Sierra detalla Context Engine para convertir el historial de clientes en un foso de IA

Why it matters

Sierra is betting that the durable value in enterprise AI will sit in customer-specific memory, workflows and outcome data, giving it a defensible layer above interchangeable foundation models.

Sierra el 4 de agosto detalló Context Engine, una capa de memoria y de decisión diseñada para ayudar a sus agentes de IA a transportar información de clientes a través de canales, identificar señales de comportamiento y aprender qué acciones producen resultados comerciales. El lanzamiento pone un producto en torno al argumento de Sierra de que las empresas pueden comprar inteligencia a proveedores de modelos cambiantes mientras retienen el contexto del cliente creado a través de sus propias operaciones.

Bret Taylor (@btaylor), quien cofundó Sierra con Clay Bavor, describió esa tesis como "renta la inteligencia, posee la relación" en una publicación en X. La publicación del producto que acompaña a Sierra dice que Context Engine recopila información de las interacciones con clientes y de los sistemas que contienen registros de compras, facturación, reclamaciones, citas y uso. Luego conecta esos registros con clientes, productos y transacciones para que un agente pueda decidir qué información importa en un momento determinado.

Taylor aporta una visión directa de ambos lados de ese argumento. Co-creó Google Maps, se desempeñó como director de tecnología de Facebook, fundó Quip y más tarde fue co-CEO de Salesforce. También forma parte del consejo de OpenAI. Bavor pasó 18 años en Google, donde su trabajo incluyó Google Workspace, Google Lens, Project Starline y Google Labs. Su apuesta con Sierra asigna condición de commodity al acceso a modelos fundacionales y pone el valor empresarial duradero en los datos y decisiones que rodean cada relación con el cliente.

Una capa de memoria por encima de los modelos

Context Engine es la capa de datos detrás de la plataforma Horizon, que la empresa con sede en San Francisco presentó el 16 de julio. Los agentes Horizon están diseñados para perseguir objetivos durante días, semanas o meses, incluyendo originar préstamos, procesar remisiones de salud, retener suscriptores y cerrar ventas. Eso requiere que un agente recuerde lo que ocurrió entre conversaciones y reevalúe su plan cuando un pago, una cita, un evento de uso del producto o la respuesta del cliente cambia la situación.

Context Engine tiene tres funciones principales. Su sistema de memoria vincula interacciones de diferentes canales con el mismo cliente y extrae información de los sistemas de registro. Su capa de señales monitorea eventos entre conversaciones, como una disminución en el uso del producto o un cambio en la cuenta. Su sistema de personalización selecciona la siguiente acción mientras opera dentro de las reglas establecidas por el cliente, incluidos límites destinados a proteger los márgenes o las puntuaciones de satisfacción del cliente.

Sierra dice que el sistema también trata las decisiones de los agentes como experimentos. La mayoría de las acciones siguen lo que previamente funcionó para clientes en circunstancias similares, mientras que un número menor prueba alternativas. Una oferta de retención aceptada, una compra completada o una cita programada se convierten entonces en evidencia para decisiones futuras. Con el tiempo, Sierra dice que Context Engine puede usar ese historial de resultados para entrenar modelos que predigan el abandono, la aceptación de ofertas o la conversión.

Ese ciclo de aprendizaje lleva a los agentes de Sierra más allá de los flujos de soporte predefinidos. Una solicitud de cancelación, por ejemplo, puede evaluarse frente al compromiso del suscriptor, el historial de facturación, beneficios no utilizados y respuestas a ofertas anteriores. El agente puede entonces decidir si ofrecer un descuento, recomendar un plan diferente o evitar un incentivo por completo.

El diseño también aumenta la importancia de los controles en torno a la experimentación automatizada. Sierra dice que los clientes definen los resultados y las reglas no negociables, mientras que Context Engine elige acciones dentro de esos límites. El valor del producto dependerá de si Sierra puede demostrar que esas decisiones producen ganancias mensurables sin permitir que un objetivo de optimización, como la retención o las ventas, anule los requisitos de cumplimiento o los intereses del cliente.

Sierra quiere que la capa de contexto se capitalice

La afirmación estratégica de Sierra es que los modelos fundacionales entregan inteligencia ampliamente disponible, mientras que el historial de interacciones y resultados de cada empresa sigue siendo propietario. Un competidor puede acceder a la misma versión del modelo. No puede reproducir de inmediato años de evidencia que muestren qué ofertas, mensajes y secuencias funcionaron para una base de clientes específica.

Sierra dice que los clientes conservan el control de la capa de memoria y pueden exportarla a un data warehouse u otro sistema externo a través del producto Context Engine. Esa afirmación de portabilidad importa porque la misma acumulación que hace útiles los datos puede dificultar reemplazar la plataforma que los alberga. Sierra se está posicionando como el sistema que organiza y actúa sobre ese contexto mientras argumenta que el cliente continúa siendo el propietario del registro subyacente.

La economía sigue la misma estrategia. Sierra dice que los clientes de Horizon pagan por resultados comerciales completados en lugar de tokens de modelo. Esa estructura transfiere el riesgo inmediato de los costos de inferencia a Sierra y le da a Sierra un incentivo para elegir modelos, herramientas y flujos de trabajo basados en el costo de producir un resultado. También ejerce presión sobre Sierra para definir un resultado con precisión, especialmente para procesos como la retención, el otorgamiento de préstamos y la atención médica que pueden extenderse a lo largo de muchas interacciones.

Sierra tiene capital de sobra para financiar ese trabajo. El 4 de mayo, Sierra anunció una ronda de $950 millones liderada por Tiger Global y GV con una valoración por encima de $15 mil millones. Axios informó una valoración post-money de $15.8 mil millones. Sierra dijo en febrero que había superado $150 millones en ingresos recurrentes anuales, y en mayo afirmó que sus agentes atendían a más del 40% de la Fortune 50 y manejaban miles de millones de interacciones de clientes. Esas cifras operativas siguen siendo reportadas por la empresa.

Context Engine muestra dónde Taylor y Bavor pretenden gastar esa credibilidad y capital. Sierra está pasando de automatizar conversaciones de servicio individuales a gestionar relaciones con clientes a lo largo del tiempo. Si el producto funciona como se describe, el activo valioso es el registro creciente de decisiones y resultados que rodean a cada cliente, con modelos fundacionales sirviendo como componentes reemplazables debajo de él.