Construir una empresa de IA empresarial sobre una almohadilla "cimientos de arena movediza" es el desafío central para los fundadores hoy en día, según el liderazgo de palonan.

Hoy, la startup con sede en Palo Parada, dirigida por ex veteranos de ingeniería de Google y Meta, está dando un impulso tieso esencial en dirección a el espacio de restaurantes y hotelería con el dispersión de Palona Vision y Palona Workflow.

Las nuevas ofertas transforman la suite de agentes multimodal de la empresa en un sistema activo en tiempo existente para operaciones de restaurantes, que albarca cámaras, llamadas, conversaciones y ejecución coordinada de tareas.

La información marca un molinete importante desde el comienzo de la compañía a principios de 2025, cuando surgió por primera vez con 10 millones de dólares en financiación original crear agentes de ventas emocionalmente inteligentes para amplias empresas directas al consumidor.

Ahora, al recortar su enfoque a una "nativo multimodal" enfoque para restaurantes, Palona está proporcionando un plan para los creadores de IA sobre cómo ir más allá "envoltorios finos" para construir sistemas profundos que resuelvan problemas del mundo físico de suspensión peligro.

“Estás construyendo una empresa sobre una almohadilla que es arena, no arenas movedizas, sino arena movediza”, dijo el cofundador y director de tecnología Tim Howes, refiriéndose a la inestabilidad del ecosistema LLM flagrante. “Así que creamos una capa de orquestación que nos permite canjear modelos de rendimiento, fluidez y costo”.

VentureBeat habló recientemente en persona con Howes y la cofundadora y directora ejecutiva, Maria Zhang, en: ¿dónde más? – un restaurante en Nueva York sobre los desafíos técnicos y las duras lecciones aprendidas de su dispersión, crecimiento y molinete.

La nueva propuesta: visión y flujo de trabajo como un ‘GM digital’

Para el legatario final (el propietario u cirujano del restaurante), la última lectura de Palona está diseñada para funcionar como un sistema automatizado. "mejor administrador de operaciones" que nunca duerme.

Palona Vision utiliza cámaras de seguridad en las tiendas para analizar señales operativas (como la duración de las colas, la rotación de las mesas, los cuellos de botella en la preparación y la desenvoltura) sin obligación de ningún hardware nuevo.

Supervisa las métricas de atención al divulgado, como la duración de las colas, los turnos de mesa y la desenvoltura, al mismo tiempo que identifica problemas de atención al divulgado, como ralentizaciones en la preparación o errores de configuración de la tiempo.

Palona Workflow complementa esto automatizando procesos operativos de varios pasos. Esto incluye la trámite de pedidos de catering, listas de comprobación de tolerancia y vallado y cumplimiento de la preparación de alimentos. Al correlacionar las señales de video de Vision con los datos del punto de saldo (POS) y los niveles de personal, Workflow garantiza una ejecución consistente en múltiples ubicaciones.

“Palona Vision es como darle a cada ubicación un administrador genérico digital”, dijo Shaz Khan, fundador de Tono Pizzeria + Cheesesteaks, en un comunicado de prensa proporcionado a VentureBeat. “Señala los problemas antaño de que se agraven y me ahorra horas cada semana”.

Volviéndose tieso: lecciones de experiencia en el dominio

El alucinación de Palona comenzó con una plantilla repleta de estrellas. El CEO Zhang se desempeñó anteriormente como vicepresidente de ingeniería en Google y CTO de Tinder, mientras que el cofundador Howes es el co-inventor de LDAP y ex CTO de Netscape.

A pesar de este pedigrí, el primer año del equipo fue una disciplina sobre la obligación de concentrarse.

Inicialmente, Palona atendía marcas de moda y electrónica, creando "mago" y "pequeño surfista" personalidades para manejar las ventas. Sin incautación, el equipo rápidamente se dio cuenta de que la industria de los restaurantes presentaba una oportunidad única de un billón de dólares que era "sorprendentemente a prueba de recesión" pero "atónito" por ineficiencia operativa.

"Consejo para los fundadores de startups: no opten por múltiples industrias," Advirtió Zhang.

Al verticalizarse, Palona pasó de ser una "delgado" capa de chat para construir una "canal de información multisensorial" que procesa visión, voz y texto en conjunto.

Esa claridad de enfoque abrió el paso a datos de capacitación patentados (como manuales de preparación y transcripciones de llamadas) y al mismo tiempo evitó la cuna de datos genéricos.

1. Usar la ‘arena cambiante’

Para adaptarse a la ingenuidad de las implementaciones de IA empresarial en 2025 (con modelos nuevos y mejorados que aparecerán casi semanalmente), Palona desarrolló una capa de orquestación irresoluto de documento.

En oportunidad de ser "incluido" con un único proveedor como OpenAI o Google, la obra de Palona les permite canjear modelos en un instante según el rendimiento y el costo.

Utilizan una combinación de modelos propietarios y de código libre, incluido Gemini para puntos de narración de visión por computadora y modelos de habla específicos para la fluidez en gachupin o chino.

Para los constructores, el mensaje es claro: nunca permita que el valía central de su producto sea la dependencia de un único proveedor.

2. De las palabras a los ‘modelos del mundo’

El dispersión de Palona Vision representa un cambio de la comprensión de las palabras a la comprensión de la ingenuidad física de una cocina.

Si adecuadamente muchos desarrolladores luchan por unir API separadas, el nuevo maniquí de visión de Palona transforma las cámaras existentes en la tienda en asistentes operativos.

El sistema identifica "causa y sorpresa" en tiempo existente, reconociendo si una pizza está poco cocida según su "tostado pálido" color o alertar a un administrador si una vitrina está vacía.

"En palabras, la física no importa," Explicó Zhang. "Pero en ingenuidad, si se me cae el teléfono, siempre se cae… queremos enterarse verdaderamente qué está pasando en este mundo de los restaurantes.".

3. La decisión ‘Muffin’: obra de memoria personalizada

Uno de los obstáculos técnicos más importantes que enfrentó Palona fue la trámite de la memoria. En el contexto de un restaurante, la memoria es la diferencia entre una interacción frustrante y una "mágico" uno donde el agente recuerda un restaurante "habitual" orden.

Inicialmente, el equipo utilizó una aparejo de código libre no especificada, pero descubrió que producía errores el 30% de las veces. "Creo que los desarrolladores de asesoramiento siempre apagan la memoria (en productos de IA de consumo), porque eso garantizará que todo se estropee." Advirtió Zhang.

Para resolver esto, Palona creó Muffin, un sistema propietario de trámite de memoria llamado así como un guiñada a la web. "galletas". A diferencia de los enfoques habitual basados ​​en vectores que luchan con datos estructurados, Muffin está diseñado para manejar cuatro capas distintas:

• Datos estructurados: datos estables como direcciones de entrega o información sobre alergias.

• Dimensiones que cambian lentamente: preferencias de fidelidad y artículos favoritos.

• Expresiones transitorios y estacionales: adaptarse a los turnos, como preferir bebidas frías en julio al chocolate caliente en invierno.

• Contexto regional: títulos predeterminados como zonas horarias o preferencias de idioma.

La disciplina para los constructores: si la mejor aparejo adecuado no es lo suficientemente buena para su sector específico, debe estar dispuesto a crear la suya propia.

4. Fiabilidad a través de la ‘GRACIA’

En una cocina, un error de IA no es sólo un error tipográfico; es un pedido desperdiciado o un peligro para la seguridad. Un incidente fresco en Stefanina’s Pizzeria en Missouri, donde una IA alucinó con ofertas falsas durante una cena picodestaca lo rápido que puede escurrirse la confianza en la marca cuando no existen salvaguardias.

Para evitar tal caos, los ingenieros de Palona siguen sus normas internas. Situación de GRACIA:

• Barandillas: límites estrictos al comportamiento de los agentes para evitar promociones no aprobadas.

• Red Teaming: intentos proactivos de "romper" la IA e identificar posibles desencadenantes de alucinaciones.

• App Sec: bloquee las API y las integraciones de terceros con TLS, tokenización y sistemas de prevención de ataques.

• Cumplimiento: gravitar cada respuesta en datos de menú verificados y examinados para respaldar la precisión.

• Escalamiento: dirigir interacciones complejas a un administrador humano antaño de que un huésped reciba información errónea.

Esta fiabilidad se verifica mediante simulación masiva. "Simulamos un millón de formas de pedir pizza," Dijo Zhang, utilizando una IA para realizar como cliente y otra para tomar el pedido, midiendo la precisión para eliminar las alucinaciones.

La conclusión

Con el dispersión de Vision and Workflow, Palona desafío por que el futuro de la IA empresarial no está en los asistentes amplios, sino en los especializados "sistemas operativos" que puede ver, oír y pensar adentro de un dominio específico.

A diferencia de los agentes de inteligencia fabricado de uso genérico, el sistema de Palona está diseñado para ejecutar flujos de trabajo de restaurantes, no solo reponer a consultas: es capaz de recapacitar a los clientes y escucharlos ordenar sus "habitual," y monitorear las operaciones del restaurante para respaldar que entreguen la comida a ese cliente de acuerdo con sus procesos y pautas internos, señalando cuando poco sale mal o es crucial. acerca de salir mal.

Para Zhang, el objetivo es permitir que los operadores humanos se concentren en su oficio: "Si tienes esa deliciosa comida en el clavo… te diremos qué hacer."