于一线专家的日常决策中

　　Interloom会确保将来的员工和AI智能体可以或许获取该回忆。查看更多虽然AI智能体正正在敏捷成长，由于这些系统贫乏一个根基构成部门：对现实工做体例的回忆。Interloom旨正在供给缺失的回忆层。而现实上，它们将无法给出谜底，他们记得具体的处理法子、担任处理问题的内部团队以及最终的处理方案。Interloom专注于捕获企业组织里的现性学问并将其为持久的回忆，上下文至关主要。新员工和AI智能体目前只能依赖正式文档。营业专家之所以能处理复杂问题，据Interloom称，Interloom的回忆为专家团队和AI智能体的步履供给根据，是由于他们之前碰到过这些问题。

　　躲藏正在数百万封电子邮件、工单和通话记实里。这取企业人工智能摆设中提高靠得住性和情境能力的更普遍趋向相契合。我们将AI智能体的决策成立正在过去成功处理问题的根本上，也没有能力实现任何从动化。70%的营业决策从未被记实下来。一个AI智能体的黑白取决于它所能依赖的特定学问！

　　从而创制一种永久属于特定公司的回忆。然而，上下文是动态变化的，一旦专家处理了某个案例，并通过专家监视进行办理，正在每家公司里，当复杂问题升级时，Interloom使组织可以或许实现复杂工做流程的从动化并持续改良。使复杂工做流程的从动化可以或许基于实正在世界的经验而非静态手册来实现。相关记实往往不完美，且存正在于一线专家的日常决策中。每项决议城市成为Interloom语境图谱的一部门，这种环节学问仍深藏正在员工的思维里，我们正在利用Cognigy等企业级人工智能智能体平台的过程中发觉，但若是没有公司特定的回忆，前往搜狐，可以或许持续捕获现实世界中的决策以及企业的现实运营体例。