Ícono del sitio La Neta Neta

Dust utiliza grandes modelos de lenguaje en datos internos para mejorar la productividad del equipo

Dust utiliza grandes modelos de lenguaje en datos internos para mejorar la productividad del equipo

Polvo es una nueva empresa emergente de inteligencia artificial con sede en Francia que está trabajando para mejorar la productividad del equipo rompiendo los silos internos, sacando a la superficie conocimientos importantes y brindando herramientas para crear aplicaciones internas personalizadas. Básicamente, Dust utiliza modelos de lenguaje extenso (LLM) en datos internos de la empresa para otorgar nuevos superpoderes a los miembros del equipo.

Cofundada por Gabriel Hubert y Stanislas Polu, la pareja se conoce desde hace más de una década. Stripe adquirió su primera startup llamada Totems en 2015. Después de eso, ambos pasaron algunos años trabajando para Stripe antes de separarse.

Stanislas Polu se unió a OpenAI, donde pasó tres años trabajando en las capacidades de razonamiento de los LLM, mientras que Gabriel Hubert se convirtió en el jefe de producto de Alan.

Se unieron una vez más para crear Dust. A diferencia de muchas nuevas empresas de IA, Dust no se enfoca en crear nuevos modelos de lenguaje grandes. En cambio, la empresa quiere crear aplicaciones sobre los LLM desarrollados por OpenAI, Cohere, AI21, etc.

El equipo trabajó primero en un plataforma que se puede usar para diseñar e implementar aplicaciones de modelos de lenguaje grandes. Luego ha centrado sus esfuerzos en un caso de uso en particular: centralizar e indexar datos internos para que puedan ser utilizados por LLM.

De un ChatGPT interno a un software de nueva generación

Hay un puñado de conectores que obtienen constantemente datos internos de Notion, Slack, Github y Google Drive. Estos datos luego se indexan y se pueden usar para consultas de búsqueda semántica. Cuando un usuario quiere hacer algo con una aplicación impulsada por Dust, Dust encontrará los datos internos relevantes, los utilizará como contexto de un LLM y devolverá una respuesta.

Por ejemplo, supongamos que acaba de unirse a una empresa y está trabajando en un proyecto que comenzó hace un tiempo. Si su empresa fomenta la transparencia en la comunicación, querrá encontrar información en los datos internos existentes. Pero es posible que la base de conocimientos interna no esté actualizada. O puede ser difícil encontrar la razón por la que se hace algo de esta manera, ya que se discutió en un canal de Slack archivado.

Dust no es solo una mejor herramienta de búsqueda interna, ya que no solo devuelve resultados de búsqueda. Puede encontrar información en múltiples fuentes de datos y dar formato a las respuestas de una manera que sea mucho más útil para usted. Puede usarse como una especie de ChatGPT interno, pero también podría usarse como base de nuevas herramientas internas.

“Estamos convencidos de que la interfaz de lenguaje natural revolucionará el software”, me dijo Gabriel Hubert. “Dentro de cinco años, sería decepcionante si aún tuviera que ir y hacer clic en editar, configuración, preferencias, para decidir que su software debería comportarse de manera diferente. Vemos que nuestro software se adapta mucho más a sus necesidades individuales, porque así es usted, pero también porque así es su equipo, porque así es su empresa”.

La empresa está trabajando con socios de diseño en varias formas de implementar y empaquetar la plataforma Dust. “Creemos que se pueden crear muchos productos diferentes en esta área de datos empresariales, trabajadores del conocimiento y modelos que podrían usarse para respaldarlos”, me dijo Stanislas Polu.

Todavía es pronto para Dust, pero la startup está explorando un problema interesante. Hay muchos desafíos por delante en lo que respecta a la retención de datos, las alucinaciones y todos los problemas que conllevan los LLM. Tal vez las alucinaciones dejen de ser un problema a medida que evolucionen los LLM. Quizá Dust acabe creando su propio LLM por motivos de privacidad de datos.

Dust ha recaudado 5,5 millones de dólares (5 millones de euros) en una ronda inicial liderada por Sequoia con la participación de XYZ, GG1, Seedcamp, Connect, Motier Ventures, Tiny Supercomputer, AI Grant y un grupo de inversores informales, como Olivier Pomel de Datadog, Julien Codorniou, Julien Chaumond de Hugging Face, Mathilde Colin de Front, Charles Gorintin y Jean-Charles Samuelian-Werve de Alan, Eléonore Crespo y Romain Niccoli de Pigment, Nicolas Brusson de BlaBlaCar, Howie Liu de Airtable, Mathieu Rouiff de PhotoRoom, Igor Babuschkin e Irwan Bello.

Si da un paso atrás, Dust apuesta a que los LLM cambiarán en gran medida la forma en que funcionan las empresas. Un producto como Dust funciona aún mejor en una empresa que fomenta la transparencia radical en lugar de la retención de información, la comunicación escrita en lugar de reuniones interminables, la autonomía en lugar de la gestión de arriba hacia abajo.

Si los LLM cumplen su promesa y mejoran en gran medida la productividad, algunas empresas obtendrán una ventaja injusta al adoptar estos valores, ya que Dust desbloqueará un gran potencial sin explotar para los trabajadores del conocimiento.


Source link
Salir de la versión móvil