Skan AI lève 63 millions de dollars pour une IA cartographiant le travail réel des employés

Skan AI, une startup axée sur les défis de l'IA en entreprise, a annoncé avoir levé 63 millions de dollars lors d'une série C de financement. Ce tour de table a été co-dirigé par Cathay Innovation et Dell Technologies Capital, avec la participation de Citi Ventures, Bloomberg Beta, State Farm Ventures et Wipro Ventures. Ce financement porte le total des fonds levés par l'entreprise, âgée de sept ans, à environ 120 millions de dollars.

Ce nouveau capital soutiendra le lancement de deux nouveaux produits : Skan AI Blueprint et Skan AI Agents. Ces derniers, aux côtés de l'offre existante Skan AI Intelligence, forment une plateforme complète pour la découverte, la modélisation et l'automatisation des flux de travail en entreprise. L'entreprise souligne que de nombreuses initiatives d'IA en entreprise sont confrontées à des taux d'échec élevés, avec seulement un faible pourcentage d'entreprises déployant avec succès des agents d'IA en production, selon des recherches de Gartner et du MIT.

Le co-fondateur et PDG de Skan AI, Avinash Misra, suggère que le problème de l'industrie ne réside pas dans les modèles d'IA eux-mêmes, mais dans un manque de compréhension précise du fonctionnement réel des entreprises. Il estime que l'industrie se concentre trop sur la création de "meilleurs pilotes" plutôt que d'un "meilleur système de navigation" pour l'IA.

Contrairement aux méthodes traditionnelles basées sur la documentation officielle des processus, qui diverge souvent de la réalité, Skan AI utilise une technologie d'observation sur les écrans des employés. En analysant comment le travail circule entre différentes applications, elle crée un modèle dynamique des processus métier réels. Cette approche vise à capturer les nuances de la prise de décision humaine, les exceptions et les connaissances institutionnelles qui définissent le fonctionnement d'une organisation.

L'entreprise se positionne face à des fournisseurs de process mining tels que Celonis, arguant que les journaux système ne capturent que les transactions complétées. Skan AI se concentre plutôt sur les interactions souvent négligées entre ces transactions, qui, selon elle, contiennent des données cruciales pour l'IA dans l'exécution du travail. L'observation de l'écran permet à Skan AI de saisir l'intégralité du travail, y compris l'élément humain que les journaux système omettent.

Une approche impliquant l'observation continue des écrans des employés soulève naturellement des préoccupations en matière de confidentialité et de surveillance. Skan AI reconnaît ces défis, soulignant que la difficulté principale réside non pas dans la collecte de données, mais dans l'extraction et la compréhension de l'intention à l'échelle de l'entreprise.