Staub ist ein neues In Frankreich ansässiges KI-Startup, das an der Verbesserung der Teamproduktivität arbeitet, indem es interne Silos aufbricht, wichtiges Wissen an die Oberfläche bringt und Tools zum Erstellen benutzerdefinierter interner Apps bereitstellt. Im Kern nutzt Dust große Sprachmodelle (LLMs) für interne Unternehmensdaten, um Teammitgliedern neue Superkräfte zu verleihen.
Das von Gabriel Hubert und Stanislas Polu mitbegründete Paar kennt sich seit mehr als einem Jahrzehnt. Ihr erstes Startup namens Totems wurde 2015 von Stripe übernommen. Danach arbeiteten beide einige Jahre für Stripe, bevor sich ihre Wege trennten.
Stanislas Polu kam zu OpenAI, wo er drei Jahre lang an den Argumentationsfähigkeiten von LLMs arbeitete, während Gabriel Hubert Produktleiter bei wurde Alan.
Sie haben sich erneut zusammengetan, um Dust zu erschaffen. Im Gegensatz zu vielen KI-Startups konzentriert sich Dust nicht auf die Entwicklung neuer großer Sprachmodelle. Stattdessen möchte das Unternehmen Anwendungen auf Basis von LLMs entwickeln, die von OpenAI, Cohere, AI21 usw. entwickelt wurden.
Das Team arbeitete zunächst an einem Plattform die zum Entwerfen und Bereitstellen großer Sprachmodell-Apps verwendet werden können. Anschließend konzentrierte es seine Bemühungen auf einen bestimmten Anwendungsfall: die Zentralisierung und Indizierung interner Daten, damit sie von LLMs verwendet werden können.
Von einem internen ChatGPT bis hin zu Software der nächsten Generation
Es gibt eine Handvoll Konnektoren, die ständig interne Daten von Notion, Slack, Github und Google Drive abrufen. Diese Daten werden dann indiziert und können für semantische Suchanfragen verwendet werden. Wenn ein Benutzer etwas mit einer von Dust betriebenen App tun möchte, findet Dust die relevanten internen Daten, verwendet sie als Kontext eines LLM und gibt eine Antwort zurück.
Nehmen wir zum Beispiel an, Sie sind gerade einem Unternehmen beigetreten und arbeiten an einem Projekt, das vor einiger Zeit begonnen wurde. Wenn Ihr Unternehmen die Kommunikationstransparenz fördert, möchten Sie Informationen in vorhandenen internen Daten finden. Aber die interne Wissensdatenbank ist möglicherweise nicht auf dem neuesten Stand. Oder es könnte schwierig sein, den Grund zu finden, warum etwas auf diese Weise gemacht wird, da es in einem archivierten Slack-Kanal besprochen wurde.
Dust ist nicht nur ein besseres internes Suchtool, da es nicht nur Suchergebnisse zurückgibt. Es kann Informationen über mehrere Datenquellen hinweg finden und Antworten so formatieren, dass sie für Sie viel nützlicher sind. Es kann als eine Art internes ChatGPT verwendet werden, könnte aber auch als Grundlage für neue interne Tools verwendet werden.
„Wir sind davon überzeugt, dass die Schnittstelle in natürlicher Sprache die Software revolutionieren wird“, sagte mir Gabriel Hubert. „In fünf Jahren wäre es enttäuschend, wenn Sie immer noch auf „Bearbeiten“, „Einstellungen“ und „Einstellungen“ klicken müssten, um zu entscheiden, dass sich Ihre Software anders verhalten soll. Wir sehen, dass sich unsere Software immer mehr an Ihre individuellen Bedürfnisse anpasst, weil Sie so sind, aber auch, weil Ihr Team so ist – weil Ihr Unternehmen so ist.“
Das Unternehmen arbeitet mit Designpartnern an verschiedenen Möglichkeiten zur Implementierung und Verpackung der Dust-Plattform. „Wir glauben, dass es in diesem Bereich der Unternehmensdaten, Wissensarbeiter und Modelle, die zu ihrer Unterstützung eingesetzt werden könnten, viele verschiedene Produkte gibt“, sagte mir Stanislas Polu.
Dust steckt noch in den Kinderschuhen, aber das Startup beschäftigt sich mit einem interessanten Problem. Es stehen viele Herausforderungen bevor, wenn es um die Datenspeicherung, Halluzinationen und alle mit LLMs verbundenen Probleme geht. Vielleicht werden Halluzinationen mit der Weiterentwicklung von LLMs weniger ein Problem darstellen. Vielleicht erstellt Dust aus Datenschutzgründen am Ende ein eigenes LLM.
Dust hat in einer von Sequoia angeführten Seed-Runde 5,5 Millionen US-Dollar (5 Millionen Euro) gesammelt, an der auch XYZ, GG1, Seedcamp, Connect, Motier Ventures, Tiny Supercomputer, AI Grant und eine Reihe von Business Angels beteiligt waren, darunter Olivier Pomel von Datadog. Julien Codorniou, Julien Chaumond von Hugging Face, Mathilde Collin von Front, Charles Gorintin und Jean-Charles Samuelian-Werve von Alan, Eléonore Crespo und Romain Niccoli von Pigment, Nicolas Brusson von BlaBlaCar, Howie Liu von Airtable, Matthieu Rouif von PhotoRoom, Igor Babuschkin und Irwan Bello.
Wenn man einen Schritt zurücktritt, geht Dust davon aus, dass LLMs die Arbeitsweise von Unternehmen stark verändern werden. Ein Produkt wie Dust funktioniert sogar noch besser in einem Unternehmen, das radikale Transparenz statt Informationsspeicherung, schriftliche Kommunikation statt endloser Besprechungen, Autonomie statt Top-Down-Management fördert.
Wenn LLMs halten, was sie versprechen und die Produktivität erheblich verbessern, werden sich einige Unternehmen durch die Übernahme dieser Werte einen unfairen Vorteil verschaffen, da Dust eine Menge ungenutztes Potenzial für Wissensarbeiter freisetzen wird.