H، استارتاپ AI که ۲۲۰ میلیون دلار جمع‌آوری کرد، اولین محصول خود را عرضه می‌کند: Runner H برای برنامه‌های عامل‌محور

H ، استارتاپ پاریسی که توسط فارغ‌التحصیلان گوگل تأسیس شده، تابستان گذشته خبرساز شد وقتی که بدون هیچ پیش‌زمینه‌ای اعلام کرد مرحله بذر ۲۲۰ میلیون دلاری را جمع‌آوری کرده‌است. سه ماه بعد، همچنان بدون عرضه محصول، این خبر به یک فاجعه تبدیل شد زمانی که سه نفر از پنج بنیانگذار این شرکت به دلیل " اختلافات عملیاتی و کسب و کار ” شرکت را ترک کردند.

اما این شرکت همچنان به پیش‌رفت ادامه داد و امروز اولین محصول خود را اعلام کرد: Runner H، یک هوش مصنوعی عامل‌محور که به کسب‌وکارها و توسعه‌دهندگان در وظایفی مانند تضمین کیفیت و خودکارسازی فرآیندها اختصاص یافته است. این محصول بر اساس مدل زبانی خاص شرکت با ۲ میلیارد پارامتر ساخته شده است.

H فهرستی انتظار برای Runner H در سایت خود ایجاد کرده است. مدیر عامل شرکت، چارلز کانتور، گفت که در روزهای آینده به کسانی که در این فهرست هستند APIهایی ارائه خواهد شد تا بتوانند از عوامل از پیش ساخته شده H استفاده کنند و همچنین توسعه‌دهندگان بتوانند عوامل خودشان را ایجاد کنند. دسترسی به API همچنین همراه با دسترسی به چیزی به نام H-Studio برای تست و مدیریت این خدمات خواهد بود.

در ابتدا استفاده از این APIها رایگان خواهد بود و بعداً مدل پرداختی معرفی خواهد شد.

حتی با استفاده از مدل‌های زبان کوچک، ساخت و اجرای هوش مصنوعی ارزان نیست، به‌ویژه زمانی که رقابت برای جمع‌آوری پول برای توسعه محصولات خود ادامه دارد. TechCrunch همچنین تأیید کرده است که H در حال جمع‌آوری سری A برای ساخت چیزی است که کانتور آن را بخشی از دوره دوم AI توصیف می‌کند - با شرکت‌های مدل زبان مانند OpenAI بخشی از دوره اول.

«ما خوش‌شانسیم که در موقعیت ساخت مدل‌های خودمان هستیم»، کانتور گفت. «اما این دوره دوم به اندازه اولین دوره نیازمند سرمایه‌گذاری خواهد بود.»

(به خاطر بیاورید که ۲۳۰ میلیون دلار که H قبلاً جمع‌آوری کرده - به نظر می‌رسد از اعلام آن در اوایل سال جاری ۱۰ میلیون دلار دیگر به آن اضافه شده باشد - ترکیبی از سهام و بدهی قابل تبدیل بود. لیست طولانی سرمایه‌گذاران در آن دور شامل افرادی مانند اریک اشمیت، یوری میلر، و خاویر نیل بود؛ وی‌سی هایی مانند Accel و Creandum؛ و پشتیبانان استراتژیک مانند آمازون، سامسونگ، و UiPath.)

کانتور به TechCrunch گفت که H به صورت مخفیانه با چند مشتری در زمینه‌های مانند تجارت الکترونیک، بانکداری، بیمه، و برون‌سپاری کار کرده است که به آن در بهبود محصول کمک کردند.

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

Runner H ابتدا بر روی سه مورد کاربرد خاص تمرکز خواهد کرد: خودکارسازی فرآیندهای رباتیک (RPA)، تضمین کیفیت، و برون‌سپاری فرآیند کسب و کار.

RPA بخشی است که سال‌هاست وجود داشته، با استفاده از اسکریپت‌های ساده برای خودکارسازی وظایف تکراری که انسان‌ها باید انجام می‌دادند - مانند خواندن فرم‌ها، تیک زدن کادرها، و ارسال فایل‌ها از یک مکان به مکان دیگر. در واقع، بسیاری از RPA هیچ‌گاه با AI اجرا نشده‌اند حتی پس از آن‌که AI شروع به توسعه مهارت‌های پیشرفته کرد. در حال حاضر Runner H در نظر دارد که بتواند RPA را در سراسر فرم‌ها، سایت‌ها، و دیگر الگوها حتی زمانی که تغییر کرده‌اند (چیزی که ممکن است اسکریپت‌های قبلی را شکسته باشد)، و در سراسر طیف وسیعی از منابع اجرا کند.

تضمین کیفیت می‌تواند طیف گسترده‌ای از برنامه‌ها را پوشش دهد، اما کانتور گفت که یکی از محبوب‌ترین‌ها تا کنون کاهش «بارهای نگهداری» در اطراف تست وب‌سایت است - اعتبارسنجی در دسترس بودن صفحه، شبیه‌سازی اقدامات واقعی کاربر، یا تضمین سازگاری در روش‌های پرداخت - به‌ویژه زمانی که تغییرات اعمال شده‌اند.

برون‌سپاری فرآیند کسب و کار بخشی است که نه تنها تعمیر و بهبود فرآیندهای صورتحساب را پوشش می‌دهد، بلکه سرعت بخشیدن به چگونگی استفاده و دسترسی یک عامل به داده‌ها از منابع مختلف و بیشتر را نیز پوشش می‌دهد.

در میان شرکت‌های AI پایه رقابتی بر سر تعداد پارامترهایی که به مدل‌های زبان وارد می‌شوند وجود داشته‌است. (به عنوان مثال GPT 4 دارای 175 میلیارد پارامتر است.) اما Runner H رویکرد کاملاً متفاوتی با تنها ۲ میلیارد پارامتر در مدل زبان و مدل بینایی کامپیوتری “VLM” خود اتخاذ کرده است. بحث کانتور این است که این مدل‌ها به لحاظ هزینه و عملیات بسیار کارآمدتر هستند، که کلیدی است وقتی که به دنبال برنده شدن و حفظ قراردادهای کسب‌وکار و همچنین هزینه‌های عملیاتی خود H هستیم.

«ما متخصص هستیم»، او گفت. «ما برای دوره عامل‌محور می‌سازیم.»

این شرکت همچنین ادعا می‌کند که کار می‌کند: ادعا می‌کند مدل جمع‌وجور آن از مدل «استفاده از کامپیوتر» Anthropic به میزان ۲۹٪ بهتر عمل می‌کند (بر اساس معیارهای WebVoyager) و همچنین مدل‌های Mistral و Meta.

TechCrunch یک خبرنامه متمرکز بر AI دارد! اینجا ثبت‌نام کنید تا هر چهارشنبه آن را در صندوق ورودی خود دریافت کنید.