Wie TechCrunch exklusiv erfahren hat, verlässt Rohit Patel das Unternehmen nach acht Jahren, in denen er KI für Meta entwickelt hat. Der frühere Direktor der Meta Superintelligence Labs hat Ndoc, ein Startup, das er als KI-nativen Ersatz für die Microsoft Office Suite oder Google Workspace präsentiert.
Patel ist die neueste in einer Handvoll hochkarätiger Abgänge von Meta nach dem Weggang des Chief Global Affairs Officer Joel Kaplan, KI-Forscher Andrew Tulloch, sowie Leiter der Produktentwicklung für AI-for-Work Emily Dalton Smith.
Patel entwarf Ndoc als mehr als nur ein weiteres KI-Werkzeug, das auf einen bestehenden Arbeitsablauf aufgesetzt wird. Das Ziel ist es, die fragmentierte Arbeitsweise, bei der Menschen über Tools wie Excel, Word, PowerPoint, Tableau, Replit und „ChatGPT Copy-Paste“ hinweg arbeiten, durch einen einzigen, einheitlichen Arbeitsbereich zu ersetzen, auf den alle Kollegen zugreifen können, selbst wenn sie nicht für Ndoc registriert sind.
Ndoc vereint drei Komponenten in einem Layout. Der Tab Stage ist der Ort für Präsentationen zentraler Erkenntnisse, etwa Foliensätze, Dashboards, Simulationen oder Mini-Apps. Der Tab Narrative bietet Analysen, nummerierte Zitate, generierte Abbildungen und allgemein das „Warum“ hinter den Zahlen. Der Tab Model beherbergt die zugrunde liegenden Datensätze und Python-Skripte.
Das Design spiegelt Patels Hintergrund wider. Während seiner Zeit bei Meta konzentrierte sich Patel auf bestärkendes Lernen – eine Form des maschinellen Lernens, bei der KI-Agenten durch Versuch und Irrtum lernen, Entscheidungen zu treffen, und Belohnungen maximieren – sowie auf die Bewertung, ob KI-Ausgaben vertrauenswürdig sind. Patel ist der Ansicht, dass, wenn KI die Tabellenkalkulationen und Präsentationen erstellen soll, mit denen Unternehmen Entscheidungen treffen, jemand in der Lage sein sollte, ihre Arbeit zu überprüfen. Beispielsweise können Nutzer die Python-Skripte finden, mit denen die Dokumente erstellt wurden.
„Auch wenn Sie kein Python beherrschen, können Sie [den KI-Chat] bitten zu erklären: ‚Hey, was macht dieses Skript? In welcher Zeile steht meine Formel?‘ Und Sie können diese Formel überprüfen“, sagte Patel. „Hier steckt nichts hinter dem Vorhang verborgen.“
In der Praxis können Nutzer einen Datensatz hochladen und Ndoc bitten, eine Analyse durchzuführen und einen Bericht über die Ergebnisse zu schreiben. Sie können auch dokumentspezifischen Kontext hinzufügen, darunter Zielgruppe, Tonalität und Gedächtnis. „Es verwaltet ein Gedächtnis über Ihre Person, das jeweilige Dokument, Ihr Team und Ihr Unternehmen hinweg“, sagte Patel.
Patel sagt auch, dass Ndoc mit einer Mischung aus Open-Source-Modellen aufgebaut und verfeinert wurde. Da die Plattform von Grund auf entwickelt wurde, sagt er, sei der Betrieb deutlich kostengünstiger als bei Alternativen, die auf Frontier-KI-Modellen basieren.
„Ich dachte, das wäre das, worüber sich die Leute freuen würden, aber das interessiert die Leute nicht“, sagte er mit Blick auf seine frühen Testnutzer. „Woran sich die Leute erfreuen, ist, dass sie es lieben, alles ihre End-to-End-Prozesse an einem Ort zu sehen.“
Patels größere Ambition ist es, die Datei selbst neu zu erfinden. Er sagt, Dokumente könnten als einzelne „.ndoc.html“-Datei exportiert werden, die sich in jedem Browser öffnen lässt – ein Format, das er als Open Source veröffentlichen will, damit andere Entwickler Apps bauen können, die damit funktionieren, ohne an Ndoc gebunden zu sein, so wie so viele jahrelang an Microsoft oder Google gebunden waren.
Sein Wunsch, dieses Projekt als Open Source zu veröffentlichen, war Teil des Grundes, warum er Meta verließ und beschloss, es allein zu versuchen. Bei einem großen Unternehmen wie Meta würde es zweifellos der Zustimmung von „Hunderten von Menschen und Meinungen dazu, wie das Format aussehen sollte“, bedürfen, um alle auf ein Open-Source-Format festzulegen.
Patel wollte schnell handeln. „Menschen können sich nur mit menschlichem Tempo bewegen, wohingegen… ich mich mit dem Tempo bewegen kann, das KI leisten kann.“
Die Plattform werden zu wollen, auf der Unternehmensarbeit stattfindet, ist eine große Wette für einen Gründer mit einem Team von drei Personen und ohne Finanzierung, zumal andere KI-Labore versuchen, sich denselben Raum anzueignen.
OpenAI, Anthropic, Meta, SpaceXAIund Google haben sämtlich KI-Tools für Unternehmen vorgestellt, die es Nutzern erlauben, sich mit Google Workspace, Microsoft 365 und anderen Arbeitsplatz-Apps zu verbinden, damit ihre KI-Modelle direkt in diesen Tools arbeiten können. Und letzten Monat startete OpenAI Space, einen gemeinsamen Arbeitsbereich innerhalb von ChatGPT, der ein direkterer Wettbewerber zu diesen etablierten Tools ist.
Patel räumt ein, dass Space eine Bedrohung sein könnte, sagt aber, dass die Labore größtenteils die falsche Vorstellung haben.
„Die Unternehmen hängen im Grunde genommen KI an Tabellenkalkulationen an, und sie füllt dir die Zellen aus
Es gibt allerdings einen Grund, warum die KI-Labore versucht haben, ihre Modelle dorthin zu bringen, wo die Menschen bereits arbeiten. Es ist schwer, Gewohnheiten zu ändern und ganze Workflows zu ersetzen. Patel sagt, er verstehe das, weshalb er Konnektoren gebaut hat, damit Kunden bestehende Daten aus den Tools, die sie bereits verwenden, importieren können.
„Mein Maßstab war, dass ich nichts veröffentliche, was ich selbst nicht gerne benutze“, sagte er. „Ich habe sehr optimierte KI-Workflows für alles, was ich tue. Wenn ich anfange, dieses Tool zu benutzen, und immer wieder zu meinen Workflows zurückkehre, habe ich kein gutes genug Tool gebaut … Ich habe einen Friedhof voller Tools, die diesen Maßstab nicht erfüllt haben.“
Patel hat einen ähnlichen Maßstab, was die Kundenresonanz angeht, bevor er versucht, Kapital einzuwerben. „Ich wollte kein Geld annehmen, bis ich einen Beweis dafür hatte, dass die Menschen das Produkt lieben“, sagte er.
Stand Dienstag führt Ndoc ein Enterprise-Pilotprojekt durch und öffnet eine Alpha-Version für eine begrenzte Anzahl von Kunden, die sich auf die Warteliste setzen lassen. Die Anmeldung ist kostenlos, aber Kunden werden für Nutzung und Tokens zahlen. Er hofft, in den kommenden Wochen eine Beta-Version zu veröffentlichen, ein vollständiger Launch ist für nächstes Jahr geplant.
Für Patel ist es wichtiger, so schnell wie möglich voranzukommen, als von Anfang an das perfekte Produkt zu haben.
„Ausführung ist extrem billig … also führe einen suboptimalen Plan aus und kümmere dich später darum“, sagte er. „Bis du den besten Plan gemacht hast, wird die Ausführung von jemand anderem erledigt sein."