Stack AI的联合创始人Antoni Rosinol 和Bernardo Aceituno在2022年MIT攻读博士学位的同时，正值大型语言模型变得更加流行的时候。ChatGPT将在年底发布，但即使在那之前，他们已经意识到公司在没有太多专业知识和经验的情况下将数据与模型结合在一起存在问题，他们想要改变这种情况。

毕业后，他们搬到了旧金山，并加入了Y Combinator的Winter 23队列，在那里推出了Stack并完善了他们的想法。如今，该公司已经打造了一款低代码工作流自动化工具，旨在帮助公司构建包括聊天机器人和 AI 助理在内的 AI 助力工作流。该公司迄今已筹集了300万美元的资金。

“我们的平台允许用户构建需要连接不同工具一起工作的工作流。我们专注于连接数据源和大型语言模型，因为这样做可以帮助您构建强大的工作流自动化。我们还提供许多其他工具和功能来自动化复杂的业务流程，”Aceituno告诉TechCrunch。他们的产品刚推出六个月，但已经有200多个客户在使用该产品。

基本上，这涉及将组件拖到工作流画布上。这通常包括一个数据源（如谷歌驱动器）和一个大型语言模型，以及其他工作流组件（如触发器组件或操作组件）来构建工作流，从而使客户能够创建生成式 AI 程序而不需要太多编码。编码本身并不是由 AI 驱动的，但工作流中的任务通常是，并且可能需要一些手动编码才能使工作流顺利运行。

他们最早期的客户主要是在医疗行业，Aceituno承认在涉及医生和患者的应用中必须小心，特别是当内部数据源并不总是可靠，可能包含矛盾或过时信息时。

在这种情况下，他说，依靠人类专家——医生，来判断答案的质量是很重要的。作为另一层保护，他们在每个答案中都包含了来源引用，这样医疗专业人员可以在接受答案前查看来源。

“也就是说，如果输入的是垃圾，那么引用也将是垃圾，这就是为什么要求这些助手不完全接管流程的原因，”他说。

从 MIT 毕业并启动一家创业公司，Rosinol表示参加 YC 确实帮助他们了解了商业方面的事情，以及如何通过与客户合作来完善他们的创业想法。

“我们最初推出的这个 API 版本更加专注于开发人员。我们最初与一些客户合作，想要利用 AI 来自动化RFP响应或销售自动化。通过与客户合作，很明显的是真正的挑战不在于训练模型，而是在于有效地查询和连接数据源到这些语言模型，”他说。

该公司目前有六名员工，但正在招聘工程师、销售和市场营销专业人士。

300万美元的投资约一年前结束。投资者包括 Gradient Ventures、Beat Ventures 和 True Capital，以及 Lambda Labs、Y Combinator、Soma Capital 和 Epakon Capital。