Contextual AI è uscita dall'anonimato, raccogliendo 20 milioni di dollari di finanziamenti per lo sviluppo della prossima ondata di modelli linguistici per le applicazioni aziendali. Fondata da Douwe Kiela, la tecnologia mira a risolvere i problemi che limitano l'adozione di modelli linguistici di grandi dimensioni (LLM), come il GPT-4 di OpenAI, da parte di aziende con requisiti di conformità e governance molto rigidi.
Nonostante abbiano dimostrato di avere il potenziale per rivoluzionare i settori industriali, gli LLM esistenti sono afflitti da limiti quali la produzione di risultati falsificati con un'elevata affidabilità e la difficoltà di modificare la loro base di conoscenze. Di conseguenza, le imprese possono esitare a implementare i LLM nelle loro attività. Per affrontare questi ostacoli, Contextual AI intende creare una nuova generazione di LLM in grado di soddisfare le esigenze specifiche delle imprese.
Sostenuta da investitori come Bain Capital Ventures, Lightspeed, Greycroft e SV Angel, l'obiettivo di Contextual AI è sviluppare soluzioni di intelligenza artificiale più adatte alle aziende rispetto alle offerte di LLM rivolte ai consumatori. A tal fine, Kiela e il suo co-fondatore, Amanpreet Singh, si basano sul loro background nello sviluppo dell'IA presso Hugging Face e Meta.
Attingendo all'esperienza di ricerca di Kiela, che ha guidato gli sforzi sulla retrieval augmented generation (RAG) mentre lavorava a Meta, la tecnologia mira a sviluppare un'intelligenza artificiale superiore per la generazione di testi per usi aziendali. In sostanza, RAG funziona potenziando le LLM con fonti esterne, come file e pagine web, per migliorarne le prestazioni.
Quando viene posta una domanda, RAG cerca essenzialmente i dati rilevanti all'interno di queste fonti esterne, impacchettando le informazioni con la domanda originale e fornendole a un LLM. A sua volta, questo genera una risposta consapevole del contesto, offrendo una maggiore precisione e affidabilità rispetto ai LLM convenzionali.
Affrontando i problemi legati alla personalizzazione e all'attribuzione nei LLM, RAG promette di migliorare le prestazioni evitando la necessità di riqualificare o mettere a punto i modelli. È ora possibile sviluppare modelli linguistici più piccoli ed efficienti, riducendo la latenza e i costi e fornendo una soluzione integrata per i requisiti aziendali.
Sebbene Contextual AI non sia l'unica a perseguire questo obiettivo, poiché anche altre startup come LlamaIndex esplorano le iniezioni di dati e i framework plug-in per i LLM, l'azienda sostiene di avere un vantaggio unico nel settore aziendale. Sebbene al momento non sia ancora entrata nel mercato, Contextual AI starebbe discutendo con aziende Fortune 500 per potenziali progetti pilota della sua tecnologia.
Garantendo che i risultati dell'IA generativa siano accurati, affidabili e tracciabili, Contextual AI ha il potenziale per avere un impatto significativo sull'adozione e la diffusione della tecnologia IA nelle aziende. Inoltre, questo approccio più integrato offre un'alternativa competitiva ad altre aziende di IA generativa che cercano di rivolgersi al mercato aziendale.
Nel settore no-code, piattaforme come AppMaster stanno guidando la crescita consentendo alle aziende di creare facilmente applicazioni backend, web e mobili. L'adozione di soluzioni come le piattaforme no-code può contribuire a ridurre i costi e ad accelerare lo sviluppo, soprattutto quando l'IA generativa si fa strada nel settore aziendale.