Le conseguenze sono concrete: i dipendenti possono faticare a trovare le informazioni corrette, il patrimonio di conoscenze accumulato nel tempo può rimanere difficile da consultare e i processi basati sul lavoro di esperti possono continuare a dipendere da attività manuali. La piattaforma di amber vuole rendere questi collegamenti utilizzabili dall’IA, invece di lasciare ogni applicazione come un archivio isolato.
Al centro della piattaforma c’è il proprietario AI Data Layer, progettato per collegare la conoscenza proveniente da:
L’obiettivo non è soltanto indicizzare file. Il livello dati dovrebbe strutturare le informazioni e aggiungere il contesto organizzativo, aiutando l’IA a riconoscere le relazioni tra diversi elementi della conoscenza aziendale prima di usarli per rispondere a domande o supportare il lavoro.
In pratica, questo potrebbe offrire ai dipendenti un modo più utile di recuperare le informazioni interne rispetto alla ricerca separata in molteplici strumenti. Tra i casi d’uso indicati figurano la conservazione della conoscenza aziendale, il supporto all’inserimento dei nuovi dipendenti, la ricerca di risposte e l’automazione dei processi ad alta intensità di conoscenza.
Si tratta tuttavia degli obiettivi dichiarati della piattaforma, non della prova che ogni implementazione produca gli stessi risultati. Gli annunci sul finanziamento descrivono la direzione del prodotto e i suoi possibili utilizzi, ma non forniscono benchmark indipendenti su accuratezza, tempi di onboarding o automazione dei flussi di lavoro.
La direzione di sviluppo di amber va oltre i flussi di lavoro che iniziano solo quando un utente digita una domanda o avvia manualmente un’attività. L’azienda punta a creare sistemi capaci di comprendere il contesto dell’organizzazione e l’intento dell’utente, individuare in modo proattivo le attività rilevanti e, nel tempo, eseguirle autonomamente.
Per questo il livello dati è strategico. Un sistema di IA non può agire in modo affidabile attraverso diversi processi aziendali se non riesce a capire quali informazioni sono collegate, che cosa significano all’interno di quella specifica organizzazione e in che modo si rapportano alla richiesta dell’utente. L’approccio di amber parte quindi dalla preparazione e dalla contestualizzazione della conoscenza aziendale, prima di applicare l’IA alla ricerca, all’assistenza o all’esecuzione dei processi.
La distinzione è importante soprattutto per le PMI. La promessa non è semplicemente l’accesso a un modello più potente, ma una base che potrebbe rendere la conoscenza già presente in azienda disponibile all’IA in una forma strutturata e contestualizzata.
Secondo amber, il nuovo capitale finanzierà quattro priorità principali:
Il round offre a amber nuove risorse per portare avanti la strategia rivolta alle PMI e crescere oltre la sede di Aquisgrana. Collega inoltre il lavoro più immediato — connettere e strutturare la conoscenza aziendale — all’obiettivo più ampio di creare un’IA capace di supportare e, in prospettiva, avviare e completare flussi di lavoro ad alta intensità di conoscenza.
La scommessa di amber è che la prossima grande sfida dell’IA aziendale non riguardi soltanto la potenza dei modelli. Riguarda anche la conoscenza frammentata e scarsamente connessa di cui quei modelli hanno bisogno per funzionare all’interno di una specifica impresa.
Il suo AI Data Layer è progettato per collegare questa conoscenza tra gli strumenti usati ogni giorno, strutturarla e arricchirla con il contesto organizzativo. Ora la società ha raccolto 7 milioni di euro da Ventech e NRW.Venture per espandersi in Europa, migliorare la piattaforma e avvicinarsi a un’IA in grado di assistere — e in futuro forse anche di avviare e portare a termine — un numero maggiore di attività aziendali.