Agar Kecerdasan Buatan Berinteraksi dengan Data Perusahaan

SEPERTI kolaborasi Intel dan Microsoft yang melahirkan PC, di era Generative AI (GenAI), teknologi Large Language Model (LLM) membutuhkan sistem operasi agar dapat mendorong perubahan signifikan. Keyakinan inilah yang mendorong Dheeraj Pandey, pendiri Nutanix, untuk membangun DevRev.ai.
 
Bersama Manoj Agarwal, ia merintis DevRev sebagai platform yang mempermudah penerapan LLM di perusahaan dengan mengubah LLM menjadi alat yang benar-benar bermanfaat bagi organisasi. Visi ini telah membawa DevRev mencapai status unicorn hanya dalam tiga tahun, menjadikannya salah satu perusahaan AI (artificial intelligence/kecerdasan buatan) tercepat yang meraih pencapaian tersebut.

DevRev berfokus pada pembangunan conversational AI yang dapat berinteraksi dengan data perusahaan. Kemampuan utamanya mencakup: 

• Search: Memungkinkan pencarian data internal perusahaan (terstruktur maupun tidak terstruktur) dari berbagai lokasi, mirip dengan Google Search untuk konten web. 
• Reasoning: Mampu memahami dan merangkai berbagai potongan informasi menjadi pengetahuan yang utuh, memastikan agent AI memberikan jawaban akurat. 
• Workflow: Memungkinkan agen AI mengotomatisasi tugas-tugas yang sebelumnya membutuhkan intervensi manusia.

DevRev menyediakan AI agent siap pakai seperti untuk customer experience, employee experience, dan developer experience. Contohnya, AI agent customer experience dapat merespons keluhan pelanggan, mengakses database terkait, memberikan jawaban, dan bahkan mendeteksi masalah umum untuk diteruskan ke tim developer. Perusahaan juga dapat membangun AI agent kustom sesuai kebutuhan spesifik mereka.

Untuk mencapai fungsionalitas canggih ini, DevRev mengembangkan teknologi paten bernama Airdrop dan Knowledge Graph. Airdrop berfungsi mengumpulkan dan menyatukan data dari berbagai lokasi dan format yang tersebar di sistem legacy perusahaan. Knowledge Graph bertindak sebagai pusat pikiran yang mengorganisasi dan memahami semua informasi terkumpul menggunakan LLM, merangkainya menjadi pengetahuan kohesif. (I-2)