SuperMe با ۲۰ میلیون دلار سرمایه، شبکه‌ای از پروفایل‌های AI متخصصان را می‌سازد

سرمایه‌گذاری سنگین و چشم‌انداز رشد

SuperMe (SuperMe) امروز اعلام کرد که ۲۰ میلیون دلار سرمایه‌گذاری جدید از Forerunner (Forerunner) به رهبری Kirsten Green (Kirsten Green) و مشارکت Greylock Partners (Greylock Partners) جذب کرده است. این پول برای دو هدف کلیدی صرف می‌شود: گسترش شبکه کاربران پرسش‌گر و جذب متخصصان بیشتری که پروفایل‌های AI خود را می‌سازند. با ۱۳ نفر پرسنل فعلی، تیم فنی در حال تقویت لایه‌های مطابقت سؤال‑پروفایل و بهینه‌سازی مدل‌های زبانی است؛ کاری که حتی برای یک کارت گرافیک RTX 3060 هم می‌تواند فشار VRAM بالا ببرد.

سرمایه‌گذاری تازه نه تنها اعتبار مالی بلکه اعتبار بازار برای یک ایده‌ست که می‌خواهد «شبکه‌های مخفی سیلیکون ولی» را به شکل دیجیتالی باز کند. در مقایسه با سرمایه‌گذاری‌های مشابه در حوزه هوش مصنوعی مشاوره‌ای، این مبلغ در رده بالای سرمایه‌گذاری‌های بذر (seed) قرار دارد و نشان می‌دهد که سرمایه‌گذاران به سرعت به دنبال راه‌حل‌های ترکیبی انسان‑AI هستند.

چگونه SuperMe دانش متخصصان را به هوش مصنوعی می‌پیوندد

پلتفرم SuperMe با جمع‌آوری داده‌های عمومی از LinkedIn، YouTube، Substack و وبلاگ‌ها، و ترکیب آن با منابع شخصی کاربر مثل Google Drive، Notion و Gmail، یک «پروفایل AI» برای هر متخصص می‌سازد. این پروفایل شامل خلاصه‌ای از مقالات، سخنرانی‌ها، و حتی یادداشت‌های جلسه است؛ سپس با استفاده از مدل‌های زبانی بزرگ (LLM) که به‌صورت LoRA‑fine‑tuned روی دامنه تخصصی تنظیم شده‌اند، توانایی پاسخ‌گویی به سؤال‌های دقیق را به دست می‌آورد.

در این فرآیند، SuperMe از Model Context Protocol (MCP) بهره می‌گیرد؛ استانداردی که اجازه می‌دهد مدل‌های LLM به ابزارهای خارجی مثل Claude یا ChatGPT وصل شوند و در همان جلسه به داده‌های کاربر دسترسی داشته باشند. به‌عبارت دیگر، وقتی کاربر می‌گوید «پیشنهادات برای بهبود pitch deck من»، مدل نه تنها متن را تحلیل می‌کند، بلکه اسلایدهای ذخیره‌شده در Google Drive را هم می‌خواند و بر پایه دانش متخصصان VCs مثل Mercedes Bent یا Sarah Tavel، نکات عملی ارائه می‌دهد.

ریسک‌های حریم‌خصوصی و مدیریت داده‌های حساس

یکی از مهم‌ترین چالش‌های SuperMe، تضمین این است که اطلاعات شخصی و اسرار تجاری در پاسخ‌ها ظاهر نشود. تیم فنی با استفاده از فیلترهای متن‑به‑متن و تکنیک‌های «کوانتایزیشن» داده‌ها، سعی می‌کند که فقط دانش عمومی استخراج شود و جزئیات حساس به‌صورت ناشناس باقی بماند. این کار به‌ویژه در حوزه‌های مالی و پزشکی حساسیت بالایی دارد؛ چرا که حتی یک قطعه اطلاعات نادرست می‌تواند عواقب قانونی به‌بار آورد.

علاوه بر این، مدل‌های AI که بر پایه داده‌های کاربران آموزش می‌بینند، می‌توانند به‌صورت ناخواسته «حافظه» داشته باشند. برای مقابله، SuperMe از روش‌های «دیتابیس‑حذف‌پذیر» (erasable database) استفاده می‌کند که به کاربر اجازه می‌دهد تمام ردپای داده‌ای خود را به‌سرعت حذف کند. این رویکرد، اگرچه هزینه محاسباتی بالایی دارد، اما نشانگر جدیت شرکت در حفظ حریم‌خصوصی است.

رقابت با پلتفرم‌های متن‌باز و نقش مدل‌های محلی

در دنیای امروز، ابزارهای متن‌باز مانند Llama (Llama) یا Mistral (Mistral) به‌سرعت توانایی‌های مشابهی را ارائه می‌دهند؛ مخصوصاً وقتی که کاربران می‌توانند مدل‌ها را بر روی GPU خانگی (مثلاً RTX 4070) اجرا کنند. SuperMe باید خود را از این رقبا متمایز کند؛ نه فقط با حجم داده، بلکه با کیفیت انطباق سؤال‑پروفایل.

به‌عنوان مثال، یک مدل محلی می‌تواند با کوانتیزیشن ۴ بیت و استفاده از تکنیک‌های MoE (Mixture of Experts) هزینه inference را به‌صورت چشمگیری کاهش دهد. اما SuperMe به‌دنبال ایجاد یک لایه «آفلاین‑هیبرید» است؛ یعنی کاربران می‌توانند مدل‌های پایه را به‌صورت محلی اجرا کنند و تنها برای درخواست‌های حساس به سرویس ابری متصل شوند. این ترکیب می‌تواند هزینه‌های ابر را کاهش دهد و در عین حال از مزایای مقیاس‌پذیری سرورهای مرکزی بهره‌مند شود.

آینده تعامل انسان‑AI: از چت‌بات به مشاور تخصصی

با رشد SuperMe، ما در آستانه‌ی دوره‌ای هستیم که چت‌بات‌ها دیگر فقط «پاسخ‌گو» نیستند، بلکه نقش «مشاور» واقعی را ایفا می‌کنند. این تحول به‌دلیل ترکیب دو محور اصلی است: (۱) توانایی استخراج دانش از متخصصان واقعی و (۲) قابلیت ترکیب این دانش با توانمندی‌های زبانی مدل‌های بزرگ.

در بلندمدت، می‌توان انتظار داشت که هر کاربر یک «آژانس هوشمند» شخصی داشته باشد؛ مثلاً یک برنامه‌نویس می‌تواند به‌صورت خودکار از پروفایل‌های AI متخصصان Rust یا Kubernetes مشاوره بگیرد، یا یک کارآفرین استراتژیک از پروفایل‌های VCs برای ارزیابی ریسک سرمایه‌گذاری استفاده کند. این مسیر، اگر به‌درستی مدیریت شود، می‌تواند باعث شود تا دانش تخصصی به‌صورت دموکراتیک در اختیار همگان قرار گیرد؛ همانند آزادی متن‌باز که ما همیشه از آن حمایت می‌کنیم.

در نهایت، موفقیت SuperMe نه تنها به میزان سرمایه‌گذاری، بلکه به توانایی حفظ تعادل بین حریم‌خصوصی، شفافیت داده و کیفیت مشاوره وابسته است. اگر این معادله به‌خوبی حل شود، ما شاهد یک پلتفرم جدید برای «شبکه‌سازی دانش» خواهیم بود که می‌تواند مرزهای بین انسان و هوش مصنوعی را بازنویسی کند.