Por Canuto  

Coworker.ai presentó OM2, una capa de memoria organizacional que conecta datos de más de 50 plataformas y afirma reducir nueve veces el costo de la IA empresarial.
***

  • OM2 convierte documentos, conversaciones y registros corporativos en hechos estructurados que pueden reutilizarse entre consultas.
  • La empresa afirma que su sistema hace que la IA sea 9 veces más barata, acelera las respuestas 64% y obtiene la preferencia de los usuarios por su calidad el 84,5% de las veces.
  • La plataforma incorpora una memoria sensible a los permisos y declara cumplir con SOC 2 Type II, GDPR y CASA Tier 2.

 

La startup Coworker.ai presentó OM2, una capa de memoria organizacional diseñada para que los sistemas de inteligencia artificial consulten el conocimiento empresarial sin reconstruir todo el contexto en cada interacción. La compañía sostiene que su plataforma ingiere información de más de 50 herramientas corporativas y la transforma en hechos estructurados, reutilizables y vinculados a permisos de acceso.

El objetivo declarado es atacar uno de los costos menos visibles de la IA empresarial: el uso repetitivo de tokens para recuperar y volver a procesar documentos, conversaciones y registros internos. Según Coworker.ai y The Next Web, OM2 puede hacer que la IA empresarial sea nueve veces más barata, acelerar los tiempos de respuesta en 64% y producir respuestas que los usuarios prefieren por su calidad el 84,5% de las veces.

Estas cifras corresponden a afirmaciones de la propia empresa. La información divulgada sobre el lanzamiento no presenta una validación independiente de esos resultados, por lo que deben interpretarse como métricas comerciales de Coworker.ai y no como un resultado garantizado para cualquier implementación.

La propuesta llega en un momento en que las empresas experimentan con agentes capaces de responder preguntas internas, analizar operaciones y ejecutar tareas entre varias aplicaciones. En lugar de depender únicamente de ventanas de contexto cada vez más extensas, la startup plantea que una memoria institucional persistente podría hacer que esos agentes sean más eficientes, económicos y seguros.

Una memoria para evitar la reconstrucción constante

En muchos despliegues empresariales, un agente de IA comienza cada consulta con información limitada sobre la organización. Para responder, debe localizar documentos, revisar hilos de Slack, consultar registros de CRM y reunir grandes fragmentos de texto antes de generar una conclusión, un proceso que puede consumir una parte considerable del presupuesto destinado a tokens.

La lógica de OM2 busca reemplazar esa recuperación basada principalmente en documentos por una representación más detallada de los hechos corporativos. Cuando ocurre una venta en Salesforce, se comunica un cambio de producto en Slack o se registra una decisión estratégica en una reunión, el sistema extrae los elementos relevantes y los relaciona con las personas, cuentas y decisiones involucradas.

Ese procesamiento pretende evitar que el modelo tenga que deducir nuevamente el contexto cada vez que recibe una pregunta similar. Coworker.ai describe OM2 como un grafo neuronal que proporciona a la IA una memoria continua y sensible a los permisos, donde los hechos pueden reutilizarse entre sesiones sin enviar de nuevo todos los documentos originales al modelo.

La diferencia es importante porque el tamaño de una ventana de contexto no equivale necesariamente a una comprensión permanente de la empresa. Un sistema puede aceptar más texto en un prompt, pero todavía necesitará recuperar, ordenar y analizar esa información repetidamente; OM2 intenta trasladar parte de ese trabajo a una capa previa de memoria estructurada.

La promesa de reducir tokens y costos

Coworker.ai afirma que la reutilización de los hechos precalculados explica por qué OM2 hace que la IA empresarial sea nueve veces más barata. La startup también atribuye a la capa una mejora de 64% en los tiempos de respuesta y señala que sus respuestas fueron preferidas por su calidad el 84,5% de las veces.

La plataforma combina esa capa de memoria con un motor de enrutamiento de modelos, cuyo propósito es seleccionar distintos sistemas según la dificultad de cada tarea. Las consultas sencillas de recuperación de datos pueden dirigirse a modelos más baratos y rápidos, mientras que los casos que requieren razonamiento complejo se reservan para modelos de mayor capacidad.

La combinación entre contexto precalculado y selección dinámica de modelos busca reducir tanto el volumen de información enviado a los modelos como el costo de emplear sistemas más avanzados en tareas que no los necesitan. El ahorro real dependerá de cómo se utilice la plataforma, de los modelos elegidos y del volumen de información consultada.

El planteamiento también cuestiona el incentivo de utilizar un único modelo para todas las tareas empresariales. Alex Calder, cofundador y director ejecutivo de Coworker.ai, afirmó que la compañía no busca aumentar el consumo de tokens, sino ayudar a sus clientes a utilizar menos mediante una comprensión continua de sus operaciones.

Conexión entre herramientas y soberanía de datos

OM2 está diseñada para funcionar como una capa independiente del proveedor de modelos, en lugar de encerrar el conocimiento institucional dentro de un solo ecosistema. La empresa señala que puede conectarse con más de 50 integraciones corporativas, entre ellas Salesforce, Slack, Jira, Google Drive, HubSpot, Confluence, Notion, Gong y transcripciones de Zoom.

Esta arquitectura busca dar a las organizaciones mayor flexibilidad para cambiar de modelo o combinar varios sistemas según sus necesidades. La memoria estructurada permanece como una capa de inteligencia corporativa, mientras que el modelo utilizado para responder puede variar de acuerdo con el costo, la velocidad o la capacidad de razonamiento requerida.

La seguridad representa una parte central de la propuesta porque el valor de una memoria empresarial depende también de quién puede consultar cada dato. Coworker.ai presenta OM2 como una memoria con reconocimiento continuo de permisos, de modo que el acceso de usuarios y agentes pueda limitarse según las autorizaciones configuradas en las fuentes corporativas.

La compañía declara que su plataforma cuenta con SOC 2 Type II y cumple con GDPR y CASA Tier 2. Estas referencias describen compromisos de control, privacidad y seguridad, aunque no eliminan la necesidad de que cada empresa evalúe la configuración de permisos, la gobernanza de sus datos y los riesgos asociados con sus integraciones.

Primeros usos y próximos desafíos

Entre los primeros usuarios mencionados aparece RapidSOS, donde el equipo de Revenue Operations debía cruzar manualmente registros de Salesforce con comunicaciones distribuidas en distintos sistemas. Anna Waring, directora de Revenue Operations y Sistemas de la empresa, afirmó que ahora la respuesta está disponible y actualizada cuando el equipo realiza una consulta.

El caso ilustra uno de los problemas que las capas de memoria organizacional intentan resolver: la información relevante suele existir, pero permanece fragmentada entre departamentos y aplicaciones. Un agente que pueda relacionar esos datos tendría más posibilidades de entregar una respuesta útil sin obligar a los empleados a realizar búsquedas paralelas y verificar cada registro de forma manual.

Sin embargo, una memoria corporativa también debe enfrentar desafíos operativos que van más allá del consumo de tokens. Los datos pueden estar incompletos, desactualizados o en conflicto entre sistemas, y una extracción automática de hechos podría propagar errores si la organización no establece mecanismos para revisar, corregir y eliminar información.

La startup está respaldada por inversores de Silicon Valley como Ramtin Naimi y Jeff Huber, antiguo vicepresidente sénior de Google, según la información divulgada sobre el lanzamiento. Su apuesta consiste en demostrar que el avance de la IA empresarial no depende únicamente de modelos más grandes, sino también de una memoria mejor organizada, reutilizable y sometida a controles de acceso.

El éxito de OM2 dependerá de si las empresas confirman en la práctica los ahorros anunciados y de si la plataforma mantiene la precisión al conectar fuentes muy distintas. Por ahora, Coworker.ai presenta su producto como una alternativa al uso intensivo de contexto en cada consulta, con la promesa de convertir el conocimiento disperso de una organización en una infraestructura permanente para sus agentes de IA.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados