Paradigm, una startup supportata da Y Combinator, ha lanciato un’innovativa soluzione per i fogli di calcolo, utilizzando l’intelligenza artificiale generativa per semplificare e velocizzare il lavoro. Fondata da Anna Monaco, una neolaureata di 22 anni dell’Università della Pennsylvania, la startup ha raccolto un finanziamento iniziale di 2 milioni di dollari da investitori come Y Combinator, Soma Capital, Pioneer Fund e noti imprenditori tech.
Paradigm rivoluziona il foglio di calcolo tradizionale, utilizzando agenti di intelligenza artificiale per compilare automaticamente i dati nelle celle. Ad esempio, un utente può chiedere al software di cercare su GitHub i programmatori più attivi e vedere i risultati organizzati in un foglio di calcolo. Paradigm promette di essere 1000 volte più veloce rispetto alla raccolta manuale dei dati, riuscendo a completare in media 500 celle al minuto.
Il software di Paradigm sfrutta modelli di intelligenza artificiale, come GPT-4 di OpenAI e i modelli Llama di Meta, per cercare informazioni online e riempire automaticamente le celle del foglio di calcolo. Gli utenti possono anche aggiungere nuove colonne e specificare in linguaggio naturale le categorie di dati che desiderano, come la sintesi delle informazioni da LinkedIn, GitHub e Twitter/X.
Il video di lancio mostra come le celle si riempiono con un solo clic e come gli utenti possano poi ampliare e modificare il foglio di calcolo facilmente, confrontando i candidati con il proprio team attuale e valutandoli rispetto alle descrizioni di lavoro.
Paradigm affronta la sfida di evitare problemi comuni dell’intelligenza artificiale, come errori nei calcoli o informazioni errate. Tuttavia, la startup ha già attirato centinaia di utenti iniziali da Google, Stanford, Bain e McKinsey e i suoi servizi partono da 500 dollari al mese.
Per le aziende, Paradigm rappresenta un salto significativo negli strumenti di produttività, specialmente per settori come consulenza, reclutamento e vendite, dove la manipolazione dei dati è cruciale. Automatizzare attività ripetitive e migliorare l’accuratezza dei dati potrebbe portare a risparmi sui costi, decisioni più rapide e un uso più efficiente delle risorse umane.