Компания Jedify привлекла 24 миллиона долларов для оказания помощи компаниям в предоставлении ИИ-агентам контекстной информации об их бизнесе.

Поставщики решений в области ИИ рекламируют свои корпоративные продукты как готовые решения, но вероятность того, что ИИ-агенты начнут работать сразу же, невелика. Если вы не приложите усилий для обучения модели с учетом специфики вашего бизнеса, она вряд ли поймет, как, например, ваша компания определяет выручку или кто имеет доступ к какому файлу. Отчасти поэтому мы видим, как компании, занимающиеся ИИ, привлекают инженеров для интеграции своих продуктов ИИ в системы клиентов.

Нью-йоркский стартап Jedify решает именно эту проблему. Компания заявляет, что ее платформа подключается к источникам знаний предприятий через API для построения «контекстного графа» об их бизнесе, который агенты искусственного интеллекта могут использовать для повышения эффективности работы. Этими источниками могут быть базы данных, хранилища и озера данных, SaaS-приложения или инструменты бизнес-аналитики, а также неструктурированные источники, такие как отчеты, документация, кодовые базы и даже каналы Slack и записи совещаний.

Для дальнейшего развития Jedify привлекла 24 миллиона долларов в рамках раунда финансирования серии А, возглавляемого Norwest, как стало известно TechCrunch из эксклюзивных источников. В раунде также приняли участие уже инвестировавшие ранее S Capital VC и Cerca Partners, а также новый инвестор Oceans Ventures. Крупнейший в сфере обработки данных гигант Snowflake также выступил в качестве стратегического инвестора и интегрирует технологии стартапа со своими продуктами на основе искусственного интеллекта, такими как сервис Cortex AI, Semantic Views и CoWork.

В Jedify утверждают, что для эффективной работы в масштабах предприятий ИИ-агентам необходим доступ к взаимосвязям между сущностями, данными, правами доступа, знаниями предметной области, рабочими процессами, операционными предположениями и специфической для компании терминологией. По словам компании, этот контекст позволяет ИИ-агенту сузить круг поиска до информации, имеющей отношение к конкретной задаче, вместо того чтобы искать её по всему массиву данных компании.

Соучредитель и генеральный директор Ассаф Хенкин (на фото выше, крайний справа) привел в пример компанию Kiteworks, специализирующуюся на вопросах соответствия нормативным требованиям, как образец того, как клиенты используют Jedify. Kiteworks подключила Snowflake, Tableau, Notion и внутренние руководства, включая документы и скриншоты, к Jedify, а затем разработала инструменты для управления различными рабочими процессами клиентов.

«Они хотели вооружить своих продавцов и команды по работе с клиентами сложным приложением — его можно рассматривать как панель управления и как приложение для общения в режиме реального времени. Когда они вступают в диалог с клиентом, Jedify мгновенно формирует для них всю необходимую информацию. И во время разговора они могут в режиме реального времени получать очень конкретные детали, которые отображаются заблаговременно», — сказал Хенкин.

Хенкин утверждает, что контекстный граф Jedify отличается от семантических слоев, каталогов метаданных и графов знаний, которые компании уже используют, тем, что он многомерен и отражает взаимосвязи между сущностями, данными, людьми, разрешениями и клиентами. Он также не зависит от модели и обновляется в режиме реального времени по мере того, как информация поступает в системы, к которым он подключен, и выходит из них.

«Когда вы хотите, чтобы агентское решение действительно работало автономно, принимая решения на основе данных CRM, заявок Zendesk, возможно, телеметрических данных, поступающих в режиме реального времени, именно тогда контекстный граф оказывается гораздо лучше с точки зрения возможностей, чем семантический слой», — сказал он.

Очевидной проблемой здесь являются права доступа. Например, агенту было бы недопустимо предоставлять стажёру доступ к прогнозам доходов финансового директора. Хенкин сказал, что его платформа решает эту проблему, наследуя права доступа от систем идентификации, файловых систем, инструментов SaaS и баз данных, включая правила доступа на уровне строк, столбцов и таблиц, а затем позволяет своим клиентам создавать дополнительные группы, которые определяют, к чему и к кому агенты или рабочие процессы имеют доступ. Она также предлагает инструменты мониторинга и управления, которые помогают клиентам убедиться, что их агенты ИИ работают должным образом.

В настоящее время Jedify ориентируется на клиентов среднего и крупного бизнеса, имеющих зрелые системы обработки данных и множество баз данных или хранилищ данных. Хенкин сообщил, что у компании от 10 до 20 первых клиентов, одним из которых является The Weather Company, и она наблюдает интерес со стороны секторов, активно использующих данные, таких как игровая индустрия, промышленность и производство потребительских товаров.

Инвестиции и партнерство Snowflake примечательны тем, что крупные платформы обработки данных также стремятся создавать аналогичные возможности. Однако Хенкин утверждает, что Jedify дополняет такие усилия, поскольку большая часть данных компании, а также большая часть ее институциональных знаний, обычно не хранится у одного облачного провайдера.

«[Крупные компании, работающие с данными] скажут вам: „Да, просто принесите все“. Но на самом деле у компаний есть множество баз данных, хранилищ и решений для работы с данными […] Главное в том, что не все ваши данные находятся в этих средах, и большая часть ваших знаний там отсутствует, поэтому это своего рода недостаток, который они имеют», — сказал он.

Хенкин также отметил, что для компаний, пытающихся сделать это самостоятельно, обучение модели ИИ для создания сопоставимого контекстного слоя может оказаться слишком дорогостоящим, особенно с учетом того, что компании тщательно контролируют и ограничивают использование токенов ИИ.

Быстрый прогресс в разработке моделей ИИ вписывается в более широкую стратегию компании: по мере того, как модели становятся все более функциональными и взаимозаменяемыми, собственный контекст, помогающий этим моделям лучше работать в рамках бизнеса, может оказаться ценным и надежным защитным барьером.

Стартап планирует использовать полученные средства на разработку продукта, найм персонала и вывод продукции на рынок. Таким образом, общий объем привлеченных компанией средств достиг примерно 33 миллионов долларов.

Источник: techcrunch.com