kullanan, yıllardır var olan bir alandır. Aslına bakılırsa, yapay zeka gelişmiş beceriler geliştirmeye başladıktan sonra bile, pek çok RPA hiçbir zaman yapay zeka ile oluşturulmadı. Runner H’nin fikri, RPA’yı formlar, siteler ve diğer şablonlar üzerinde, değiştirilmiş olsalar bile (önceki komut dosyalarını bozmuş olabilecek bir şey) ve çok daha geniş bir kaynak yelpazesinde çalıştırabilecek olmasıdır.

Kalite güvencesi çok çeşitli uygulamaları kapsayabilir, ancak Kantor, şu ana kadar en popüler olanlardan birinin, web sitesi testiyle ilgili “bakım yüklerini” azaltmak (sayfa kullanılabilirliğini doğrulamak, gerçek kullanıcı eylemlerini simüle etmek veya ödeme yöntemleri arasında uyumluluk sağlamak) olduğunu söyledi. özellikle herhangi bir değişiklik yapıldığında.

BPO, yalnızca faturalandırma süreçlerini düzeltmeyi ve iyileştirmeyi değil, aynı zamanda bir aracının farklı kaynaklardan gelen verileri nasıl kullanabileceğini ve bunlara nasıl erişebileceğini hızlandırmayı ve daha fazlasını kapsayacak, her şeyi kapsayan bir alandır.

Temel yapay zeka şirketleri arasında LLM’lere kaç parametrenin gireceği konusunda bir yarış var. (Örneğin GPT 4’te 175 milyar parametre vardır.)

Runner H, hem Yüksek Lisans hem de bilgisayarlı görüntü tabanlı “VLM” için yalnızca 2 milyar parametreyle çok farklı bir yaklaşım benimsiyor. Kantor’un iddiası, bunun onları maliyet ve operasyonlar açısından önemli ölçüde daha verimli hale getirdiği, iş anlaşmalarını kazanma ve sürdürmede kilit rol oynadığı ve H’nin kendi operasyonel maliyetleri olduğu yönünde.

“Biz uzmanız” dedi. “Ajans dönemi için inşa ediyoruz.”

Şirket ayrıca bunun işe yaradığını da iddia ediyor: kompakt modellerinin Anthropic’in “Bilgisayar Kullanımı”ndan (WebVoyager kıyaslamalarına göre) ve Mistral ve Meta modellerinden %29 daha iyi performans gösterdiğini söylüyor.