VB,C.Franzen
Secondo la dirigenza di Palona AI , costruire un’azienda di intelligenza artificiale su “fondamenta di sabbie mobili” è oggi la sfida principale per i fondatori .Oggi, la startup con sede a Palo Alto, guidata da ex veterani dell’ingegneria di Google e Meta, sta compiendo un deciso passo in avanti nel settore della ristorazione e dell’ospitalità con il lancio odierno di Palona Vision e Palona WorkflowLe nuove offerte trasformano la suite di agenti multimodali dell’azienda in un sistema operativo in tempo reale per le operazioni di ristorazione, che comprende telecamere, chiamate, conversazioni ed esecuzione coordinata delle attività.La notizia segna una svolta strategica rispetto al debutto dell’azienda all’inizio del 2025 , quando è emersa per la prima volta con 10 milioni di dollari di finanziamenti iniziali per creare agenti di vendita emotivamente intelligenti per ampie aziende di vendita diretta al consumatore.Ora, restringendo la sua attenzione a un approccio “nativo multimodale” per i ristoranti, Palona sta fornendo un modello per i costruttori di intelligenza artificiale su come andare oltre i “sottili involucri” per costruire sistemi profondi che risolvono problemi del mondo fisico ad alto rischio.”Si sta costruendo un’azienda su fondamenta di sabbia, non di sabbie mobili, ma di sabbia mobile”, ha affermato il co-fondatore e CTO Tim Howes, riferendosi all’instabilità dell’attuale ecosistema LLM. “Quindi abbiamo creato un livello di orchestrazione che ci consente di scambiare modelli in base a prestazioni, fluidità e costi”.VentureBeat ha parlato di persona con Howes e con la co-fondatrice e CEO Maria Zhang di recente, in un ristorante di New York, per parlare delle sfide tecniche e delle dure lezioni apprese dal loro lancio, dalla loro crescita e dal loro cambiamento.Per l’utente finale, ovvero il proprietario o il gestore del ristorante, l’ultima versione di Palona è progettata per funzionare come un “gestore delle migliori operazioni” automatizzato che non dorme mai.Palona Vision utilizza telecamere di sicurezza in negozio per analizzare segnali operativi, come la lunghezza delle code, la rotazione dei tavoli, i colli di bottiglia nella preparazione e la pulizia, senza richiedere alcun nuovo hardware.Monitora parametri di front-of-house come la lunghezza delle code, i giri dei tavoli e la pulizia, identificando contemporaneamente problemi di back-of-house come rallentamenti nella preparazione o errori di configurazione della postazione.Palona Workflow integra tutto questo automatizzando processi operativi multi-fase, tra cui la gestione degli ordini di catering, l’apertura e la chiusura delle checklist e l’evasione degli ordini di preparazione dei pasti. Correlando i segnali video di Vision con i dati del punto vendita (POS) e i livelli di personale, Workflow garantisce un’esecuzione coerente in più sedi.”Palona Vision è come dare a ogni locale un direttore generale digitale”, ha affermato Shaz Khan, fondatore di Tono Pizzeria + Cheesesteaks, in un comunicato stampa fornito a VentureBeat. “Segnala i problemi prima che degenerino e mi fa risparmiare ore ogni settimana”.3. La soluzione “Muffin”: architettura di memoria personalizzataUno degli ostacoli tecnici più significativi che Palona ha dovuto affrontare è stata la gestione della memoria. In un contesto di ristorazione, la memoria fa la differenza tra un’interazione frustrante e una “magica” in cui l’agente ricorda l’ordinazione “abituale” di un cliente.Inizialmente, il team ha utilizzato uno strumento open source non specificato, ma ha scoperto che produceva errori nel 30% dei casi. “Penso che gli sviluppatori di consulenza disattivino sempre la memoria [sui prodotti di intelligenza artificiale per i consumatori], perché questo causerebbe sicuramente problemi”, ha avvertito Zhang.Per risolvere questo problema, Palona ha sviluppato Muffin, un sistema proprietario di gestione della memoria, il cui nome richiama i “cookie” del web. A differenza degli approcci vettoriali standard, che hanno difficoltà con i dati strutturati, Muffin è progettato per gestire quattro livelli distinti:Dati strutturati: dati stabili come indirizzi di consegna o informazioni sulle allergie.Dimensioni a lento cambiamento: preferenze di fedeltà e articoli preferiti.Ricordi transitori e stagionali: adattarsi ai cambiamenti, come preferire le bevande fredde a luglio rispetto alla cioccolata calda in inverno.Contesto regionale: impostazioni predefinite come fusi orari o preferenze linguistiche.La lezione per i costruttori: se il miglior strumento disponibile non è abbastanza buono per il vostro specifico settore verticale, dovete essere disposti a costruirne uno vostro.4. Affidabilità attraverso la “GRAZIA”In cucina, un errore di intelligenza artificiale non è solo un errore di battitura; è un ordine sprecato o un rischio per la sicurezza. Un recente incidente alla Stefanina’s Pizzeria in Missouri, dove un’intelligenza artificiale ha immaginato offerte false durante un’ora di punta per la cena , evidenzia quanto velocemente la fiducia in un marchio possa svanire quando mancano le misure di sicurezza.Per evitare questo caos, gli ingegneri di Palona seguono il framework GRACE interno :Limitazioni: limiti rigidi al comportamento degli agenti per impedire promozioni non approvate.Red Teaming: tentativi proattivi di “rompere” l’IA e identificare potenziali fattori scatenanti allucinazioni.App Sec: blocca le API e le integrazioni di terze parti con TLS, tokenizzazione e sistemi di prevenzione degli attacchi.Conformità: basare ogni risposta su dati di menu verificati e controllati per garantirne l’accuratezza.Escalation: indirizzare le interazioni complesse a un responsabile umano prima che un ospite riceva informazioni errate.Questa affidabilità è verificata attraverso simulazioni su larga scala. “Abbiamo simulato un milione di modi per ordinare la pizza”, ha detto Zhang, utilizzando un’intelligenza artificiale per interpretare il cliente e un’altra per prendere l’ordine, misurando l’accuratezza per eliminare le allucinazioni.La conclusioneCon il lancio di Vision and Workflow, Palona scommette che il futuro dell’intelligenza artificiale aziendale non risiede in assistenti generici, ma in “sistemi operativi” specializzati in grado di vedere, sentire e pensare all’interno di un dominio specifico.A differenza degli agenti di intelligenza artificiale generici, il sistema di Palona è progettato per eseguire i flussi di lavoro dei ristoranti, non solo per rispondere alle richieste: è in grado di ricordare i clienti, di sentirli ordinare il loro “cibo abituale” e di monitorare le operazioni del ristorante per garantire che il cibo venga consegnato al cliente secondo i processi e le linee guida interne, segnalando ogni volta che qualcosa va storto o, soprattutto, sta per andare storto.Per Zhang, l’obiettivo è quello di consentire agli operatori umani di concentrarsi sul loro lavoro: “Se hai indovinato quel cibo delizioso… ti diremo cosa fare”.