โพสต์หนึ่งโพสต์ แท็กด้วย "Hebbia"

เหนือกว่ากระแส: เจาะลึก Hebbia แพลตฟอร์ม AI สำหรับงานความรู้เชิงลึก​

คำมั่นสัญญาของปัญญาประดิษฐ์ได้ก้องกังวานไปทั่วห้องประชุมและสำนักงานมานานหลายปี: อนาคตที่งานที่น่าเบื่อและต้องใช้ข้อมูลจำนวนมากจะถูกทำให้เป็นอัตโนมัติ ปลดปล่อยผู้เชี่ยวชาญให้มุ่งเน้นไปที่กลยุทธ์และการตัดสินใจ อย่างไรก็ตาม สำหรับมืออาชีพหลายคนในสาขาที่มีความเสี่ยงสูง เช่น การเงินและกฎหมาย คำมั่นสัญญานั้นกลับรู้สึกว่างเปล่า เครื่องมือ AI มาตรฐาน ตั้งแต่การค้นหาด้วยคำหลักง่ายๆ ไปจนถึงแชทบอทเจเนอเรชันแรก มักจะทำได้ไม่ดีพอ โดยประสบปัญหาในการให้เหตุผล สังเคราะห์ หรือจัดการกับปริมาณข้อมูลมหาศาลที่จำเป็นสำหรับการวิเคราะห์เชิงลึก

ขอแนะนำ Hebbia บริษัทที่วางตำแหน่งตัวเองไม่ใช่แค่แชทบอทอีกตัว แต่เป็น AI ที่คุณได้รับคำมั่นสัญญาไว้จริงๆ ด้วยแพลตฟอร์ม "Matrix" ของ Hebbia กำลังสร้างข้อโต้แย้งที่น่าสนใจว่าได้ถอดรหัสสำหรับงานความรู้ที่ซับซ้อนได้สำเร็จ โดยก้าวข้ามจากการถามตอบง่ายๆ ไปสู่การวิเคราะห์แบบครบวงจร บทความเชิงวัตถุประสงค์นี้จะเจาะลึกว่า Hebbia คืออะไร ทำงานอย่างไร และเหตุใดจึงได้รับความสนใจอย่างมากในอุตสาหกรรมที่ต้องการความแม่นยำสูงที่สุดบางแห่งของโลก

ปัญหา: เมื่อ AI ที่ "ดีพอ" ไม่ดีพอ​

พนักงานที่ทำงานด้านความรู้กำลังจมอยู่กับข้อมูล นักวิเคราะห์การลงทุน ทนายความองค์กร และที่ปรึกษา M&A มักจะคัดกรองเอกสารหลายพันฉบับ ทั้งสัญญา รายงานทางการเงิน และรายงานต่างๆ เพื่อค้นหาข้อมูลเชิงลึกที่สำคัญ รายละเอียดที่พลาดไปเพียงเล็กน้อยอาจส่งผลให้เกิดความเสียหายหลายล้านดอลลาร์

เครื่องมือแบบดั้งเดิมพิสูจน์แล้วว่าไม่เพียงพอ การค้นหาด้วยคำหลักนั้นไม่สะดวกและขาดบริบท ระบบ Retrieval-Augmented Generation (RAG) รุ่นแรกๆ ที่ออกแบบมาเพื่ออ้างอิง AI กับเอกสารเฉพาะ มักจะแค่พูดซ้ำวลีหรือล้มเหลวเมื่อคำถามต้องการการสังเคราะห์ข้อมูลจากหลายแหล่ง ถาม AI พื้นฐานว่า "นี่เป็นการลงทุนที่ดีหรือไม่?" และคุณอาจได้รับสรุปภาษาการตลาดที่ดูดี ไม่ใช่การวิเคราะห์ปัจจัยเสี่ยงที่เข้มงวดซึ่งซ่อนอยู่ในเอกสาร SEC นี่คือช่องว่างที่ Hebbia ตั้งเป้าหมาย: ช่องว่างระหว่างศักยภาพของ AI กับความต้องการของงานมืออาชีพที่จริงจัง

ทางออก: "Matrix" - นักวิเคราะห์ AI ไม่ใช่แชทบอท​

โซลูชันของ Hebbia คือแพลตฟอร์ม AI ที่เรียกว่า Matrix ซึ่งออกแบบมาให้ทำงานคล้ายนักวิเคราะห์ที่มีประสิทธิภาพสูงเหนือมนุษย์ มากกว่าที่จะเป็นคู่สนทนา แทนที่จะเป็นอินเทอร์เฟซแชท ผู้ใช้จะเห็นตารางแบบสเปรดชีตที่ทำงานร่วมกันได้

นี่คือวิธีการทำงาน:

• นำเข้าได้ทุกอย่างและทั้งหมด: ผู้ใช้สามารถอัปโหลดข้อมูลที่ไม่มีโครงสร้างจำนวนมหาศาล ทั้งไฟล์ PDF, เอกสาร Word, บทถอดเสียง และแม้แต่รูปภาพที่สแกน ระบบของ Hebbia ได้รับการออกแบบมาเพื่อรองรับ "หน้าต่างบริบท" ที่แทบจะ "ไร้ขีดจำกัด" ซึ่งหมายความว่าสามารถเชื่อมโยงข้อมูลข้ามหน้ากระดาษนับล้านได้โดยไม่ถูกจำกัดด้วยขีดจำกัดโทเค็นของ LLM ทั่วไป
• ประสานงาน AI Agents: ผู้ใช้กำหนดงานที่ซับซ้อน ไม่ใช่แค่คำถามเดียว ตัวอย่างเช่น "วิเคราะห์ความเสี่ยงหลักและแรงกดดันในการแข่งขันที่กล่าวถึงในการประชุมผลประกอบการสองปีล่าสุดสำหรับห้าบริษัทนี้" Matrix จะแบ่งงานนี้ออกเป็นงานย่อยๆ โดยมอบหมาย "เอเจนต์" AI ให้กับแต่ละงาน
• ผลลัพธ์ที่มีโครงสร้างและตรวจสอบย้อนกลับได้: ผลลัพธ์จะถูกเติมลงในตารางที่มีโครงสร้าง แต่ละแถวอาจเป็นบริษัทหรือเอกสาร และแต่ละคอลัมน์เป็นคำตอบสำหรับคำถามย่อย (เช่น "การเติบโตของรายได้", "ปัจจัยเสี่ยงหลัก") ที่สำคัญคือ ผลลัพธ์ทุกรายการมีการอ้างอิง ผู้ใช้สามารถคลิกที่เซลล์ใดก็ได้เพื่อดูข้อความที่แน่นอนจากเอกสารต้นฉบับที่ AI ใช้ในการสร้างคำตอบ ซึ่งช่วยขจัดปัญหาการสร้างข้อมูลที่ผิดพลาดและให้ความโปร่งใสอย่างเต็มที่

แนวทาง "แสดงวิธีการทำงาน" นี้เป็นรากฐานสำคัญของการออกแบบของ Hebbia ซึ่งสร้างความไว้วางใจและช่วยให้ผู้เชี่ยวชาญสามารถตรวจสอบการให้เหตุผลของ AI ได้ เช่นเดียวกับที่พวกเขาทำกับนักวิเคราะห์รุ่นเยาว์

เทคโนโลยี: ทำไมถึงแตกต่าง​

พลังของ Hebbia อยู่ที่สถาปัตยกรรม ISD (Inference, Search, Decomposition) ที่เป็นกรรมสิทธิ์ของตนเอง ระบบนี้ก้าวข้าม RAG พื้นฐานเพื่อสร้างวงจรการวิเคราะห์ที่แข็งแกร่งยิ่งขึ้น:

1. การแยกย่อย (Decomposition): มันจะแบ่งคำขอที่ซับซ้อนของผู้ใช้ออกเป็นขั้นตอนย่อยๆ ที่มีเหตุผลอย่างชาญฉลาด
2. การค้นหา (Search): สำหรับแต่ละขั้นตอน มันจะทำการค้นหาขั้นสูงแบบวนซ้ำเพื่อดึงข้อมูลที่เกี่ยวข้องที่สุดจากชุดข้อมูลทั้งหมด นี่ไม่ใช่การดึงข้อมูลครั้งเดียวแล้วจบ แต่เป็นกระบวนการแบบเรียกซ้ำที่ AI สามารถค้นหาข้อมูลเพิ่มเติมได้จากสิ่งที่ค้นพบแล้ว
3. การอนุมาน (Inference): เมื่อรวบรวมบริบทที่ถูกต้องแล้ว โมเดลภาษาขนาดใหญ่ (LLMs) ที่ทรงพลังจะถูกนำมาใช้เพื่อการให้เหตุผล สังเคราะห์ และสร้างคำตอบสุดท้ายสำหรับขั้นตอนนั้น

เวิร์กโฟลว์ทั้งหมดนี้ได้รับการจัดการโดยเอนจินการประสานงานที่สามารถรันกระบวนการเหล่านี้พร้อมกันได้หลายพันรายการ ส่งมอบผลลัพธ์ในไม่กี่นาทีซึ่งทีมงานมนุษย์ต้องใช้เวลาหลายสัปดาห์ในการดำเนินการ ด้วยการเป็นโมเดลที่ไม่จำกัด Hebbia สามารถเชื่อมต่อกับ LLM ที่ดีที่สุด (เช่น โมเดลล่าสุดของ OpenAI) เพื่อเพิ่มขีดความสามารถในการให้เหตุผลอย่างต่อเนื่อง

การใช้งานจริงและผลกระทบ​

หลักฐานที่น่าสนใจที่สุดของมูลค่าของ Hebbia คือการนำไปใช้โดยฐานลูกค้าที่ชาญฉลาด บริษัทรายงานว่า 30% ของบริษัทจัดการสินทรัพย์ 50 อันดับแรกตาม AUM เป็นลูกค้าอยู่แล้ว บริษัทชั้นนำอย่าง Centerview Partners และ Charlesbank Capital รวมถึงสำนักงานกฎหมายขนาดใหญ่ กำลังรวม Hebbia เข้ากับเวิร์กโฟลว์หลักของพวกเขา

กรณีการใช้งานมีประสิทธิภาพ:

• ในช่วงวิกฤต SVB ปี 2023 ผู้จัดการสินทรัพย์ใช้ Hebbia เพื่อระบุความเสี่ยงต่อธนาคารภูมิภาคได้ทันที โดยการวิเคราะห์เอกสารพอร์ตโฟลิโอนับล้านหน้า
• บริษัทไพรเวทอิควิตี้ สร้าง "คลังข้อตกลง" เพื่อเปรียบเทียบโอกาสการลงทุนใหม่ๆ กับเงื่อนไขและผลการดำเนินงานของข้อตกลงที่ผ่านมาทั้งหมด
• สำนักงานกฎหมาย ดำเนินการตรวจสอบสถานะโดยให้ Hebbia อ่านสัญญาหลายพันฉบับเพื่อระบุข้อกำหนดที่ไม่เป็นไปตามมาตรฐาน ซึ่งให้ความได้เปรียบที่ขับเคลื่อนด้วยข้อมูลในการเจรจา

ผลตอบแทนจากการลงทุนมักจะเกิดขึ้นทันทีและมีนัยสำคัญ โดยผู้ใช้รายงานว่างานที่เคยใช้เวลาหลายชั่วโมง ตอนนี้เสร็จสิ้นในไม่กี่นาที ทำให้ได้ข้อมูลเชิงลึกที่ไม่เคยสามารถค้นพบได้มาก่อน

ผู้นำ, การระดมทุน และความได้เปรียบในการแข่งขัน​

Hebbia ก่อตั้งขึ้นในปี 2020 โดย George Sivulka ผู้ที่ลาออกจากหลักสูตรปริญญาเอก AI ของ Stanford โดยมีพื้นฐานด้านคณิตศาสตร์และฟิสิกส์ประยุกต์ วิสัยทัศน์ทางเทคนิคของเขา ผนวกกับทีมงานอดีตผู้เชี่ยวชาญด้านการเงินและกฎหมาย ได้สร้างผลิตภัณฑ์ที่เข้าใจเวิร์กโฟลว์ของผู้ใช้อย่างลึกซึ้ง

วิสัยทัศน์นี้ดึงดูดการสนับสนุนที่สำคัญ Hebbia ระดมทุนได้ประมาณ 161 ล้านดอลลาร์ โดยมีการระดมทุน Series B ล่าสุดนำโดย Andreessen Horowitz (a16z) และมีนักลงทุนที่มีชื่อเสียงเช่น Peter Thiel และอดีต CEO ของ Google Eric Schmidt ซึ่งทำให้มูลค่าของบริษัทอยู่ที่ประมาณ 700 ล้านดอลลาร์ เป็นข้อพิสูจน์ถึงความเชื่อมั่นของนักลงทุนในศักยภาพที่จะกำหนดหมวดหมู่ใหม่ของ AI ระดับองค์กร

ในขณะที่คู่แข่งอย่าง Glean มุ่งเน้นไปที่การค้นหาทั่วทั้งองค์กร และ Harvey กำหนดเป้าหมายงานเฉพาะด้านกฎหมาย Hebbia สร้างความแตกต่างด้วยการมุ่งเน้นไปที่เวิร์กโฟลว์การวิเคราะห์แบบครบวงจรหลายขั้นตอนที่สามารถนำไปใช้ได้กับหลายโดเมน แพลตฟอร์มของ Hebbia ไม่ใช่แค่สำหรับการค้นหาข้อมูล แต่สำหรับการผลิตผลงานการวิเคราะห์ที่มีโครงสร้าง

ข้อสรุป​

Hebbia เป็นบริษัทที่ควรค่าแก่การจับตามอง ด้วยการมุ่งเน้นไปที่ผลิตภัณฑ์ที่สะท้อนเวิร์กโฟลว์ที่เป็นระบบของนักวิเคราะห์มนุษย์ ซึ่งสมบูรณ์ด้วยผลลัพธ์ที่มีโครงสร้างและการอ้างอิงที่ตรวจสอบได้ ทำให้ Hebbia สร้างเครื่องมือที่มืออาชีพในสภาพแวดล้อมที่มีความเสี่ยงสูงยินดีที่จะไว้วางใจ ความสามารถของแพลตฟอร์มในการวิเคราะห์เชิงลึกข้ามเอกสารในวงกว้างเป็นก้าวสำคัญสู่การเติมเต็มคำมั่นสัญญาอันยาวนานของ AI ในองค์กร

แม้ว่าภูมิทัศน์ของ AI จะมีการเปลี่ยนแปลงอยู่ตลอดเวลา แต่การออกแบบที่เน้นเวิร์กโฟลว์อย่างรอบคอบของ Hebbia และการนำไปใช้ที่น่าประทับใจโดยบริษัทชั้นนำ ชี้ให้เห็นว่า Hebbia ได้สร้างความได้เปรียบที่ยั่งยืน มันอาจเป็นแพลตฟอร์มแรกที่ส่งมอบไม่เพียงแค่การช่วยเหลือด้วย AI แต่เป็นการวิเคราะห์ที่ขับเคลื่อนด้วย AI อย่างแท้จริง