Skan AI recauda $63 millones para observar cómo trabajan realmente los empleados de oficina y luego construir agentes que los imiten.

      Skan AI anunció $63 millones en financiamiento el miércoles, co-liderado por Cathay Innovation y Dell Technologies Capital. Lo que el dinero está comprando no es un modelo. Es un registro de cómo las personas en grandes empresas realmente hacen su trabajo. Skan construye ese registro observándolos trabajar.

      Avinash Misra, el cofundador y director ejecutivo, recurrió a una metáfora. Todos están persiguiendo el modelo, argumentó, cuando el problema más difícil está en otro lugar. “Todos están obsesionados con construir un mejor coche”, dijo. “Nosotros pensamos que la mayor oportunidad es construir un mejor sistema de navegación.”

      Lo que el software realmente observa

      La mecánica importa más que la metáfora. Skan coloca software en los escritorios de los empleados y toma capturas de pantalla. Esas imágenes se leen en la máquina y permanecen allí. “Solo se transmite a la plataforma de análisis metadatos anonimizados y abstractos”, dice la empresa en su guía de privacidad.

      Lo que sale es una lista en lugar de una grabación. Uso de aplicaciones y patrones de cambio. Asignación de tiempo por proceso, más secuencias de flujo de trabajo y caminos de decisión. Skan intercambia identificadores de empleados por tokens antes de que cualquiera de ellos vaya a algún lugar. La página de seguridad de Skan dice que los mensajes personales y las contraseñas nunca son capturados.

      Los números son grandes y todos son propios de Skan

      La empresa dice que los ingresos crecieron más del 300% año tras año. La retención neta de dólares promedia el 150%. Ha procesado más de 25 mil millones de señales de trabajo. Un cuarto de las Fortune 50 son clientes. También lo son siete de los diez bancos más grandes de EE. UU. y tres de los cinco mayores aseguradoras.

      Luego hay un ejemplo de un banco, dado en detalle. Skan observó 11.2 millones de cambios de contexto entre 1,500 profesionales de finanzas. Dice que eso reveló $37 millones de fricción operativa. Los agentes construidos sobre esas observaciones redujeron el costo por transacción en un 32% y aumentaron el rendimiento en un 41%. El resultado declarado es un ahorro anualizado de $18 millones.

      La capa de observación es la capa de entrenamiento

      Una línea en el comunicado explica todo el negocio, y ningún ejecutivo la dice. “Lo que comenzó como 11.2 millones de observaciones del trabajo humano se convirtió en el contexto para que la IA realizara ese trabajo.”

      Ese es el ciclo. Observar a las personas hacer el trabajo. Convertir la observación en un modelo del trabajo. Apuntar un agente al modelo. El personal proporciona la especificación. El agente proporciona la implementación.

      Nada de esto es una nueva categoría, solo una nueva afirmación sobre una. La minería de procesos y tareas ha vendido visibilidad empresarial durante una década. UiPath construyó una empresa pública automatizando lo que esa visibilidad encontró. La diferencia es lo que ahora se encuentra al final del tubo. Es un agente en lugar de un script.

      Por qué el momento funciona

      Skan cita a Gartner por la brecha en la que está vendiendo. Solo el ocho por ciento de las empresas tiene agentes en producción, dice la investigación. También encuentra que el 95% de las primeras implementaciones necesitarán un rediseño completo. Ese documento está detrás de una suscripción, por lo que nadie fuera de Gartner puede verificarlo.

      Misra enmarca todo como un problema de datos en lugar de un problema de modelo. “No puedes solucionar un problema de datos de origen aguas abajo”, escribió en una publicación de blog. “Mejores modelos no lo resolverán. Mejores indicaciones no lo resolverán.”

      Lo que el anuncio omite

      Cada cifra anterior proviene de la empresa. Skan llama a los $500 millones en valor acumulado de clientes medidos. No nombra a ningún auditor. Las ganancias de productividad de IA reclamadas tienen un mal historial bajo inspección. Un estudio ampliamente citado encontró que el 95% de las organizaciones no obtuvieron ningún retorno medible.

      La mayor ausencia es una palabra clara para lo que esto es. Los bancos y aseguradoras ahora compran observación de pantalla de sus propios empleados, a gran escala. TD Bank en Canadá redujo un despliegue de monitoreo después de objeciones de vigilancia laboral por parte del personal. Meta pausó un programa de recopilación de pulsaciones de teclas para el entrenamiento de IA en junio.

      Europa es donde esto se pone a prueba

      Dos nombres asociados a la ronda son europeos. Cathay Innovation, uno de los co-líderes, es francés. Mitie, el grupo británico de instalaciones con 75,000 empleados, proporciona la cita del cliente. Su director de tecnología, Cijo Joseph, acredita a Skan con “una visibilidad operativa sin precedentes”.

      Europa también es donde la cuestión del consentimiento tiene dientes. La guía de privacidad de Skan nombra a Allianz en Múnich como un despliegue que ganó la aprobación total del consejo de trabajo. Esa es una respuesta real a una objeción real. También es el relato de Skan en lugar del de Allianz, y Allianz ha anunciado por separado 1,800 recortes de empleo.

      La prueba verificable está a un año de distancia. Skan dice que los agentes construidos sobre el trabajo observado están funcionando en producción en grandes bancos en este momento. Para este momento el próximo año, esos agentes seguirán funcionando, o se unirán al 95% que necesitó ser reconstruido. La otra pregunta no tiene ningún plazo. ¿Qué hace un empleador con un registro completo de cómo trabaja su personal, una vez que los agentes lo han aprendido?