Los cofundadores de Stack AI, Antoni Rosinol y Bernardo Aceituno, eran estudiantes de doctorado en el MIT que estaban terminando sus estudios en 2022 justo cuando los grandes modelos de lenguaje se estaban volviendo más comunes. ChatGPT se lanzaría al mundo al final del año, pero incluso antes de eso, reconocieron un problema dentro de las empresas que reunían datos con modelos sin mucha experiencia ni conocimiento, y querían cambiar eso.

Después de graduarse, se mudaron a San Francisco y se unieron a la cohorte de Invierno del 23 en Y Combinator, donde lanzaron Stack y refinaron su idea. Hoy en día, la empresa ha construido una herramienta de automatización de flujos de trabajo de baja codificación diseñada para ayudar a las empresas a construir flujos de trabajo impulsados por IA, incluidos chatbots y asistentes de IA, por ejemplo. La empresa ha recaudado hasta ahora $3 millones.

“Nuestra plataforma permite a las personas construir flujos de trabajo que requieren conectar diferentes herramientas para que trabajen juntas. Nos enfocamos en conectar fuentes de datos y LLMs, ya que hacerlo te permite construir automatizaciones de flujos de trabajo poderosas. También ofrecemos muchas otras herramientas y funciones para automatizar procesos comerciales complejos,” dijo Aceituno a TechCrunch. Solo tienen un producto funcional desde hace seis meses, pero ya reportan que más de 200 clientes utilizan el producto.

Esencialmente, eso implica arrastrar componentes a un lienzo de flujo de trabajo. Eso incluye típicamente una fuente de datos como Google Drive y un LLM junto con otros componentes de flujo de trabajo como un componente de disparo o un componente de acción para construir el flujo de trabajo, permitiendo al cliente crear programas de IA generativos sin mucha codificación. La codificación en sí misma no está impulsada por IA, pero las tareas en el flujo de trabajo a menudo sí lo están, y podrían requerir algo de codificación manual para que el flujo de trabajo funcione sin problemas.

Algunos de sus primeros clientes están en la industria de la salud, y Aceituno reconoce que deben tener cuidado con aplicaciones que involucran a médicos y pacientes, especialmente cuando las fuentes de datos internas no siempre son confiables o podrían contener información contradictoria u obsoleta.

En esos casos, dice, es importante confiar en el experto humano, el médico, para evaluar la calidad de la respuesta. Como otro nivel de protección, incluyen citas de origen en cada respuesta, para que el profesional de la salud pueda verificar la fuente antes de aceptar la respuesta.

“Dicho esto, es cierto que puedes introducir basura y entonces las citas también serán basura y es por eso que es necesario que estos asistentes no se hagan cargo del proceso por completo,” dijo.

Al venir directamente del MIT y lanzar una startup, Rosinol dice que ir a YC realmente los ayudó a entender el lado comercial de las cosas y cómo refinar su idea de startup trabajando con clientes.

“Comenzamos con una versión inicial de esta API, que estaba mucho más enfocada en los desarrolladores. Y comenzamos con algunos clientes con la idea de que queríamos usar IA para automatizar respuestas a solicitudes de propuestas o automatizar ventas. Y al trabajar con los clientes, quedó muy claro que el verdadero desafío no estaba en entrenar un modelo, sino en realizar consultas y conectar de manera efectiva las fuentes de datos a estos modelos de lenguaje.”

Actualmente, la empresa tiene seis empleados, pero está contratando ingenieros y profesionales de ventas y marketing.

La inversión de $3 millones se cerró hace aproximadamente un año. Los inversores incluyen Gradient Ventures, Beat Ventures y True Capital, junto con Lambda Labs, Y Combinator, Soma Capital y Epakon Capital.