Contextual AI est sorti de la clandestinité en levant 20 millions de dollars de fonds d'amorçage pour développer la prochaine vague de modèles de langage pour les applications d'entreprise. Cofondée par Douwe Kiela, la technologie vise à résoudre les problèmes qui limitent l'adoption de grands modèles de langage (LLM) tels que le GPT-4 d'OpenAI par les entreprises ayant des exigences strictes en matière de conformité et de gouvernance.
Bien qu'ils aient le potentiel de révolutionner les industries, les LLM existants sont affligés de limitations telles que la production de résultats fabriqués avec une grande confiance et des difficultés à modifier leur base de connaissances. Par conséquent, les entreprises peuvent hésiter à mettre en œuvre des LLM dans leurs opérations. Pour surmonter ces obstacles, Contextual AI a l'intention de créer une nouvelle génération de LLM répondant aux besoins spécifiques des entreprises.
Soutenue par des investisseurs tels que Bain Capital Ventures, Lightspeed, Greycroft et SV Angel, Contextual AI a pour objectif de développer des solutions d'IA plus adaptées aux entreprises que les offres de LLM destinées aux consommateurs. À cette fin, Kiela et son cofondateur, Amanpreet Singh, s'appuient sur leur expérience en matière de développement de l'IA chez Hugging Face et Meta.
S'appuyant sur l'expérience de recherche de Kiela, qui a dirigé les efforts sur la génération augmentée de recherche (RAG) alors qu'il était chez Meta, la technologie vise à développer une IA génératrice de texte supérieure pour les utilisations en entreprise. Essentiellement, RAG fonctionne en améliorant les LLM avec des sources externes, telles que des fichiers et des pages web, afin d'améliorer leurs performances.
Lorsqu'une question lui est posée, RAG recherche essentiellement des données pertinentes dans ces sources externes, emballe les informations avec le message original et les transmet à un LLM. Celui-ci génère alors une réponse adaptée au contexte, offrant une précision et une fiabilité accrues par rapport aux LLM conventionnels.
En abordant les questions relatives à la personnalisation et à l'attribution dans les LLM, RAG promet d'améliorer les performances tout en évitant la nécessité d'une nouvelle formation ou d'un réglage fin. Il est désormais possible de développer des modèles linguistiques plus petits et plus efficaces, ce qui permet de réduire les temps de latence et les coûts tout en offrant une solution intégrée répondant aux besoins des entreprises.
Bien que Contextual AI ne soit pas la seule à poursuivre cet objectif, puisque d'autres startups comme LlamaIndex explorent également les injections de données et les cadres d'extension pour les LLM, l'entreprise affirme disposer d'un avantage unique dans le secteur des entreprises. Bien qu'elle soit actuellement en phase de pré-revenu, Contextual AI serait en discussion avec des entreprises du classement Fortune 500 pour des projets pilotes potentiels de sa technologie.
En garantissant la précision, la fiabilité et la traçabilité des résultats de l'IA générative, Contextual AI pourrait avoir un impact significatif sur l'adoption et le déploiement de la technologie de l'IA dans les entreprises. De plus, cette approche plus intégrée offre une alternative compétitive aux autres entreprises d'IA générative qui cherchent à cibler le marché des entreprises.
Sur le site no-code, des plateformes comme AppMaster stimulent la croissance en permettant aux entreprises de créer facilement des applications dorsales, web et mobiles. L'adoption de solutions telles que les plateformes no-code peut contribuer à réduire les coûts et à accélérer le développement, d'autant plus que l'IA générative gagne du terrain dans le secteur des entreprises.
