Startup Spotlight Snowflake: Dust

Benvenuto nella rubrica Snowflake Startup Spotlight, dove chiediamo ai founder di startup quali problemi stanno risolvendo, quali prodotti stanno realizzando e quali lezioni hanno imparato durante il loro percorso imprenditoriale. In questa edizione, conosci il co-founder e CTO di Dust, Stanislas Polu, e scopri come l’azienda sta sviluppando una piattaforma AI collaborativa per ridurre la distanza tra i tuoi dati e le decisioni che i tuoi team stanno prendendo.

Mi ispirano i cambiamenti tecnologici che ci costringono a rimettere in discussione vecchie certezze. I modelli linguistici di grandi dimensioni hanno reso l’intelligenza abbondante, ma l’abbondanza crea un nuovo problema: Come può un’azienda utilizzare fonti di intelligenza in continua evoluzione senza rinunciare al controllo di ciò che la rende unica? Con la diffusione dell’AI tra singoli strumenti e fornitori, il contesto, gli agenti AI e i modi di lavorare dell’azienda possono diventare frammentati. Voglio sviluppare il livello che consente alle organizzazioni di assorbire progressi costanti mantenendo il controllo di quelle risorse e di quelle scelte.

Dust è la piattaforma AI collaborativa che rivoluziona il modo in cui le aziende lavorano e consente loro di controllare l’intelligenza che utilizzano e possedere i dati che generano.

Le aziende stanno accedendo a sempre più intelligenza, ma rischiano di perderne il controllo. Gran parte dell’AI sul posto di lavoro viene ancora adottata da una persona, un assistente o un modello alla volta. Questo crea tre forme di dipendenza: l’affidarsi a un unico fornitore di modelli, la perdita di controllo sui dati e sulle tracce generate dagli agenti AI e una visibilità limitata sui costi e sui comportamenti.

Le tracce contano. Catturano il modo in cui il lavoro è stato svolto: le istruzioni, il contesto, le scelte di modello e strumenti, gli output e il feedback umano. Nel tempo, questo registro potrebbe diventare una delle risorse AI più preziose dell’azienda, aiutandola a valutare i flussi di lavoro e a sviluppare sistemi su misura per il modo in cui opera realmente. Le aziende non dovrebbero cedere questa risorsa di default.

Il mio co-founder, Gabriel Hubert, e io abbiamo vissuto le difficoltà di coordinamento lavorando in Stripe, mentre l’azienda cresceva da circa 150 persone a un’organizzazione molto più grande. Le informazioni si perdono, le decisioni diventano più difficili da ricostruire e i team smettono di condividere lo stesso contesto. Quando gli LLM sono diventati sufficientemente capaci per un lavoro serio, la nostra ipotesi era che le aziende non avessero bisogno di un altro modello. Avevano bisogno di un livello condiviso tra persone, dati aziendali, sistemi esistenti e modelli disponibili.

Dust è quel livello. Consente ai team di lavorare in modo collaborativo con l’AI, passare tra i modelli open source e di frontiera supportati e governare il contesto, gli agenti AI e le tracce generate dal loro lavoro. Ciò che una persona sviluppa può diventare una capacità aziendale riutilizzabile senza dipendere da un’unica fonte di intelligenza.

Stiamo aiutando le aziende a trasformare le tracce agentiche in una risorsa che possono comprendere, migliorare e conservare.

I dati necessari per svolgere un lavoro raramente si trovano in un unico posto. Una singola domanda può richiedere dati di warehouse da Snowflake, contesto dell’account da un CRM e informazioni qualitative da Slack, Notion o note delle chiamate. Ma il risultato è solo una parte del valore. La traccia che lo circonda mostra quale contesto, istruzioni, modelli, strumenti e decisioni umane hanno prodotto il lavoro.

Dust riunisce questi elementi in un sistema aziendale condiviso. Un operatore AI può studiare cosa funziona per migliorare un agente AI o una skill e renderlo riutilizzabile dai colleghi. Quando l’azienda cambia modelli o fornitori, mantiene il contesto e l’apprendimento accumulati relativi ai suoi flussi di lavoro. In futuro, questo corpus potrebbe anche aiutare le aziende a valutare o addestrare modelli per il loro lavoro specifico. Il modello può cambiare, ma l’intelligenza che l’organizzazione sviluppa attorno a esso dovrebbe rimanere sua.

Snowflake è una fonte connessa di dati aziendali strutturati con cui gli agenti AI di Dust possono lavorare. Le organizzazioni possono collegare Snowflake a Dust in modo che i team possano eseguire query sui dati di warehouse rilevanti in linguaggio naturale e combinarli con il contesto proveniente da altri sistemi aziendali.

Questo è importante perché le domande aziendali utili spesso attraversano i confini tra sistemi. Snowflake può rimanere la data foundation strutturata e la fonte di verità, mentre Dust aiuta persone e agenti AI a utilizzare quei dati come parte di un lavoro più ampio.

Questo è un aspetto importante dell’AI di proprietà dell’azienda. Un’azienda dovrebbe poter mantenere Snowflake come fonte di verità, applicare le autorizzazioni pertinenti e controllare come quel contesto viene utilizzato dai suoi agenti AI, piuttosto che ricostruire la propria strategia dati attorno a un fornitore di AI.

Snowflake rende i dati strutturati utilizzabili oltre il team dati. Abbinato a Dust, un utente aziendale può porre una domanda in linguaggio naturale, utilizzare i dati di warehouse rilevanti insieme ad altro contesto aziendale e trasformare il risultato in un flusso di lavoro ripetibile piuttosto che in un’analisi occasionale.

Questa è la direzione che ci interessa: ridurre la distanza tra i dati di un’azienda e le decisioni o azioni che dovrebbero basarsi su di essi, senza compromettere il controllo dell’azienda su quei dati. Accesso e controllo non sono opposti. I team dati possono codificare accessi affidabili e logica di business, mentre più colleghi ottengono un modo pratico per utilizzarli.

L’errore è trattare l’AI come una gara con un unico vincitore permanente. I modelli continueranno a cambiare in termini di capacità, costo, latenza e specializzazione. Le aziende non dovrebbero dover prevedere il vincitore o ricostruire il proprio livello operativo ogni volta che la frontiera si sposta.

Dust è multimodello per progettazione. Le organizzazioni possono scegliere tra i modelli di frontiera e open source supportati e aggiornare queste scelte man mano che il panorama cambia, senza ricostruire il proprio contesto aziendale e i propri flussi di lavoro. Questo è ciò che significa sovranità per noi in pratica: non fare tutto in locale né rifiutare i fornitori esterni, ma mantenere il controllo quando un fornitore, un prezzo, una policy o un modello cambiano.

Le aziende affitteranno intelligenza da molte fonti. La risorsa duratura è ciò che sviluppano attorno a essa: come funziona l’organizzazione, cosa sa, cosa ha deciso e dove conta il giudizio umano. Quel livello dovrebbe appartenere all’azienda, non al modello che oggi si trova in testa.

Il prossimo cambiamento è il passaggio da individui che danno prompt agli assistenti ad aziende che coordinano team digitali di persone e agenti AI. Il nostro principio oggi è semplice: Gli agenti AI propongono, gli esseri umani dispongono.

Prima di presentare un paper di ricerca all’inizio della mia carriera, temevo di non avere sufficiente autorità per difendere il lavoro. Il mio relatore mi ricordò che avevo dedicato più tempo a quel problema specifico di quasi chiunque altro e che avrei dovuto fidarmi della profondità del lavoro svolto.

Quel consiglio mi è rimasto come founder. Una concentrazione profonda può generare i propri dubbi, perché se una soluzione ti sembra ovvia, dai per scontato che lo sia per tutti. Tuttavia, spesso non è così. Dovresti rimanere open riguardo alla possibilità di sbagliare, ma dovresti anche rispettare l’insight che nasce da un’attenzione costante dedicata a un problema reale, per poi continuare a testarlo con gli utenti.

Non innamorarti di una tecnologia prima di capire se può sostenere un mercato ampio e importante.

In TOTEMS, l’azienda che io e Gabriel abbiamo fondato prima di Dust, eravamo affascinati da ciò che la tecnologia poteva fare. Non ci siamo chiesti abbastanza presto quanto grande potesse diventare il business se tutto avesse funzionato. Con Dust, abbiamo cercato di fare poche scelte importanti, testarle rapidamente ed evitare di ottimizzare qualcosa che sul mercato è ancora insignificante.

Quella lezione ha plasmato uno dei nostri primi principi: “Senza product-market fit, niente GPU.” Avremmo potuto concentrarci sul training dei modelli, ma sarebbe stata una distrazione seducente. Abbiamo scelto il livello di prodotto in cui i clienti avevano un problema concreto e dove il loro utilizzo poteva insegnarci cosa sviluppare successivamente.

L’AI diventerà meno una raccolta di applicazioni che le persone aprono e più una forza lavoro che le aziende coordinano. L’accesso all’intelligenza non sarà scarso. La risorsa scarsa sarà la capacità organizzativa di indirizzarla, senza diventare dipendenti dai modelli, dall’interfaccia o dalla roadmap di un singolo fornitore.

Vedo Dust come il sistema condiviso in cui le aziende sviluppano e governano la propria AI: il loro contesto, gli agenti AI, le competenze, le scelte di modello e i modi in cui persone e agenti AI lavorano insieme. I modi di lavorare efficaci dovrebbero diventare riutilizzabili in tutta l’organizzazione e rimanere validi anche quando i modelli sottostanti cambiano.

L’obiettivo non è che ogni azienda possieda un foundation model. È che ogni azienda possieda il proprio capitale AI, comprese le soft skill e le hard skill, gli apprendimenti, il know-how, i flussi di lavoro, le tracce e le operazioni che sviluppa con l’AI. Dust sta costruendo per quel futuro.

Scopri di più su Dust: https://dust.tt/. Se sei una startup che si sta sviluppando su Snowflake, dai un’occhiata al programma Snowflake for Startups per scoprire come Snowflake può supportare i tuoi obiettivi.