W praktyce oznacza to kilka problemów: pracownicy mają trudności ze znalezieniem potrzebnych informacji, wiedza instytucjonalna — czyli doświadczenie i know-how zgromadzone w organizacji — może być trudno dostępna, a procesy wymagające analizy informacji nadal często są wykonywane ręcznie. Platforma amber ma sprawić, aby połączenia między tymi zasobami mogły być wykorzystywane przez AI, zamiast pozostawać zamknięte w osobnych silosach danych.
Sercem platformy jest autorska AI Data Layer, czyli warstwa danych AI. Według spółki i relacji dotyczących rundy finansowania łączy ona wiedzę pochodzącą z:
Nie chodzi wyłącznie o zindeksowanie plików. Warstwa ma porządkować informacje i dodawać do nich kontekst organizacyjny, dzięki czemu AI może rozpoznawać relacje między poszczególnymi elementami wiedzy firmowej, zanim wykorzysta je do udzielenia odpowiedzi lub wsparcia konkretnego zadania.
Dla pracownika może to oznaczać wygodniejszy sposób wyszukiwania informacji wewnętrznych niż przeglądanie kilku narzędzi osobno. Wśród wymienianych zastosowań znajdują się zachowanie wiedzy organizacyjnej, wsparcie procesu wdrażania nowych osób, ułatwienie pracownikom znajdowania odpowiedzi oraz automatyzacja procesów opartych na dużej ilości wiedzy.
Są to zakładane zastosowania platformy, a nie dowód, że każda jej implementacja przynosi identyczne rezultaty. Dostępne komunikaty dotyczące finansowania opisują kierunek rozwoju produktu i potencjalne zastosowania, ale nie przedstawiają niezależnych benchmarków dotyczących dokładności, czasu onboardingu ani skali automatyzacji procesów.
Długoterminowa wizja amber wykracza poza rozwiązania uruchamiane dopiero wtedy, gdy użytkownik wpisze pytanie lub ręcznie zleci zadanie. Firma chce budować systemy, które rozumieją kontekst organizacji i intencje użytkownika, proaktywnie rozpoznają istotne zadania, a docelowo także samodzielnie je wykonują.
W tym podejściu warstwa danych ma znaczenie strategiczne. System AI nie może niezawodnie działać w wielu procesach biznesowych, jeśli nie potrafi ustalić, które informacje są ze sobą powiązane, co oznaczają w danej organizacji i jak odnoszą się do prośby użytkownika. Dlatego amber koncentruje się na przygotowaniu i uporządkowaniu wiedzy firmowej przed zastosowaniem AI do wyszukiwania informacji, asystowania pracownikom czy realizacji zadań.
Dla MŚP różnica jest istotna. Propozycja spółki nie sprowadza się do zapewnienia dostępu do bardziej zaawansowanego modelu językowego. Chodzi o stworzenie fundamentu, który pozwoli AI wykorzystywać istniejącą wiedzę firmy w uporządkowany i osadzony w kontekście sposób.
Spółka wskazuje cztery główne kierunki wykorzystania nowego kapitału:
Runda zapewnia amber środki potrzebne do realizacji strategii skoncentrowanej na MŚP i wyjścia poza bazę w Akwizgranie. Łączy też najbliższe cele — integrację i porządkowanie wiedzy biznesowej — z szerszą ambicją tworzenia bardziej proaktywnej i autonomicznej AI dla firm.
amber zakłada, że kolejnym dużym wyzwaniem dla AI w przedsiębiorstwach nie jest wyłącznie moc obliczeniowa czy możliwości modeli. Równie ważna jest rozproszona i słabo połączona wiedza, której modele potrzebują, aby działać w konkretnej organizacji.
AI Data Layer ma łączyć tę wiedzę z codziennych systemów biznesowych, porządkować ją i wzbogacać o kontekst organizacyjny. Dzięki 7 mln euro pozyskanym od Ventech i NRW.Venture amber chce rozwijać platformę, rozszerzać działalność w Europie i zbliżać się do wizji AI, która nie tylko wspiera pracowników w zadaniach wymagających wiedzy, lecz z czasem sama je rozpoznaje i realizuje.