הסטארטאפ INXM יוצא מהחשאיות: גייס 5.7 מיליון אירו כדי לגרום ל-AI ארגוני להיות דטרמיניסטי

צוות המייסדים: מטילים ועד תהליכי עבודה אמינים

INXM הוקמה ב-2025 על ידי ארבעה אנשים שהקדישו את הקריירה הקודמת שלהם לגרום למערכות מורכבות ורגישות לבטיחות לעבוד באופן צפוי:

• אלכסנדר (אלכס) אולינג, מנכ"ל – לשעבר מנהל דיגיטלי ראשי (CDO) ב-Isar Aerospace (יצרנית טילי שיגור) וב-Volocopter (מוניות אוויריות).
• מתיאס קיינר – בנה מערכות תזמור שיגור ב-Isar Aerospace.
• יספר ביילונד – עיצב ממשקי בקרת טיסה ועבד בעבר בפלטפורמת האוטומציה n8n.
• קמיל קליבר – ותיק בחברת הייעוץ הטכנולוגי Thoughtworks.

הרקע התעופתי-חללי הזה אינו הערת שוליים ביוגרפית – הוא מסביר את כל הפילוסופיה הטכנית של החברה. תוכנת שיגור חייבת לבצע רצפים דטרמיניסטיים תחת בקרה קפדנית; היא אינה יכולה לאלתר. הצוות יישם את אותו מודל מחשבתי על בינה מלאכותית ארגונית.

למה סוכני AI ארגוניים סטנדרטיים נכשלים

רוב כלי האוטומציה המבוססים על LLM קוראים למודל השפה בכל שלב של תהליך העבודה. זה יוצר שלוש בעיות קשות לעסקים בפיקוח רגולטורי:

• חוסר דטרמיניזם. אותה בקשה יכולה לייצר פעולות או תפוקות שונות בכל הרצה, מה שהופך ציות ורגולציה וכמעט בלתי אפשריים.
• סיכון להזיות (Hallucinations). מודל שממציא שלב אישור או מדלג על בדיקת בטיחות יוצר אחריות בלתי מתקבלת על הדעת בייצור או בפיננסים.
• ריבונות נתונים. שליחת נתוני ייצור רגישים ל-API חיצוניים של LLM מתנגשת עם תקנות ה-GDPR, חוק ה-AI האירופי (EU AI Act) ומדיניות אבטחה פנימית.

התוצאה היא שחברות תעשייתיות רבות בוחנות סוכני AI אך לעולם לא מטמיעות אותם בייצור. הטכנולוגיה נראית מרשימה בהדגמות, אך אינה יכולה לעמוד ברף האמינות שתוכנות רצפת הייצור אוכפות כבר עשורים.

איך AI מהודר (Compiled AI) עובד אחרת

מנוע ה-Orchestrator של INXM שואל את הארכיטקטורה של מהדר (Compiler) תוכנה מסורתי, ולא של לולאת צ'אט בוט. התהליך מתחלק לשני שלבים נפרדים:

1. שלב הידור (Compilation). משתמש מתאר תהליך עסקי בשפה טבעית. מודל שפה (LLM) מייצר "תוכנית" (Plan) מלאה, מובנית וניתנת להרצה – למעשה קוד דטרמיניסטי – והתוכנית הזו עוברת ולידציה לפני שהיא מורשית לרוץ בכלל. המודל נמצא בשימוש פעם אחת, בזמן הכתיבה, לא בזמן ביצוע הפעולה.

2. שלב ביצוע (Execution). התוכנית המאומתת רצה על מנוע ה-Orchestrator מבלי לקרוא שוב למודל השפה. המנוע מתזמר את הפעולה מול המערכות הקיימות בארגון – ERP, PLM, MES, דוא"ל וכלי אישורים – ומבצע את אותם הצעדים באותו הסדר בכל פעם מחדש.

ההבדל הטכני חד: סוכנים סטנדרטיים קוראים למודל בכל שלב (לא דטרמיניסטי, יקר באסימונים, קשה לביקורת). INXM מהדרת פעם אחת, ואז מריצה תוכנית קבועה. התוצאות הופכות לניתנות לשחזור, לבדיקה, ונקיות מהזיות בזמן ריצה. החברה מכנה זאת "הגמישות של שפה טבעית בשילוב עם האמינות של קוד מסורתי".

כדי להמחיש זאת, חשבו על תהליך בדיקת איכות במפעל: מהנדס מתאר את שלבי האישור ובדיקות הנתונים הנדרשות בשפה פשוטה. ה-Orchestrator מהדר זאת לרצף קבוע, מנהל מאשר זאת פעם אחת, ותהליך העבודה רץ באופן זהה בכל פעם שמתרחש אירוע רלוונטי – מבלי לשלוח נתונים החוצה מהמבנה ומבלי להסתכן באלתור של המודל.

תשתית, ציות ויעדים תעשייתיים

מכיוון שה-Orchestrator רץ על התשתית של הארגון עצמו – באופן מקומי (On-Premises) או בענן פרטי – נתוני הייצור לעולם אינם עוזבים את הבניין. ארכיטקטורה זו שומרת על תאימות ל-GDPR ולחוק ה-AI האירופי מראש (By Design). היא גם מאפשרת ל-INXM לגשת לתוכנות רצפת ייצור שכלי אוטומציה מבוססי-ענן בלבד אינם יכולים להגיע אליהן פיזית.

החברה מכוונת במפורש ליצרנים תעשייתיים ול-Mittelstand הגרמני: חברות עם מערכות מקומיות ותיקות (Legacy), מחויבויות רגולטוריות ודרישות נוקשות לשחזוריות. זהו לא פתרון אוטומציה אופקי כללי. הוא נבנה במיוחד עבור ארגונים שכבר דחו סוכני AI גנריים משום שאי אפשר לסמוך עליהם בסביבת ייצור אמיתית.

עם 5.7 מיליון אירו בהון טרי, צוות מייסדים שכבר סיפק תוכנות קריטיות לבטיחות, וגישה טכנית שממסגרת מחדש AI ארגוני כבעיית הידור ולא כבעיית שיחה – INXM מהמרת שצוואר הבקבוק באימוץ AI בתעשייה אינו יכולת, אלא אמינות.