H، استارت‌آپ پاریس که توسط آلوم‌های گوگل تأسیس شده بود، تابستان گذشته زمانی که پیش از انتشار یک محصول، فروش اولیه خود را 220 میلیون دلار اعلام کرد، سر و صدای زیادی به پا کرد. سه ماه بعد، هنوز بدون محصول، زمانی که سه نفر از پنج بنیانگذار شرکت به دلیل "اختلافات عملیاتی و تجاری" از این شرکت خارج شدند، آن غوغا مانند یک سیل فاجعه بار به نظر می رسید.

اما این شرکت به شنا ادامه داده است و امروز اولین محصول خود را معرفی می کند: Runner H، یک هوش مصنوعی «عاملی» با هدف کسب و کارها و توسعه دهندگان در زمینه وظایفی مانند تضمین کیفیت و اتوماسیون فرآیند، بر اساس LLM «کامپکت» اختصاصی خود استارتاپ بر اساس فقط 2 میلیارد پارامتر

H یک فهرست انتظار برای Runner H در سایت خود تنظیم کرده است. کانتور بيان کرد که در روزهای آینده APIهایی را برای کسانی که در فهرست هستند منتشر می کند تا از عواملی که توسط H از قبل ساخته شده اند استفاده کنند و همچنین خود را توسعه دهند. دسترسی به API همچنین همراه با دسترسی به چیزی به نام H-Studio برای آزمایش و مدیریت نحوه عملکرد خدمات شما خواهد بود.

در ابتدا، استفاده از آن APIها رایگان خواهد بود و بعداً یک مدل پرداخت معرفی خواهد شد.

حتی با استفاده از LLM های فشرده، ساخت و اجرای هوش مصنوعی ارزان نیست، به خصوص که رقابت همچنان به جمع آوری پول برای توسعه محصولات خود ادامه می دهد. TechCrunch همچنین تأیید کرده است که H در حال ایجاد سری A است، تا چیزی را بسازد که چارلز کانتور، مدیرعامل که یکی از بنیانگذاران باقی مانده است، H را به عنوان بخشی از دوره دوم هوش مصنوعی توصیف می کند - با شرکت های LLM مانند OpenAI که بخشی از آن هستند. دوران اول

کانتور گفت: "ما خوش شانس هستیم که در موقعیت ساخت مدل های خود هستیم." اما این دوره دوم به اندازه دوره اول سرمایه بر خواهد بود.

(به یاد بیاورید که 230 میلیون دلار H قبلاً جمع آوری کرده است - به نظر می رسد از زمان اعلام آن در اوایل سال جاری 10 میلیون دلار دیگر اضافه شده است - ترکیبی از سهام و بدهی قابل تبدیل بود. فهرست طولانی سرمایه گذاران در آن دور شامل افرادی مانند اریک اشمیت، یوری میلنر بود. و Xavier Neil، مانند Accel و Creandum و حامیان استراتژیک مانند Amazon، Samsung و UiPath.)

Kantor به TechCrunch بيان کرد که H بی سر و صدا با تعداد انگشت شماری از مشتریان در زمینه هایی مانند تجارت الکترونیک، بانکداری، بیمه و برون سپاری کار می کند که به آن کمک کرده اند تا محصول را ارتقا دهد.

او گفت: «همه چیز [در H] بر اساس خلاقیت ما نیست، بلکه بازخورد مشتریان است.

Runner H در ابتدا بر روی سه مورد استفاده خاص تمرکز خواهد کرد: اتوماسیون فرآیند رباتیک (RPA)، تضمین کیفیت، و برون سپاری فرآیند کسب و کار.

RPA منطقه‌ای است که برای سال‌ها وجود داشته است و از اسکریپت‌های اولیه برای خودکارسازی تکراری‌ترین وظایفی که انسان‌ها مجبور به انجام آن بوده‌اند استفاده می‌کند - مانند خواندن فرم‌ها، چک کردن کادرها و ارسال فایل‌ها از یک مکان به مکان دیگر. در واقع، بسیاری از RPA هرگز با هوش مصنوعی ساخته نشده اند، حتی پس از اینکه هوش مصنوعی شروع به توسعه مهارت های پیشرفته کرد. ایده Runner H این است که می‌تواند RPA را در قالب‌ها، سایت‌ها و سایر قالب‌ها حتی زمانی که اصلاح شده‌اند (چیزی که ممکن است اسکریپت‌های قبلی را خراب کرده باشد) و در طیف وسیع‌تری از منابع اجرا کند.

تضمین کیفیت می‌تواند طیف گسترده‌ای از برنامه‌ها را پوشش دهد، اما کانتور بيان کرد که یکی از محبوب‌ترین آنها تا کنون کاهش «بار تعمیر و نگهداری» در مورد آزمایش وب‌سایت بوده است - اعتبارسنجی در دسترس بودن صفحه، شبیه‌سازی اقدامات کاربر واقعی، یا اطمینان از سازگاری بین روش‌های پرداخت. مخصوصاً زمانی که هر گونه اصلاحی انجام شده باشد.

BPO یک حوزه فراگیر است که نه تنها اصلاح و بهبود فرآیندهای صورت‌حساب را پوشش می‌دهد، بلکه سرعت بخشیدن به نحوه استفاده و دسترسی یک نماینده به داده‌ها از منابع مختلف و موارد دیگر را نیز شامل می‌شود.

بین شرکت‌های اصلی هوش مصنوعی در مورد اینکه چه تعداد پارامتر در LLM استفاده می‌شود، مسابقه‌ای وجود داشته است. (به عنوان مثال GPT 4 دارای 175 میلیارد پارامتر است. )

Runner H رویکرد بسیار متفاوتی با تنها 2 میلیارد پارامتر دارد، هم برای LLM خود و هم برای VLM مبتنی بر بینایی کامپیوتری. استدلال کانتور این است که این کار آنها را از نظر هزینه و عملیات، کلیدی در هنگام کار بر روی برنده شدن و حفظ معاملات تجاری و هزینه های عملیاتی خود H به طور قابل توجهی کارآمدتر می کند.

او گفت: «ما متخصص هستیم. ما در حال ساختن برای دوران نمایندگی هستیم.»

این شرکت همچنین ادعا می‌کند که کار می‌کند: او میگوید که مدل‌های جمع‌وجور آن ۲۹ درصد از «استفاده از رایانه» آنتروپیک (بر اساس معیارهای WebVoyager) و همچنین مدل‌های Mistral و Meta بهتر عمل می‌کنند.

خبرکاو