Workday-მ Sana TypeSafe-ის Jev-ის გადაწყვეტილების მოდელით მთავარ ეკრანად აქცია

Sana მთავარ ეკრანად იქცა

Workday-მ სამშაბათს თავისი AI ასისტენტი Sana HR, ფინანსებისა და IT პროგრამების ახალ მთავარ ეკრანად აქცია. ინტერფეისი ადგილზე იქმნება და მას TypeSafe-ის გადაწყვეტილების მოდელი Jev მართავს. დემოში ხელფასის კითხვაზე ბარათი გამოჩნდა, თანხა კი დაწკაპუნების შემდეგ ჩანს; შვებულების მოთხოვნამ თარიღის ამრჩევი გამოიღო, დანარჩენი Sana-მ შეავსო. Workday-მ Sana შარშან 1,1 მილიარდ დოლარად იყიდა. ის ახლა ხელმისაწვდომია და ადმინებს შეუძლიათ დანერგონ ისე, რომ ნაგულისხმევად არ გახადონ.

კომპონენტების დაწერის ნაცვლად მათი არჩევა

Workday-ის AI ხელმძღვანელი და Sana-ს დამფუძნებელი ჯოელ ჰელერმარკი ამბობს, რომ გენერაციული ინტერფეისის ჩვეული მიდგომა, როცა მოდელი მთლიან ინტერფეისს აგენერირებს, „საკმაოდ ნელია“. მისი თქმით, დიზაინის კომპონენტების ამრჩევი კლასიფიკაციის მოდელი მყისიერად მუშაობს. Workday-მ Jev-ს დიზაინის სისტემის ყველა ატომური კომპონენტი მისცა და არჩევანის ლოგიკა არ ჩაწერა, თუმცა მონაცემების წინასწარ ჩატვირთვას მნიშვნელობა ჰქონდა. TypeSafe-ის თქმით, Jev 70-დან 500 მილიწამამდე პასუხობს. ჰელერმარკი ამბობს, რომ რეალური ინტერფეისის ელემენტები ხშირად სჯობს სუფთა ჩატს.

დანერგვა, შეზღუდვები და ადრეული ტესტები

TypeSafe-ის თქმით, დეველოპერები Jev-ს აპლიკაციის მონაცემებსა და ტიპიზირებულ კითხვებს უგზავნიან, ის კი 255-მდე ვარიანტიდან არჩევანს, ქულას ან დიახ/არა პასუხს აბრუნებს, თითოეულს ალბათობა ერთვის. ტექსტს ის არ აგენერირებს. OpenAI-მ, Amazon-მა, Cloudflare-მა, Perplexity-მ და Microsoft-მაც გამოუშვეს გადაწყვეტილების მოდელები. TypeSafe-მა Jev 15 სექტემბერს გამოუშვა, DCVC-ის ხელმძღვანელობით 40 მილიონი დოლარის seed რაუნდით. პარასკევს მან განაცხადა, რომ Andreessen Horowitz-ის ხელმძღვანელობით 870 მილიონი დოლარის Series A მოიზიდა, 7,5 მილიარდი დოლარის შეფასებით. TypeSafe-ის თქმით, Fortune 500-ის მესამედი იყენებს Jev-ს, თუმცა კომპანიებს არ ასახელებს; Andreessen Horowitz-ის განცხადებით ეს მაჩვენებელი 25%-ია.

მონაცემთა დამუშავება და Sana-მდე სხვა გზები

Workday-მ ცოტა ხნის წინ TypeSafe თავის ქვეპროცესორების სიაში დაამატა. ჩანაწერი მოიცავს Workday-ის ყველა პროდუქტს და არა მხოლოდ Sana-ს, ბუნებრივი ენის დამუშავების, მიზნის კლასიფიკაციისა და ნდობის ქულისთვის. TypeSafe-ის თქმით, Jev მხოლოდ მის ჰოსტინგის API-ზე მუშაობს, მონაცემებს აშშ-ში ამუშავებს და კორპორატიულ მომხმარებლებს ნულოვან შენახვას სთავაზობს. კინგმა სექტემბერში დაწერა, რომ კლიენტის მონაცემებს Jev-ს მიღმა ინახავდა, რადგან ვენდორი „რამდენიმე კვირის იყო და უსაფრთხოების სერტიფიკატი ჯერ არ ჰქონდა გამოქვეყნებული“. TypeSafe ახლა მოთხოვნისამებრ SOC 2 Type II-ის ანგარიშს გვთავაზობს. ჰელერმარკმა Sana Anthropic-ის Claude-შიც აჩვენა. Workday-ის პროდუქტისა და ტექნოლოგიების პრეზიდენტმა გერიტ კაცმაიერმა ამას AI-სა და AI-ს ინტეგრაცია უწოდა და თქვა, რომ მომხმარებლები კარგავენ Jev-ით მართულ ინტერფეისს და ნაწილობრივ კონტექსტს.

TypeSafe-ის დოკუმენტაციის თქმით, Jev-ს უჭირს დათვლა, არითმეტიკა და თარიღები, ის მიდრეკილია პირველ ჩამოთვლილი ვარიანტისკენ და ნაგულისხმევად ჩაშენებულ კონტენტს მტრულად არ განიხილავს. OpenRouter Banking77-ის ტესტში Jev-მა მედიანურად 175 მილიწამში უპასუხა, 81% სიზუსტით. Claude Opus 5-მა 84,4% დააგროვა, მაგრამ 2,3 წამი დასჭირდა და დაახლოებით 22-ჯერ მეტი დაჯდა. Very Good Ventures-ის ენდრიუ კინგმა დაწერა, რომ Jev-სთვის გაგზავნილმა დახურულმა კითხვებმა მისი გენერაციული დაფის რენდერის მედიანური დრო 29 წამიდან 3,8 წამამდე შეამცირა, სინთეზურ მონაცემებზე frontier მოდელთან შედარებით. 50%-ზე დაბალი ნდობის შემთხვევები ენის მოდელზე გადადის, კონსტრუქციას, რომელსაც მან „გისოსებიანი კარი“ უწოდა.

წყაროები: The New Stack