人工知能は、私たちが情報を扱う方法のあらゆる側面に影響を与えています (そして はるかに) この日。 今日、その特定のアプリケーション (職場での知識管理に AI を適用する方法) に基づいてビジネスを構築しているスタートアップが、そのアプローチにかなりの牽引力があることを発見したため、資金調達を発表しています。 サナラボ — 人々が職場で情報を管理し、その後、そのデータを組織内の e ラーニングのリソースとして使用するのに役立つ AI ベースのプラットフォームを提供する — は、過去に ARR が 7 倍に成長したのを見て、3,400 万ドルのラウンドを終了しました。年。
米国の VC ファームである Menlo Ventures は、ストックホルムを拠点とする Sana のラウンドをリードしており、EQT Ventures となんと 25 人のエンジェルと創設者/オペレーターの個人も参加しています。 これは、サナを 1 億 8000 万ドルのポストマネーで評価するシリーズ B です。
今日、市場には多くのナレッジ マネジメント、エンタープライズ ラーニング、エンタープライズ サーチ製品がありますが、Sana が独自に打ち出したと信じているのは、3 つすべてを組み合わせて連携するプラットフォームです。 -e ラーニング プラットフォーム。
Sana の核心は、組織が職場で使用するさまざまなアプリ (Salesforce、電子メール、Notion、Github、Slack、Trello、Asana など、キャプチャする必要があるものすべて) に接続するプラットフォームおよび AI エンジンです。 、情報をソースまたは保存し、他のユーザーと通信します。
これらのアプリ全体のすべてのデータは、Sana プラットフォーム (AI マジック) によって自動的に取り込まれ、整理され、それらのアプリ内の情報が変更または拡張されると維持されます。 次に、情報にアクセスしたいユーザーは Sana にアクセスし、検索エンジンで行うように、通常の「人間の」言語で情報を要求します。 しかし、それと並行して、データはオンボーディング、トレーニング、または専門能力開発のための e ラーニング モジュールの基礎として使用されます。これらのモジュールは、組織内の人々または Sana 自身によって作成/構想されます。
これは、情報を整理するバックエンドの機械学習エンジンだけを構築することから始まった Sana の当初のコンセプトではありませんでした。 しかし、Sana の CEO 兼創設者である Joel Hellermark 氏によると、このスタートアップは早い段階でフロントエンド (情報を簡単に照会し、それを使用してトレーニングや学習資料を作成するための部分) に対する要求を受けていたため、その部分も作成していました。 学習は、クイズや投票、インタラクティブなセッションなどの形で行われます。インタラクティブな Q&A がウェビナーの周りで生成されると、ある種の非常に機知に富んだ無駄のないシチューのように、これらすべての結果が得られます。 また 今後の参考のためにナレッジベースに入力してください。
ナレッジ マネジメントと検索および e ラーニングの組み合わせは、プラットフォームが非常に異なるエンゲージメント メトリックを参照することを意味します、と Hellermark 氏は述べています。 「Sana は継続的に使用されており、これは典型的な e ラーニング プラットフォームとは大きく異なります」と彼は言いました。 すでに Sana を使用している 100 ほどの企業の何万人もの従業員の間で、「毎週および毎日のアクティブな使用が見られます」と彼は付け加えました。
技術自体は Sana によって構築およびカスタマイズされていますが、Hellermark 氏によると、モデルは Sana と「深いパートナーシップ」を結んでいる OpenAI から来ていると Hellermark 氏は述べています。
「発売前から、初日から継続的にモデルを使用してきました」と彼は言いました。 これには、ChatGPT を介して、Twitter などのおしゃべりプラットフォームで技術者やメディア関係者の間で話題になっている GPT が含まれます。 Sana のアプローチは、AI の長期的なスケーラブルな可能性を物語っています。
「特定のドメイン向けに微調整できる OpenAI などの基礎となるモデルが存在すると考えています」と Hellermark 氏は付け加えました。 「私たちにとって、焦点はこれに加えてユーザーエクスペリエンスです。」
ヘラーマークは、自分自身を、教育の重要性だけでなく、この分野で成功を収める AI の力に長年執着していると説明しています。 しかし、教育にはさまざまな形があります。若者向けのコンテンツ、継続教育、成人学習、専門能力開発は、パイのほんの一部にすぎません。
彼は、サナが 2 つの理由でそれらの 4 番目に焦点を当てることを選択したと述べました。 1 つ目は、その実用性によるものです。今日の市場には、このようなものは他にありませんが、組織のブレイントラストに含まれる有用な情報の供給過剰を考えると、組織が使用できるものであることは間違いありません。蓄積されるほど、それを利用するのが難しくなります。
企業が焦点を当てる 2 つ目の理由は、スケーラビリティの要因によるものです。より伝統的な意味での教育では、明らかに、ばらばらで断片化された多くの情報を取り込み、簡単にアクセスできるようにするためのツールと、個人に合わせてパーソナライズされた学習モジュールの基礎を使用できます。国や独自のカリキュラムは言うまでもなく、年齢層や学区間の断片化は、より複雑なターゲットになっています。ユニット エコノミクス、識別可能な (そしてアクティブな) 顧客ベース、およびそれらの目的のために既に機能しているテクノロジ。
「教育分野は私の最大の情熱です。学習を解決すればすべてが解決するからです」と彼は言いました。 「しかし、当初から私たちは大企業になりたいと考えていました。さまざまな国に適応する必要があるため、K-12 でそれを拡大するのは困難です。 エンタープライズ アプローチを採用することで、医師からエンジニア、プロダクト マネージャー、営業担当者、そしてすべての人に至るまで、規模を拡大し、支援することができます。 私たちは 20 か国以上でそれらすべてにサービスを提供できます。」
重要なことは、これが長期的にはターゲットにならないということではなく、また、従来の教育部門がこのようなテクノロジ (Sana や他のスタートアップからのテクノロジ) を長期的に受け入れない、または受け入れられないということでもありません。 .
考慮すべきもう 1 つの重要な詳細は、Sana がソースとなる情報の品質をどのように処理するかです。 それはどのように決定しますか — それは決定できますか? — ソースとなるデータが正しい場合、互いに一貫性のない「回答」が複数ある場合はどうするか?
「それがナレッジ マネジメントです」とヘラーマーク氏は質問に答えました。 「検索だけのモデルを作成することはできますが、それでは知識を検証してジャーニーを作成する必要性が考慮されていません。」 彼は、「検証のための構造」がシステムに組み込まれていると述べました。これには、サナが使用できるソースやその他の入力を制限できる人々が含まれ、顧客はどの情報が検証され、正確であるかを指定し、ユーザーが検証するかどうかを選択できます。検証されていない情報にアクセスしたり、情報をランク付けしたりできます。
正直なところ、これは完全に満足のいく答えではありません。正確性は AI に関する最も永続的な問題の 1 つであるためです。正確でない場合、完全に間違っている場合、または単に悪いデータを使用している場合はどうすればよいでしょうか?
AIであるロケット船の残りの部分と同様に、これは今のところサナの成長を妨げる問題ではありません.
「過去 6 年以上にわたり、私は他のほぼすべての学習管理システム SaaS を検討してきました。Sana の最も優れた点は、今日の知識がどのように収集されるかを考慮して、真の知識管理ソリューションをゼロから構築していることです。この投資を主導したメンローのパートナーであるJPサンデイ氏は次のように述べています。 「企業は現在、分散化が進んでおり、より少ないリソースでより多くのことを行うことが求められており、イノベーションのペースについていけず、すべての従業員を可能にする必要があります。 Sana は、このビジョンを実現できる唯一のプラットフォームです。」
彼は、人々がデータベースを活用し、その周りにコンテンツを構築するというアプローチは、組織で通常得られるものよりも民主化された特定の「組織ナレッジグラフ」を作成すると付け加えました.
「私が見込み客に製品を見せて、彼らがコンテンツ作成体験と、作成者と学習者の両方を支援する AI 機能を目にすると、彼らはまったく異なるものを見ていることがすぐにわかります。彼らは、それがどれほど拡張性が高く、エンゲージメントがどれだけ高いかを理解します。彼らはユーザーから得ます」と彼は言いました。