Contextual AI เกิดขึ้นจากการหลบๆ ซ่อนๆ โดยระดมทุนเริ่มต้นได้ 20 ล้านดอลลาร์เพื่อมุ่งสู่การพัฒนาโมเดลภาษาคลื่นลูกใหม่สำหรับแอปพลิเคชันระดับองค์กร เทคโนโลยีนี้ร่วมก่อตั้งโดย Douwe Kiela มีเป้าหมายเพื่อแก้ไขปัญหาที่จำกัดการนำโมเดลภาษาขนาดใหญ่ (LLM) มาใช้ เช่น GPT-4 ของ OpenAI โดยองค์กรที่มีข้อกำหนดด้านการปฏิบัติตามกฎระเบียบและการกำกับดูแลที่เข้มงวด
แม้จะแสดงให้เห็นถึงศักยภาพในการปฏิวัติอุตสาหกรรม แต่ LLM ที่มีอยู่กลับประสบกับข้อจำกัดต่างๆ เช่น การสร้างผลลัพธ์ที่ประดิษฐ์ขึ้นด้วยความมั่นใจสูงและความยากลำบากในการปรับเปลี่ยนฐานความรู้ เป็นผลให้องค์กรต่างๆ อาจลังเลที่จะใช้ LLM ในการดำเนินงาน เพื่อจัดการกับอุปสรรคเหล่านี้ Contextual AI ตั้งใจที่จะสร้าง LLM รุ่นใหม่ที่ตอบสนองความต้องการเฉพาะขององค์กร
ได้รับการสนับสนุนจากนักลงทุนอย่าง Bain Capital Ventures, Lightspeed, Greycroft และ SV Angel เป้าหมายของ Contextual AI คือการพัฒนาโซลูชัน AI ที่เหมาะสมกับบริษัทมากกว่าข้อเสนอ LLM ที่เน้นผู้บริโภคเป็นหลัก ด้วยเหตุนี้ Kiela และ Amanpreet Singh ผู้ร่วมก่อตั้งจึงอาศัยพื้นฐานในการพัฒนา AI ที่ Hugging Face และ Meta
จากประสบการณ์การวิจัยของ Kiela ซึ่งเป็นผู้นำในการดึงข้อมูล Augmented Generation (RAG) ในขณะที่ทำงานที่ Meta เทคโนโลยีดังกล่าวมีเป้าหมายเพื่อพัฒนา AI ที่สร้างข้อความที่เหนือกว่าสำหรับการใช้งานในองค์กร โดยพื้นฐานแล้ว RAG ทำงานโดยปรับปรุง LLM ด้วยแหล่งข้อมูลภายนอก เช่น ไฟล์และเว็บเพจ เพื่อปรับปรุงประสิทธิภาพ
เมื่อได้รับคำถาม RAG จะค้นหาข้อมูลที่เกี่ยวข้องภายในแหล่งข้อมูลภายนอกเหล่านี้เป็นหลัก บรรจุข้อมูลด้วยพรอมต์ดั้งเดิมและป้อนให้กับ LLM ในทางกลับกัน สิ่งนี้จะสร้างการตอบสนองที่คำนึงถึงบริบท ซึ่งให้ความแม่นยำและความน่าเชื่อถือที่ดีขึ้นเมื่อเทียบกับ LLM ทั่วไป
ในการแก้ไขปัญหาเกี่ยวกับการปรับแต่งและการระบุแหล่งที่มาใน LLM นั้น RAG สัญญาว่าจะปรับปรุงประสิทธิภาพในขณะที่หลีกเลี่ยงความจำเป็นในการฝึกอบรมใหม่หรือการปรับแต่งอย่างละเอียด ขณะนี้สามารถพัฒนาโมเดลภาษาที่มีขนาดเล็กลงและมีประสิทธิภาพมากขึ้น ลดเวลาแฝงและต้นทุนในขณะเดียวกันก็มอบโซลูชันแบบบูรณาการสำหรับความต้องการขององค์กร
แม้ว่า Contextual AI จะไม่ได้เป็นเพียงรายเดียวในการดำเนินการนี้ แต่สตาร์ทอัพอื่นๆ เช่น LlamaIndex ก็สำรวจการแทรกข้อมูลและเฟรมเวิร์กปลั๊กอินสำหรับ LLM ด้วย บริษัทอ้างว่ามีข้อได้เปรียบที่ไม่เหมือนใครในภาคส่วนองค์กร แม้ว่าในปัจจุบันจะมีรายได้ล่วงหน้า แต่ Contextual AI ก็กำลังหารือกับบริษัทใน Fortune 500 สำหรับโครงการนำร่องที่มีศักยภาพสำหรับเทคโนโลยีของตน
ด้วยการตรวจสอบให้แน่ใจว่าผลลัพธ์ของ AI เชิงกำเนิดนั้นถูกต้อง เชื่อถือได้ และตรวจสอบย้อนกลับได้ Contextual AI จึงมีศักยภาพที่จะสร้างผลกระทบอย่างมีนัยสำคัญต่อการยอมรับและการปรับใช้เทคโนโลยี AI ในธุรกิจ ยิ่งไปกว่านั้น แนวทางที่ผสานรวมมากขึ้นนี้เสนอทางเลือกที่แข่งขันได้กับบริษัท AI เจนเนอเรชั่นอื่น ๆ ที่ต้องการกำหนดเป้าหมายที่ตลาดองค์กร
ในอุตสาหกรรม no-code แพลตฟอร์มอย่าง AppMaster กำลังขับเคลื่อนการเติบโตโดยทำให้ธุรกิจต่างๆ สามารถสร้างแบ็กเอนด์ เว็บ และแอปพลิเคชันบนมือถือได้อย่างง่ายดาย การใช้โซลูชันอย่างเช่น แพลตฟอร์มที่ไม่ต้องเขียนโค้ด สามารถช่วยลดต้นทุนและเร่งการพัฒนา โดยเฉพาะอย่างยิ่งเมื่อ AI เชิงกำเนิดได้รับแรงฉุดในภาคองค์กร
