Celonis这家估值达130亿美元的德国流程挖掘初创公司正采取多样化的AI策略。与许多企业软件公司一样，它多年来一直在使用机器学习模型，但随着生成式AI的兴起，它正在增加一个Copilot功能，该功能于本周举行的公司客户大会Celosphere上宣布推出。
该公司帮助客户了解工作如何在公司的不同流程中流转，利用软件发现流程中的低效环节，这传统上由高收费的咨询公司完成。去年，它推出了一项新功能，允许客户通过以地铁线路图风格显示多个流程来查看它们。
Celonis Copilot：基于OpenAI API构建
今年，随着生成式AI的兴起，他们推出了Celonis Copilot，这是一个位于地铁地图旁边的功能，允许用户就所见内容提问。
公司首席执行官兼联合创始人Alexander Rinke表示，该公司基于OpenAI API构建了Copilot。这一想法他们已考虑了一段时间，最早可追溯到GPT-2时代，但当今年生成式AI真正爆发时，他们决定将其整合到产品中。
“这需要大量的编排工作，以及合适的输入、提示和向量数据库处理。所以这并不像想象中那么容易，但我们确实加速了在该领域的投资，因为我们真切地看到了其潜力。”Rinke对TechCrunch表示。
多管齐下解决数据标准化难题
除了Copilot，该公司还致力于帮助客户将Celonis中的数据使其在公司内部的大语言模型中可用，同时使其他第三方合作伙伴或客户更容易在存储在Celonis平台上的流程数据之上构建应用程序。他们并未试图提供大语言模型（LLM），而是专注于如何处理Celonis内部跟踪的各种数据类型，这对大语言模型来说可能具有挑战性，尤其是当每个客户可能对同一类流程元素有不同的描述方式时。
这是一个复杂的问题，因此公司决定采取多管齐下的方法来解决。首先，他们为客户提供了一种标准和结构化的方式来处理Celonis内部的数据，即他们所谓的“流程数据模型”。
“我们推出了这个流程数据模型，以便客户可以将所有流程和场景在一个视图中组合起来，从而自然形成关联。”他说。这应该会使大语言模型更容易理解这些数据，因为它们被整合为一个单一实体。
第二个方面涉及定义流程的不同元素，例如发票的“准时”或“延迟”具体指什么。“我们将过去多年积累的所有知识用于定义这些业务术语。”他说。
然后在此基础上有一个完整的API层，用于向Celonis生态系统暴露这些数据，以便在其之上构建应用程序，或将数据暴露给大语言模型。
构建“流程智能图谱”赋能生态
然而，生态系统的力量来自于将流程数据模型与流程定义词典相结合，构建他们所称的“流程智能图谱”，从而揭示不同类型数据之间的连接。
“我们正在这样做，以在一个互联的产品中，跨系统和部门结构化企业的流程智能。”他说。
“基本上，它为你提供了一套通用的语言来描述公司内部的流程，并且完全独立于底层系统。这确实能为客户创造更多价值，缩短实现价值的时间，并为我们构建网络和平台奠定基础。”他说。
这也使得客户或第三方合作伙伴更容易在自己的大型语言模型实现中使用这些数据。
这些产品目前主要处于私有发布阶段，因为它们正在完善并与客户进行测试，但预计将在明年某个时间正式发布。
Celonis已筹集24亿美元，据Crunchbase数据显示，并在估值为130亿美元时于2022年10月完成了10亿美元的融资。