Adept AIは、生成人工知能企業であり、2022年に2回の重要な資金調達ラウンドを完了し、合計4億1500万ドルのベンチャーキャピタルを確保した。このラウンドは、6500万ドルのシリーズAと3億5000万ドルのシリーズBで構成され、このスタートアップをAI駆動型ワークフロー自動化の新興分野における主要プレイヤーとして位置付けた。同社は、ソフトウェアインターフェース全体で複雑なユーザーコマンドを解釈し実行できる大規模言語モデルの開発に焦点を当てており、純粋に会話型のAIとは一線を画している。
この資金調達には著名な投資家が参加し、応用AIへの関心の高まりを浮き彫りにした。シリーズAおよびシリーズBのラウンドは、生成AIセクターが急速に成長していた時期に発表され、基盤モデルとその実用的応用に取り組むスタートアップへの多額の資本流入が見られた。Adept AIのアプローチは、テキストを生成するだけでなくデジタルツール上で行動できるモデルの構築を重視しており、多くの同時代のベンチャー企業とは異なっていた。
設立とチーム
Adept AIは2022年に、Google DeepMindやOpenAIなどの主要AI組織の元研究者チームによって設立された。創業者には、Google DeepMindでロボティクスと機械学習に携わっていたAshish Kumar、およびOpenAIの元エンジニアであるDavid Luanが含まれていた。チームには、Deep learningとNeural networkアーキテクチャの専門知識を持つ他の研究者も複数参加しており、その多くがTransformer (architecture)モデルとLarge language modelトレーニングの基礎的研究に貢献していた。創業グループの集合的経験は、同社が初期段階の投資を引き付ける上での重要な要素であった。
Adept AIの中核となる技術ビジョンは、人間と同じようにソフトウェアを使用できるAIシステムを構築することに集中しており、ユーザーの指示を読み取り、行動を実行することを通じて実現される。これには、Sequence-to-Sequence (Seq2Seq)モデリング、Multi-Head Attention、自然言語理解とプログラム的実行の統合などの分野での進歩が必要であった。初期のチーム規模は小規模に保たれ、研究生産性とモデルプロトタイプの迅速な反復に焦点が置かれた。
シリーズA資金調達
2022年初頭、Adept AIは6500万ドルのシリーズA資金調達ラウンドを発表した。このラウンドは著名なベンチャーキャピタル企業が主導し、戦略的投資家も参加した。この資金は、研究人材の採用と同社独自モデルの初期開発を支援することを目的としていた。シリーズAは会社設立から数ヶ月以内に完了し、チームの経歴と提案された技術の商業的可能性に対する投資家の強い信頼を反映していた。
シリーズAの評価額の詳細は公表されなかったが、このラウンドは応用AIへの関心の高まりを示す指標として、テクノロジーおよびビジネスメディアで広く報じられた。資金は主に、大規模モデルのトレーニングに不可欠な計算リソースと、研究チームの拡大に割り当てられた。この段階では、Adept AIはまだ公開製品をリリースしていなかったが、その研究進捗は支援者によって有望と見なされていた。
シリーズB資金調達
2022年後半、Adept AIは3億5000万ドルのシリーズBラウンドを調達し、その年の総資金調達額は4億1500万ドルとなった。このより大規模なラウンドは、著名なテクノロジー投資家のコンソーシアムが主導し、既存の支援者に加えて新たな機関投資家も参加した。シリーズBラウンドでは、同社の評価額は約10億ドルとなり、わずか数四半期の運営でユニコーン企業としての地位を獲得した。
この資金調達は、AnthropicやInflection AIなどの競合他社を含むGenerative AI企業への投資が急増した時期と重なった。Adept AIのコンテンツ生成ではなく行動指向型AIへの差別化された焦点は、注目すべき売りポイントであった。同社はシリーズBの収益を使用してモデルトレーニングインフラを拡張し、特にソフトウェア自動化やカスタマーサービスなどの分野でのエンタープライズアプリケーションに関する探索的作業を開始した。
シリーズBの発表では、同社のパートナーシップと技術的協力も強調されたが、具体的な商業契約は当時公に詳細化されていなかった。この投資は、ベンチャーキャピタル市場がAI駆動型生産性ツールの未来に対する大規模な賭けを支援する用意があることを示していた。
技術的アプローチ
Adept AIの研究プログラムは、デジタル環境で多段階タスクを実行できるモデルの開発に集中していた。これには、自然言語の指示と対応する行動シーケンス（ボタンのクリック、フォームの記入、メニューのナビゲーションなど）をペアにした大規模データセットでのトレーニングが含まれていた。基盤となるアーキテクチャは、Encoder-Decoder ArchitectureフレームワークとCross-Attentionメカニズムを活用して、テキストコマンドとソフトウェアインターフェースの視覚的および機能的要素を整合させた。
同社の作業は、チャットボットを動かすような純粋に言語的なモデルとは異なり、ソフトウェアシステムによって解釈できる構造化出力をモデルが生成する必要があった。Beam SearchやTop-P (Nucleus) Samplingなどの技術が行動シーケンスの生成のために探求され、Model PruningやBatch Normalizationがトレーニング効率の最適化に使用された。チームはまた、利用可能な限られた注釈付き行動データを拡張するためのData Augmentation手法にも投資した。
Adept AIの研究貢献は学術論文や会議発表を通じて共有されたが、主要な結果はしばしば独自のものとして保持された。同社のアプローチは、Reinforcement learningやCurriculum Learningにおける初期の研究から着想を得ていたが、公開された詳細は乏しかった。2022年末までに、Adept AIは、自然言語プロンプトに基づいてフライト予約やメールの再整理などの単純なウェブベースのタスクを実行できる初期プロトタイプを実証していた。
市場状況と競合他社
資金調達ラウンドは、Artificial intelligenceの研究と商業化における激化する競争を背景に行われた。2022年には、OpenAIが主流の注目を集めたGPTモデルの初期バージョンをリリースし、Google DeepMindはDeep learningとAlphaFoldでのブレークスルーを追求していた。Adept AIは、消費者向けチャットボットではなく企業の味方として自らを位置付け、既存ツール内でのワークフロー自動化に焦点を当てた。
行動指向型AI分野の競合他社には、AI21 LabsなどのスタートアップやMicrosoftなどの既存プレイヤーが含まれていたが、2022年末までに完全に運用可能な製品を持っていた企業はほとんどなかった。同社の実用的有用性への強調は、純粋に生成的なチャットインターフェースの収益化の可能性に慎重な投資家に響いた。Adept AIの技術ロードマップはまた、Positional EncodingやLayer Normalizationの進歩から恩恵を受け、モデルのスケーラビリティと安定性が向上した。
Amazon Web ServicesやAzureなどのAIインフラプロバイダーのより広範なエコシステムは、大規模モデルのトレーニングに必要な計算リソースを提供したが、Adept AIは好みのクラウドプロバイダーを公に開示しなかった。同社の成功は、専門ハードウェアへのアクセス能力に部分的に依存しており、この要因が調達資本の配分に影響を与えた。
リーダーシップとガバナンス
Adept AIのリーダーシップチームは、技術的専門知識と運営経験を組み合わせていた。最高経営責任者であるDavid Luanは、以前にOpenAIで役職を歴任し、大規模モデルトレーニングに関する作業で知られていた。主要な技術アーキテクトを務めるAshish Kumarは、Google DeepMindでのロボティクス研究とNeural network設計に貢献していた。創業チームには、Machine learning理論とソフトウェアエンジニアリングの経験を持つ個人も含まれていたが、共同創業者以外の具体的な役員職は広く公表されなかった。
同社は、学者や業界のベテランを含む諮問委員会を設立したが、名前は正式に発表されなかった。ガバナンス慣行は、研究マイルストーンの透明性と投資家への定期的な更新を強調していた。2022年末までに、Adept AIは50人未満を雇用しており、上級研究者とエンジニアの比率を高く維持するという意図的な戦略を反映していた。
影響と評価
資金調達ラウンドにより、Adept AIはその時代で最も資金が豊富な初期段階のAI企業の1つとして位置付けられた。業界アナリストは、同社の行動指向型モデルへの焦点が新しいソフトウェアカテゴリを開拓し、手動データ入力や反復タスクの必要性を減らす可能性があると指摘した。しかし、一部の専門家は、人間とコンピュータの相互作用の複雑さを考えると、実世界環境での信頼性の高い多段階タスク実行の技術的実現可能性について懐疑的な見解を示した。
学術評論家は同社の野心を賞賛したが、エラーハンドリングや未見のインターフェースへのモデルの一般化などの問題を含む、重大な課題が残っていると指摘した。Machine learningコミュニティ内での受け止めは賛否両論であり、一部はAdept AIを有望な取り組みと見なし、他は公開されたベンチマーク結果の欠如を強調した。それにもかかわらず、多額の資金により、同社は研究職の積極的な採用と独自のトレーニングデータセットへの投資を追求することができた。
2022年末までに、Adept AIはまだ商業製品をリリースしていなかったが、シリーズBラウンドはその長期的な軌道への自信を示していた。同社の進捗はGenerative AI分野の観察者によって密接に追跡され、その後の年に予定された製品リリースは、初期の成功の根底にある仮説を検証することになるだろう。2022年の資金調達ラウンドは、AIスタートアップの急速なスケーリングとこの分野の競争力学における注目すべきケーススタディとして残っている。