Construir una empresa de inteligencia synthetic sobre una “base de area movediza” es el desafío central para los fundadores hoy en día, según el liderazgo de palona ai.
Hoy, la startup con sede en Palo Alto, dirigida por ex veteranos de ingeniería de Google y Meta, está dando un impulso vertical decisivo hacia el espacio de restaurantes y hotelería con el lanzamiento de Palona Imaginative and prescient y Palona Workflow.
Las nuevas ofertas transforman la suite de agentes multimodal de la empresa en un sistema operativo en tiempo actual para operaciones de restaurantes, que abarca cámaras, llamadas, conversaciones y ejecución coordinada de tareas.
La noticia marca un giro estratégico desde el debut de la compañía a principios de 2025, cuando surgió por primera vez con 10 millones de dólares en financiación inicial crear agentes de ventas emocionalmente inteligentes para amplias empresas directas al consumidor.
Ahora, al limitar su enfoque a un enfoque “multimodal nativo” para restaurantes, Palona está proporcionando un plan para los creadores de IA sobre cómo ir más allá de los “envoltorios delgados” para construir sistemas profundos que resuelvan problemas de alto riesgo del mundo físico.
“Estás construyendo una empresa sobre una base que es area, no arenas movedizas, sino area movediza”, dijo el cofundador y director de tecnología Tim Howes, refiriéndose a la inestabilidad del ecosistema LLM precise. “Así que creamos una capa de orquestación que nos permite intercambiar 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 lanzamiento, crecimiento y giro.
La nueva oferta: visión y flujo de trabajo como un ‘GM digital’
Para el usuario remaining (el propietario u operador del restaurante), la última versión de Palona está diseñada para funcionar como un “mejor administrador de operaciones” automatizado que nunca duerme.
Palona Imaginative and prescient 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 limpieza) sin necesidad de ningún {hardware} nuevo.
Supervisa las métricas de atención al público, como la duración de las colas, los turnos de mesa y la limpieza, al mismo tiempo que identifica problemas de atención al público, como ralentizaciones en la preparación o errores de configuración de la estación.
Palona Workflow complementa esto automatizando procesos operativos de varios pasos. Esto incluye la gestión de pedidos de catering, listas de verificación de apertura y cierre y cumplimiento de la preparación de alimentos. Al correlacionar las señales de video de Imaginative and prescient con los datos del punto de venta (POS) y los niveles de private, Workflow garantiza una ejecución consistente en múltiples ubicaciones.
“Palona Imaginative and prescient es como darle a cada ubicación un gerente basic digital”, dijo Shaz Khan, fundador de Tono Pizzeria + Cheesesteaks, en un comunicado de prensa proporcionado a VentureBeat. “Señala los problemas antes de que se agraven y me ahorra horas cada semana”.
Volviéndose vertical: lecciones de experiencia en el dominio
El viaje 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 lección sobre la necesidad de concentrarse.
Inicialmente, Palona trabajó para marcas de moda y electrónica, creando personalidades de “mago” y “surfista” para manejar las ventas. Sin embargo, el equipo rápidamente se dio cuenta de que la industria de restaurantes presentaba una oportunidad única de un billón de dólares que period “sorprendentemente a prueba de recesión”, pero “atónita” por la ineficiencia operativa.
“Consejo para los fundadores de startups: no opten por múltiples industrias”, advirtió Zhang.
Al verticalizarse, Palona pasó de ser una capa de chat “delgada” a construir un “canal de información multisensorial” que procesa la visión, la voz y el texto en conjunto.
Esa claridad de enfoque abrió el acceso a datos de capacitación patentados (como manuales de preparación y transcripciones de llamadas) y al mismo tiempo evitó la extracción de datos genéricos.
1. Aprovechar la ‘area cambiante’
Para adaptarse a la realidad de las implementaciones de IA empresarial en 2025 (con modelos nuevos y mejorados que aparecerán casi semanalmente), Palona desarrolló una capa de orquestación pendiente de patente.
En lugar de estar “integrado” con un único proveedor como OpenAI o Google, la arquitectura de Palona les permite intercambiar modelos en un instante según el rendimiento y el costo.
Utilizan una combinación de modelos propietarios y de código abierto, incluido Gemini para puntos de referencia de visión por computadora y modelos de lenguaje específicos para la fluidez en español o chino.
Para los constructores, el mensaje es claro: nunca permita que el valor central de su producto sea la dependencia de un único proveedor.
2. De las palabras a los ‘modelos del mundo’
El lanzamiento de Palona Imaginative and prescient representa un cambio de la comprensión de las palabras a la comprensión de la realidad física de una cocina.
Si bien muchos desarrolladores luchan por unir API separadas, el nuevo modelo de visión de Palona transforma las cámaras existentes en la tienda en asistentes operativos.
El sistema identifica “causa y efecto” en tiempo actual: reconoce si una pizza está poco cocida por su shade “beige pálido” o alerta a un gerente si una vitrina está vacía.
“En palabras, la física no importa”, explicó Zhang. “Pero en realidad, si se me cae el teléfono, siempre se cae… queremos saber realmente qué está pasando en este mundo de los restaurantes”.
3. La solución ‘Muffin’: arquitectura de memoria personalizada
Uno de los obstáculos técnicos más importantes que enfrentó Palona fue la gestión de la memoria. En el contexto de un restaurante, la memoria es la diferencia entre una interacción frustrante y una “mágica” en la que el agente recuerda el pedido “recurring” de un comensal.
Inicialmente, el equipo utilizó una herramienta de código abierto no especificada, pero descubrió que producía errores el 30% de las veces. “Creo que los desarrolladores de asesoramiento siempre apagan la memoria [on consumer AI products]porque eso garantizará que todo se estropee”, advirtió Zhang.
Para resolver esto, Palona creó Muffin, un sistema propietario de administración de memoria llamado así como un guiño a las “cookies” net. A diferencia de los enfoques estándar 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.
-
Recuerdos transitorios y estacionales: adaptarse a los turnos, como preferir bebidas frías en julio al chocolate caliente en invierno.
-
Contexto regional: valores predeterminados como zonas horarias o preferencias de idioma.
La lección para los constructores: si la mejor herramienta disponible 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 riesgo para la seguridad. Un incidente reciente en Stefanina’s Pizzeria en Missouri, donde una IA alucinó con ofertas falsas durante una cena picodestaca lo rápido que puede evaporarse la confianza en la marca cuando no existen salvaguardias.
Para evitar tal caos, los ingenieros de Palona siguen sus normas internas. Marco de GRACIA:
-
Barandillas: límites estrictos al comportamiento de los agentes para evitar promociones no aprobadas.
-
Purple 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: basar cada respuesta en datos de menú verificados y examinados para garantizar la precisión.
-
Escalamiento: dirigir interacciones complejas a un administrador humano antes 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 actuar como cliente y otra para tomar el pedido, midiendo la precisión para eliminar las alucinaciones.
La conclusión
Con el lanzamiento de Imaginative and prescient and Workflow, Palona apuesta a que el futuro de la IA empresarial no está en asistentes amplios, sino en “sistemas operativos” especializados que puedan ver, oír y pensar dentro de un dominio específico.
A diferencia de los agentes de inteligencia synthetic de propósito basic, el sistema de Palona está diseñado para ejecutar flujos de trabajo de restaurantes, no solo responder a consultas: es capaz de recordar a los clientes, escucharlos pedir lo “recurring” y monitorear las operaciones del restaurante para garantizar que entregan a ese cliente la comida de acuerdo con sus procesos y pautas internos, señalando cuando algo sale mal o es essential. 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”.
