La startup di Monaco Interloom ha annunciato un nuovo round di finanziamento da 16,5 milioni di dollari per sviluppare la sua piattaforma di automazione dei processi aziendali basata sull’intelligenza artificiale. Il round è guidato da DN Capital, con la partecipazione di Bek Ventures e dell’investitore esistente Air Street Capital. La società aveva precedentemente annunciato un seed round da 3 milioni di dollari nel marzo 2024. L’obiettivo dichiarato di Interloom è affrontare il problema della cosiddetta ‘conoscenza tacita’, quella parte di expertise professionale che non è mai formalmente documentata. La notizia è stata riportata da Fortune.
L’impatto pratico di questa tecnologia riguarda direttamente l’automazione di flussi di lavoro complessi e la formazione del personale. Fabian Jakobi, fondatore e CEO di Interloom, stima che circa il 70% delle decisioni operative non sia mai stato formalmente documentato. La piattaforma di Interloom analizza milioni di record operativi, come email di supporto, ticket di servizio, trascrizioni di chiamate e ordini di lavoro, per costruire un ‘grafo contestuale’. Questo grafo è una mappa in continuo aggiornamento di come i problemi vengono effettivamente risolti all’interno di un’organizzazione. L’approccio è paragonabile a quello di Google Maps per il traffico: invece di tracciare strade, traccia i percorsi che gli esperti interni utilizzano per risolvere problemi. Queste mappe possono poi guidare sia agenti AI automatizzati che nuovi dipendenti. Interloom ha già implementato il suo software in grandi aziende europee. Presso Commerzbank, l’analisi di milioni di email di supporto clienti ha rivelato che gran parte della documentazione interna era conflittuale o incompleta. La società afferma di aver ridotto il divario tra conoscenza operativa documentata e reale da circa il 50% al 5%. Altre implementazioni sono attive in Volkswagen, per la gestione dei ticket di supporto, e in Zurich Insurance.
La fonte originale non menziona esplicitamente rischi o limiti. Tuttavia, è possibile inferire alcune criticità. La qualità e la rappresentatività dei dati di input sono fondamentali: se i record operativi analizzati sono parziali o distorti, il ‘grafo contestuale’ risultante potrebbe codificare e automatizzare pratiche inefficienti o errate. Esiste un rischio di overfitting ai processi specifici di un’organizzazione, limitando la generalizzabilità della soluzione. Inoltre, il processo di estrazione della conoscenza tacita da dati non strutturati è intrinsecamente complesso e soggetto a errori di interpretazione da parte dei modelli di linguaggio. Un altro aspetto da considerare è la dipendenza da dati operativi sensibili, che solleva questioni di privacy e sicurezza informatica, specialmente in settori altamente regolamentati come quello bancario e assicurativo.
Questa notizia si inserisce nel trend più ampio dello sviluppo di agenti AI capaci di eseguire compiti complessi e multi-step, andando oltre le semplici interazioni di chat. L’approccio di Interloom rappresenta un tentativo di colmare uno dei gap più significativi in questo campo: la mancanza di conoscenza contestuale e procedurale dettagliata necessaria per operare all’interno di ambienti aziendali reali. Lo sviluppo futuro plausibile vedrà un’integrazione più stretta tra queste mappe di conoscenza operativa e modelli di linguaggio di grandi dimensioni, per creare agenti più autonomi e capaci di adattarsi. Resta aperta la questione di come scalare e mantenere aggiornate queste mappe in organizzazioni in rapida evoluzione, e di come validare in modo sistematico che le procedure ‘apprese’ siano non solo efficaci ma anche conformi a normative e policy aziendali. La domanda per i professionisti del settore è se la mappatura della conoscenza tacita possa diventare un asset strategico standardizzato, o rimarrà un esercizio altamente personalizzato e costoso per ogni organizzazione.
Alessio Baronti
Consulente Strategico AI & Sviluppatore Web
