Michael Polyani, dia seorang filsuf, ekonom, dan ilmuwan dari Inggris-Hongaria. Saat ini, dia paling terkenal karena menciptakan istilah "pengetahuan diam-diam" atau tacit knowledge. Pengamatan besarnya adalah bahwa sebagian besar keahlian di bidang apapun tidak pernah dituliskan. Kadang-kadang, pengetahuan itu hanya ada sebagai intuisi profesional yang bahkan si ahli sendiri tidak bisa jelaskan sepenuhnya. "Kita tahu lebih banyak daripada yang bisa kita katakan," itu adalah frasa terkenal Polyani.
Sekarang, pengetahuan diam-diam menjadi tantangan bagi perusahaan yang ingin mengotomatisasi alur kerja dengan agen AI. Banyak—bahkan mungkin sebagian besar—pengetahuan yang dibutuhkan agen-agen ini tidak tertulis.
Interloom, sebuah startup dari Munich yang ingin mengubah otomatisasi proses bisnis tradisional untuk era AI, percaya mereka bisa pecahkan masalah pengetahuan diam-diam ini. Dan mereka baru saja mendapatkan pendanaan ventura baru sebesar $16,5 juta untuk misi tersebut.
Pendanaan ini dipimpin oleh DN Capital, dengan partisipasi dari Bek Ventures dan investor lama Air Street Capital. Perusahaan ini sebelumnya mengumumkan pendanaan seed $3 juta pada Maret 2024.
Interloom tidak mengungkapkan valuasi mereka setelah pendanaan baru ini.
Fabian Jakobi, pendiri dan CEO Interloom, berpendapat bahwa gelombang kegembiraan soal agen AI saat ini mengabaikan hambatan pengetahuan diam-diam. Sekitar 70% keputusan operasional tidak pernah didokumentasikan secara formal, katanya. Ketika tiket dukungan yang kompleks sampai di meja staf senior, mereka tahu solusinya, tim internal yang tepat untuk diajak kerja sama, dan penyelesaiannya—bukan karena ada di manual, tapi karena mereka pernah mengalaminya.
“Orang paling penting di bank adalah orang yang tahu apakah dokumentasinya benar atau tidak,” kata Jakobi kepada Fortune. “Mereka seringkali yang digaji paling rendah. Tapi mereka yang menentukan kualitas.”
Pendekatan Interloom adalah dengan menyerap jutaan catatan operasional—email dukungan, tiket layanan, transkrip panggilan, pesanan kerja—dan menggunakannya untuk membangun apa yang mereka sebut “grafik konteks”, yaitu peta yang terus diperbarui tentang bagaimana masalah sebenarnya diselesaikan dalam suatu organisasi. Jakobi menyamakan konsep ini dengan Google Maps: seperti Google belajar rute optimal dari data lalu lintas, Interloom memetakan jalur yang diambil ahli operasional untuk memecahkan masalah, dan menggunakan peta itu untuk memandu agen AI dan karyawan baru.
Jakobi adalah seorang wiraswasta serial. Dia sebelumnya mendirikan Boxplot, yang dia jual ke Hyperscience pada tahun 2021, sebuah perusahaan perangkat lunak AI asal New York yang khusus mengekstrak data dari dokumen tidak terstruktur.
Perangkat lunak Interloom sudah digunakan beberapa perusahaan besar Eropa. Di Commerzbank, Interloom menganalisis jutaan email dukungan pelanggan dan membandingkannya dengan dokumentasi internal yang ada—menemukan bahwa banyak yang bertentangan atau tidak lengkap. Perusahaan ini menyatakan mereka mengurangi kesenjangan antara pengetahuan operasional yang terdokumentasi dan aktual dari sekitar 50% menjadi 5%. Di Volkswagen, mereka memproses tiket dukungan pelanggan. Dan di Zurich Insurance, Interloom memenangkan kompetisi AI di seluruh perusahaan—mengalahkan 2.000 startup AI lain, menurut Jakobi—untuk kasus penggunaan underwriting.
Keputusan underwriting di perusahaan asuransi, kata Jakobi, mencerminkan selera risiko khusus perusahaan itu, pengalaman yang terkumpul dengan broker dan produk tertentu, dan pengetahuan institusional yang tidak dimiliki model AI umum.
“Underwriter Zurich tahu cara kerja underwriting obrolan broker mereka jauh lebih baik daripada Accenture,” kata Jakobi, mengkritik firma konsultan besar yang biasanya mendominasi pekerjaan proses perusahaan.
Argumen yang lebih luas adalah bahwa agen AI, sehebat apapun, tidak berguna di perusahaan besar tanpa konteks spesifik organisasi. Jakobi menyebut ini sebagai masalah “memori korporat”.
“Di perangkat lunak, kompiler memberi tahu Anda apakah kodenya berfungsi,” kata Jakobi. “Kita tidak memiliki kemewahan itu [di domain lain]. Evaluasinya harus datang dari ahli manusia.”
Pendukung baru Interloom setuju dengan tesis itu. Guy Ward Thomas, mitra di DN Capital, mengatakan bahwa “sebuah agen hanya sebaik keputusan ahli yang bisa diandalkannya.” Dan Thomas mengatakan bahwa DN Capital telah melihat pada startup agen AI lain bahwa ketika agen-agen ini tidak memiliki konteks yang tepat tentang perusahaan tempat mereka diterapkan, mereka jarang bekerja dengan baik. “Pengalaman kami dengan agen AI vertikal dan platform suara menunjukkan betapa pentingnya konteks,” katanya.
Mehmet Atici dari Bek Ventures sebelumnya mendukung UiPath, yang menjadi pemimpin dalam gelombang RPA sebelumnya, atau robotic process automation. Tapi RPA mengandalkan agen yang, sebagian besar, diprogram kaku untuk mengikuti alur kerja yang sama persis setiap kali. “Kami telah melihat potensi transformatif otomatisasi secara langsung dan kami percaya AI sekarang membuka gelombang adopsi cepat baru di perusahaan,” kata Atici.
Waktu Interloom mungkin tepat. Fenomena “Pensiun Besar” melihat sekitar 10.000 Baby Boomer pensiun setiap hari di AS. Bersama mereka, puluhan tahun pengetahuan institusional ikut pergi—tepat saat perusahaan mencoba menerapkan AI dalam skala besar.
Jakobi melihat lanskap persaingan dengan bahasa yang blak-blakan. Pesaing terbesarnya, katanya, adalah kelembaman—asumsi dalam perusahaan besar bahwa operasi akan terus berfungsi seperti selama satu dekade terakhir.
Dorongan produk berikutnya Interloom adalah apa yang mereka sebut secara internal sebagai “Kepala Staf”—sebuah lapisan yang dirancang untuk memberi manajer visibilitas waktu nyata tentang kinerja agen AI mereka, lengkap dengan kontrol versi untuk proses yang dijalankan agen.
Tapi Interloom bukan satu-satunya perusahaan yang mencoba membuat lapisan manajemen dan orkestrasi agen AI. Hampir setiap perusahaan yang memasarkan agen AI, dari OpenAI hingga ServiceNow hingga Microsoft, telah mengerjakan produk serupa.
Namun, Jakobi mengatakan bahwa menurutnya “grafik konteks” Interloom memberi keunggulan berbeda dibandingkan pemain besar ini, yang menurutnya jarang memiliki wawasan di seluruh proses kompleks.
**Mengapa Kita Suka Musik?**
Musik adalah satu hal yang sangat menarik. Setiap orang di dunia ini, dari anak kecil sampai orang tua, biasanya suka mendengarkan musik. Tapi pernahkah kamu bertanya, kenapa kita suka musik?
Beberapa ahli bilang bahwa musik bisa mempengaruhi perasaan kita. Musik yang ceria bisa bikin kita senang, sementara musik yang sedih kadang bikin kita ikutan sedih atau malah merasa tenang.
Musik juga sering bikin kita ingat masa lalu. Satu lagu saja bisa bawa kita kembali ke waktu-waktu spesial, seperti masa sekolah atau pertemuan dengan teman lama.
Selain itu, musik bisa jadi teman dalam berbagai aktivitas. Saat olahraga, musik bikin kita semangat. Saat bekerja atau belajar, musik jenis tertentu bisa bantu kita untuk lebih fokus.
Jadi, musik itu seperti bahasa universal yang bisa dinikmati oleh semua orang, tidak peduli dari mana asalnya.