هوش مصنوعی این روزها همه جنبه های نحوه کار ما با اطلاعات (و بیشتر) را لمس می کند. امروزه، یک استارت‌آپ که کسب‌وکاری را حول یک کاربرد خاص از آن ایجاد می‌کند – نحوه بکارگیری هوش مصنوعی در مدیریت دانش در محل کار – در حال اعلام برخی بودجه است زیرا کشش مناسبی برای رویکرد خود پیدا می‌کند. Sana Labs – که یک پلتفرم مبتنی بر هوش مصنوعی را برای کمک به افراد در مدیریت اطلاعات در محل کار و سپس استفاده از آن داده‌ها به عنوان یک منبع یادگیری الکترونیکی در سازمان ارائه می‌کند – پس از مشاهده هفت برابر شدن ARR در سال گذشته، دور 34 میلیون دلاری را بسته است.
Menlo Ventures، شرکت سرمایه گذاری مخاطره آمیز ایالات متحده، با شرکت EQT Ventures و 25 فرشته و بنیانگذار/اپراتور بزرگ، در دور سانا مستقر در استکهلم پیشتاز است. این یک سری B است که ارزش ثنا را ۱۸۰ میلیون دلار پس از پرداخت می‌کند.
امروزه بسیاری از محصولات مدیریت دانش، یادگیری سازمانی و جستجوی سازمانی در بازار وجود دارد، اما آنچه سانا معتقد است به طور منحصر به فرد به آن دست یافته است، پلتفرمی است که هر سه را برای کار با هم ترکیب می کند: مدیریت دانش با جستجو در سازمان ملاقات می کند – یک پلت فرم یادگیری الکترونیکی.
در هسته خود، سانا یک پلتفرم و موتور هوش مصنوعی است که به همه برنامه‌های مختلف که یک سازمان در محل کار استفاده می‌کند متصل می‌شود – Salesforce، ایمیل، Notion، Github، Slack، Trello، Asana، و هر چیز دیگری که برای گرفتن، منبع یا ذخیره‌سازی نیاز دارید. اطلاعات و ارتباط با دیگران
تمام داده‌های موجود در این برنامه‌ها به‌طور خودکار توسط پلتفرم سانا (جادوی هوش مصنوعی) جذب و سازماندهی می‌شوند و با تغییر یا گسترش اطلاعات در این برنامه‌ها نگهداری می‌شوند. کاربرانی که می‌خواهند به اطلاعات دسترسی پیدا کنند، به سانا می‌روند و آن را به زبان ساده «انسانی» درخواست می‌کنند، همانطور که در موتور جستجو ممکن است. اما علاوه بر این، داده ها به عنوان پایه ماژول های آموزش الکترونیکی برای انطباق، آموزش یا توسعه حرفه ای استفاده می شود – ماژول هایی که توسط افراد سازمان یا خود سانا ایجاد/طراحی شده اند.
این مفهوم اصلی برای سانا نبود، که با ساختن موتور یادگیری ماشینی پشتیبان برای سازماندهی اطلاعات آغاز شد. اما جوئل هلرمارک، مدیرعامل و موسس سانا، گفت که در ابتدا این استارت‌آپ در حال دریافت درخواست‌هایی برای قسمت جلویی بود – بخشی که مردم می‌توانند به راحتی اطلاعات را جویا شوند و از آن برای ساختن مواد آموزشی و آموزشی استفاده کنند – بنابراین آنها نیز آن بخش را می‌سازند. یادگیری می‌تواند به شکل آزمون‌ها و نظرسنجی‌ها، جلسات تعاملی و موارد دیگر باشد، و زمانی که پرسش‌ها و پاسخ‌های تعاملی در حول وبینارها، مانند نوعی خورش بسیار مبتکرانه، تولید می‌شوند، نتایج حاصل می‌شود. از همه اینها هم برای مراجعات بعدی وارد پایگاه دانش شود.
Hellermark گفت که ترکیب مدیریت دانش با جستجو و یادگیری الکترونیکی به این معنی است که پلتفرم معیارهای تعامل متفاوتی را مشاهده می کند. وی گفت: از ثنا به صورت مستمر استفاده می شود که بسیار متفاوت از یک پلتفرم معمولی آموزش الکترونیکی است. او افزود: «ما شاهد استفاده فعال هفتگی و روزانه» در میان ده‌ها هزار کارمند از بیش از 100 کسب‌وکار هستیم که قبلاً از سانا استفاده می‌کنند.
خود این فناوری توسط Sana ایجاد و سفارشی‌سازی شده است، اما به گفته Hellermark، مدل‌ها از OpenAI گرفته شده‌اند که به قول هلرمارک “همکاری عمیق” با Sana دارد.
او گفت: «ما از روز اول همیشه از مدل‌های آنها استفاده کرده‌ایم، حتی قبل از عرضه. این شامل GPT است، که – از طریق ChatGPT – نقطه صحبت در میان افراد فناوری و رسانه در پلتفرم‌های چت مانند توییتر است. رویکرد سانا از پتانسیل مقیاس پذیر برای هوش مصنوعی در دراز مدت صحبت می کند.
Hellermark افزود: «ما معتقدیم که مدل‌های اصلی مشابه OpenAI وجود خواهند داشت که می‌توانند برای دامنه‌های خاص به‌خوبی تنظیم شوند. برای ما، تمرکز بر تجربه کاربر است.
هلرمارک خود را به عنوان یک وسواس طولانی مدت نه تنها به اهمیت آموزش، بلکه به قدرت هوش مصنوعی در به جای گذاشتن اثری در فضا توصیف می کند. اما آموزش انواع مختلفی دارد – محتوایی که برای افراد جوان تر، آموزش بیشتر، یادگیری بزرگسالان و توسعه حرفه ای تنها چند تکه از این کیک هستند.
او گفت که صنعا به دو دلیل تصمیم گرفت روی چهارمین آنها تمرکز کند. اولین مورد به دلیل عملی بودن آن است – واقعاً هیچ چیز دیگری مانند آن در بازار امروز وجود ندارد، اما قطعاً این چیزی است که سازمان ها می توانند با توجه به عرضه بیش از حد اطلاعات مفید موجود در اتاق فکر یک سازمان که با تغییرات معکوس کار می کند از آن استفاده کنند: از آن انباشته شده است، لمس کردن آن دشوارتر می شود.
دلیل دوم تمرکز شرکت به دلیل عامل مقیاس‌پذیری است: در حالی که آموزش به معنای سنتی‌تر به وضوح می‌تواند از ابزارهایی برای جذب بسیاری از اطلاعات ناهمگون و پراکنده استفاده کند و آنها را به راحتی در دسترس قرار دهد و اساس ماژول‌های یادگیری را برای فرد شخصی‌سازی کند. پراکندگی بین گروه‌های سنی و نواحی مدارس، به جز ایالت‌ها و برنامه‌های درسی خاص آنها، آن را به هدف پیچیده‌تری تبدیل می‌کند – شاید در حال حاضر حتی پیچیده‌تر، با توجه به تاکیدی که از سوی استارت‌آپ‌ها و حامیان آنها بر تمرکز بر پروژه‌هایی با واحد صدا می‌بینیم. اقتصاد، پایگاه‌های مشتریان قابل شناسایی (و فعال)، و فناوری‌هایی که در حال حاضر برای رسیدن به این اهداف کار می‌کنند.
او گفت: “بخش آموزش بزرگترین علاقه من است، زیرا اگر تصمیم به یادگیری داشته باشید، همه چیز را تصمیم می گیرید.” “اما از روز اول، ما می خواستیم یک شرکت بزرگ باشیم، و سخت است که آن را در K-12 گسترش دهیم، زیرا شما باید خود را با کشورهای مختلف وفق دهید. رویکرد سازمانی به ما کمک می‌کند تا مقیاس را افزایش دهیم و به پزشکان تا مهندسان و مدیران محصول به نمایندگان فروش و همه کمک می‌کند. ما قادریم در بیش از 20 کشور به همه آنها خدمت کنیم.”
نکته مهم، این بدان معنا نیست که این یک هدف بلندمدت نخواهد بود، یا اینکه بخش آموزش سنتی نمی‌تواند یا نمی‌تواند مشتری پذیرای فناوری مانند این باشد – از سانا یا استارت‌آپ دیگر – مدت.طرح
یکی دیگر از جزئیات مهمی که باید در نظر گرفت این است که سانا چگونه با کیفیت اطلاعاتی که بازیابی می‌کند مدیریت می‌کند. او چگونه تصمیم می گیرد – آیا می تواند تصمیم بگیرد؟ – آیا داده‌هایی که بازیابی می‌کند صحیح است، و اگر چندین “پاسخ” وجود داشته باشد که با یکدیگر سازگار نیستند، چه کاری انجام می‌دهد؟
هلرمارک در پاسخ به این سوال گفت: این مدیریت دانش است. می‌توانید مدل‌هایی داشته باشید که فقط جستجو می‌کنند، اما این نیاز به تأیید دانش و ایجاد سفرها را به حساب نمی‌آورد.» او گفت که این سیستم دارای یک «ساختار دامپزشکی» است که شامل افرادی می‌شود که می‌توانند منابع و منابع را محدود کنند. سایر ورودی‌ها ممکن است توسط سانا استفاده شود، و مشتریان می‌توانند تعیین کنند که چه اطلاعاتی تأیید شده و دقیق است و انتخاب کنند که آیا کاربران می‌توانند به اطلاعاتی که تأیید نشده‌اند دسترسی داشته باشند و اطلاعات رتبه‌بندی شوند.
صادقانه بگویم، این پاسخ کاملاً رضایت‌بخش نیست، به خصوص که دقت یکی از دائمی‌ترین مشکلات در مورد هوش مصنوعی است: اگر کاملاً درست نباشد، یا کاملاً اشتباه باشد، یا فقط از داده‌های بد استفاده می‌کنید، چه می‌کنید؟
با این حال، مانند بقیه کشتی‌های موشکی که هوش مصنوعی دارند، این مشکلی نیست که مانع رشد سانا شود.
“در بیش از 6 سال گذشته، من تقریباً به سایر سیستم های مدیریت یادگیری SaaS نگاه کرده ام، و بهترین بخش در مورد Sana این است که آنها در حال ایجاد یک راه حل واقعی مدیریت دانش از ابتدا هستند، با توجه به اینکه چگونه دانش در آن جذب می شود. اقتصاد امروز دانش است. شرکت‌ها در حال حاضر بیشتر توزیع شده‌اند، از آنها خواسته می‌شود کارهای بیشتری را با کمتر انجام دهند و نمی‌توانند با سرعت نوآوری پیش بروند و باید همه کارکنان خود را توانمند کنند. سانا تنها پلتفرمی است که من تا به حال دیده ام که می تواند این چشم انداز را برآورده کند.»
او افزود که رویکرد افرادی که هم از پایگاه داده بهره می برند و هم محتوایی پیرامون آن ایجاد می کنند، یک «گراف دانش سازمانی» خاص ایجاد می کند که دموکراتیک تر از چیزی است که معمولاً در سازمان ها دریافت می کنید.
«وقتی به مشتریان بالقوه محصول را نشان می‌دهم و آنها تجربه ایجاد محتوا و قابلیت‌های هوش مصنوعی را می‌بینند که هم به نویسندگان و هم به زبان‌آموزان کمک می‌کند، بلافاصله متوجه می‌شوند که به چیزی کاملاً متفاوت نگاه می‌کنند – می‌بینند که چقدر توسعه‌پذیرتر است. و میزان تعامل آنها از کاربران چقدر بیشتر است.