Los cofundadores de Stack AI, Antoni Rosinol y Bernardo Aceituno, eran estudiantes de doctorado en el MIT que finalizaban sus estudios en 2022, justo cuando los grandes modelos de lenguaje se estaban volviendo más comunes. ChatGPT se lanzaría al mundo a finales de año, pero incluso antes de eso, reconocieron un problema dentro de las empresas al combinar datos con modelos sin mucha experiencia y conocimiento, y querían cambiar eso.
Después de graduarse, se mudaron a San Francisco y se unieron al grupo Winter 23 en Y Combinator, donde lanzaron Pila y refinó su idea. Hoy, la empresa ha creado una herramienta de automatización del flujo de trabajo de bajo código diseñada para ayudar a las empresas a crear flujos de trabajo impulsados por IA, incluidos chatbots y asistentes de IA, por ejemplo. La empresa ha recaudado 3 millones de dólares hasta el momento.
“Nuestra plataforma permite a las personas crear flujos de trabajo que requieren conectar diferentes herramientas para trabajar juntas. Nos centramos en conectar fuentes de datos y LLM, ya que hacerlo le permite crear potentes automatizaciones de flujo de trabajo. También ofrecemos muchas otras herramientas y funciones para automatizar procesos comerciales complejos”, dijo Aceituno a TechCrunch. Solo han tenido un producto funcional durante seis meses, pero ya informan que más de 200 clientes lo utilizan.
Básicamente, eso implica arrastrar componentes a un lienzo de flujo de trabajo. Por lo general, eso incluye una fuente de datos como Google Drive y un LLM junto con otros componentes del flujo de trabajo, como un componente de activación o un componente de acción para construir el flujo de trabajo, lo que permite al cliente crear programas generativos de IA sin mucha codificación. La codificación en sí no está impulsada por la IA, pero las tareas en el flujo de trabajo a menudo sí lo están, y podrían requerir algo de codificación manual para que el flujo de trabajo funcione sin problemas.
Algunos de sus primeros clientes se encuentran en la industria de la salud, y Aceituno reconoce que deben tener cuidado con las aplicaciones que involucran a médicos y pacientes, especialmente cuando las fuentes de datos internas no siempre son confiables o pueden contener información contradictoria u obsoleta.
En esos casos, dice, es importante confiar en el experto humano, el médico, para tomar la decisión sobre la calidad de la respuesta. Como otro nivel de protección, incluyen citas de fuentes en cada respuesta, para que el profesional de la salud pueda verificar la fuente antes de aceptar la respuesta.
“Dicho esto, es cierto que puedes poner basura y entonces las citaciones también serán basura y por eso se requiere que estos asistentes no se apoderen del proceso por completo”, dijo.
Rosinol, que viene directamente del MIT y lanzó una startup, dice que ir a YC realmente les ayudó a comprender el lado comercial de las cosas y cómo perfeccionar su idea de startup trabajando con los clientes.
“Comenzamos con una versión inicial de esta API, que estaba mucho más centrada en los desarrolladores. Y comenzamos con algunos clientes con la idea de que queríamos usar IA para automatizar las respuestas a RFP o automatizar las ventas. Y al trabajar con los clientes, se hizo muy evidente que el verdadero desafío no estaba en entrenar un modelo, sino en consultar y conectar de manera efectiva fuentes de datos a estos modelos de lenguaje”.
La empresa cuenta actualmente con seis empleados, pero está contratando ingenieros y profesionales de ventas y marketing.
La inversión de 3 millones de dólares se cerró hace aproximadamente un año. Los inversores incluyen Gradient Ventures, Beat Ventures y True Capital junto con LambdaLabs, Y Combinator, Soma Capital y Epakon Capital.
