Contextual AI는 엔터프라이즈 애플리케이션을 위한 차세대 언어 모델 개발을 추구하기 위해 2,000만 달러의 시드 펀딩을 모금하면서 스텔스에서 나왔습니다. Douwe Kiela가 공동 설립한 이 기술은 엄격한 규정 준수 및 거버넌스 요구 사항이 있는 기업에서 OpenAI의 GPT-4와 같은 대규모 언어 모델(LLM)의 채택을 제한하는 문제를 해결하는 것을 목표로 합니다.
산업을 혁신할 수 있는 잠재력을 보여주고 있음에도 불구하고 기존 LLM은 지식 기반을 수정하는 데 어려움과 높은 확신을 가지고 조작된 결과를 생성하는 등의 한계에 시달립니다. 결과적으로 기업은 운영에 LLM을 구현하는 것을 주저할 수 있습니다. 이러한 장벽을 해결하기 위해 Contextual AI는 특정 기업 요구 사항을 충족하는 차세대 LLM을 만들려고 합니다.
Bain Capital Ventures, Lightspeed, Greycroft 및 SV Angel과 같은 투자자들의 지원을 받는 Contextual AI의 목표는 소비자 중심의 LLM 제품보다 기업에 더 적합한 AI 솔루션을 개발하는 것입니다. 이를 위해 Kiela와 그의 공동 창립자 Amanpreet Singh은 Hugging Face 및 Meta에서 AI 개발에 대한 배경 지식을 활용합니다.
Meta에서 검색 증강 생성(RAG)에 대한 노력을 주도한 Kiela의 연구 경험을 바탕으로 이 기술은 기업용으로 우수한 텍스트 생성 AI를 개발하는 것을 목표로 합니다. 본질적으로 RAG는 파일 및 웹 페이지와 같은 외부 소스로 LLM을 향상시켜 성능을 향상시킵니다.
질문이 제공되면 RAG는 본질적으로 이러한 외부 소스 내에서 관련 데이터를 검색하고 정보를 원래 프롬프트와 함께 패키징하여 LLM에 제공합니다. 결과적으로 상황 인식 응답을 생성하여 기존 LLM에 비해 향상된 정밀도와 안정성을 제공합니다.
LLM의 맞춤화 및 기여도 관련 문제를 해결하기 위해 RAG는 재교육 또는 미세 조정의 필요성을 피하면서 향상된 성능을 약속합니다. 이제 더 작고 효율적인 언어 모델을 개발하여 대기 시간과 비용을 줄이면서 엔터프라이즈 요구 사항에 대한 통합 솔루션을 제공할 수 있습니다.
Contextual AI만이 이러한 추구를 추구하는 것은 아니지만 LlamaIndex와 같은 다른 스타트업도 LLM을 위한 데이터 주입 및 플러그인 프레임워크를 탐색하므로 회사는 엔터프라이즈 부문에서 고유한 이점이 있다고 주장합니다. 현재 사전 수익이지만 Contextual AI는 해당 기술의 잠재적 파일럿 프로젝트에 대해 Fortune 500대 기업과 논의 중인 것으로 알려졌습니다.
생성 AI의 출력이 정확하고 신뢰할 수 있으며 추적 가능하도록 보장함으로써 상황별 AI는 비즈니스에서 AI 기술의 채택 및 배포에 상당한 영향을 미칠 수 있는 잠재력을 가지고 있습니다. 또한 이 보다 통합된 접근 방식은 엔터프라이즈 시장을 목표로 하는 다른 생성 AI 회사에 대한 경쟁력 있는 대안을 제공합니다.
no-code 산업에서 AppMaster 와 같은 플랫폼은 기업이 백엔드, 웹 및 모바일 애플리케이션을 쉽게 구축할 수 있도록 함으로써 성장을 주도하고 있습니다. 코드 없는 플랫폼 과 같은 솔루션을 수용하면 비용을 절감하고 개발을 가속화할 수 있습니다.
