在2016年纽约TechCrunch Disrupt大会上，Siri原始开发者展示了AI平台Viv，承诺连接第三方应用执行任务。该愿景虽未完全实现，但其技术被三星收购并整合至Bixby语音助手。
六年后，产品实验室Adept宣布获得6500万美元融资，旨在构建通用智能以促进人机创造性协作。联合创始人David Luan、Niki Parmar及首席科学家Ashish Vaswani计划完善计算机“覆盖层”，使其能响应“生成月度合规报告”或“绘制蓝图楼梯”等指令，并通过Airtable、Photoshop、Tableau等现有软件执行操作。
Luan表示：“我们正在训练神经网络使用全球软件工具，基于人类已创造的庞大能力。通过Adept，用户可专注于喜爱的工作，将其他任务交由系统处理。我们期望该协作者善于学习且易于指导，随交互不断优化。”
Adept的技术类似机器人流程自动化（RPA），但团队强调其复杂度远超UiPath等现有方案。Luan指出：“文本模型擅长写作，却无法在数字世界采取行动（如订票、付款）。真正的通用智能需具备‘行动力’，而不仅是读写能力。”
DeepMind此前也提出“数据驱动”方法，通过观察人类键鼠操作训练AI控制电脑；Inflection AI同样致力于提升人机协作效率。Adept的核心优势在于汇聚了Transformer架构开创者Vaswani和Parmar等顶尖人才。自2017年以来，Transformer已成为自然语言处理首选架构，并被应用于GPT-3、BERT、AlphaFold等领域。
Luan曾在Google Brain负责大模型计划，他坦言特定领域模型存在局限，未来AI突破需解决人机协作核心问题。据Markets and Markets预测，业务流程自动化市场将从2020年的98亿美元增至2026年的196亿美元；Camunda调查显示，84%的组织因远程办公等因素计划增加自动化投资。
然而，研究员Mike Cook对Adept持审慎态度。他认为Transformer本质是序列预测，未必通向通用智能，可能仅适用于简单任务辅助。此外，Cook担忧训练数据问题：高质量“任务-描述”配对数据稀缺，DeepMind曾付费收集超240万次演示数据。人工创建的数据集不仅成本高昂，还可能限制系统深度与可扩展性。
尽管面临挑战，OpenAI InstructGPT等技术进步降低了多模态AI开发门槛。Adept团队还包括前Google基础设施负责人Kelsey Schroeder等专家。Luan强调：“我们的目标并非替代人类，而是构建以人为中心的AI工具，让人掌握主导权，腾出时间做更有价值的事。”
本轮融资由Greylock和Addition联合领投，Root Ventures参投。天使投资人包括Behance创始人Scott Belsky、Airtable创始人Howie Liu、Tesla Autopilot前负责人Andrej Karpathy等。