Стартап Jedify из Нью-Йорка пытается устранить именно этот пробел. Компания заявляет, что ее платформа подключается к источникам знаний предприятий через API для построения «контекстного графа» об их бизнесе, который могут использовать ИИ-агенты для более эффективной работы. Этими источниками могут быть базы данных, хранилища и озера данных, SaaS-приложения или BI-инструменты, а также неструктурированные источники, такие как отчеты, документация, кодовые базы и даже каналы Slack и записи совещаний.
Для этого Jedify привлекла 24 миллиона долларов в рамках раунда финансирования Серии А, который возглавила Norwest, как эксклюзивно узнал TechCrunch. В раунде также приняли участие возвращающиеся инвесторы S Capital VC и Cerca Partners, а также новый инвестор Oceans Ventures. Гигант в области данных Snowflake также выступил в качестве стратегического инвестора и интегрирует технологии стартапа со своими продуктами на базе ИИ, такими как сервис Cortex AI, Semantic Views и CoWork.
Суть предложения Jedify заключается в том, что для полезной работы внутри предприятий ИИ-агентам необходим доступ к взаимосвязям между сущностями, данными, разрешениями, предметными знаниями, рабочими процессами, операционными предположениями и специфической терминологией компании. Этот контекст, по утверждению компании, позволяет ИИ-агенту сузить область внимания до информации, релевантной конкретной задаче, вместо того чтобы искать по всему объему данных, имеющихся у компании.
Соучредитель и генеральный директор Ассаф Хенкин (на фото выше, крайний справа) привел в пример Kiteworks, компанию, занимающуюся вопросами соответствия требованиям, как образец использования Jedify клиентами. Kiteworks подключила Snowflake, Tableau, Notion и внутренние методические пособия, включая документы и скриншоты, к Jedify, а затем создала агентские инструменты для различных рабочих процессов клиентов.
«Они хотели вооружить своих продавцов и команды по работе с клиентами сложным приложением — вы можете думать о нем как о приложении-дашборде и приложении для общения в реальном времени. Когда они вступают в разговор с клиентом, Jedify на лету формирует для них всю необходимую информацию. И во время разговора они могут в реальном времени проактивно получать очень специфические детали», — сказал Хенкин.
Хенкин утверждает, что контекстный граф Jedify отличается от семантических слоев, каталогов метаданных и графов знаний, которые компании уже используют, поскольку он многомерен, фиксируя взаимосвязи между сущностями, данными, людьми, разрешениями и клиентами. Он также агностичен к моделям и обновляется в реальном времени по мере поступления и выгрузки информации из подключенных систем.
«Когда вы хотите, чтобы агентное решение стало по-настоящему автономным, чтобы оно управляло решениями на основе данных CRM, тикетов Zendesk, возможно, телеметрических данных, поступающих в реальном времени, тогда контекстный граф намного лучше по своим возможностям, чем семантический слой», — сказал он.
Разрешения, очевидно, являются здесь препятствием. Было бы неприемлемо, если бы агент предоставил стажеру доступ к прогнозам доходов финансового директора, например. Хенкин заявил, что его платформа решает эту проблему путем наследования разрешений от систем идентификации, файловых систем, SaaS-инструментов и баз данных, включая правила доступа на уровне строк, столбцов и таблиц, а затем позволяет своим клиентам создавать дополнительные группы, определяющие, к чему и к кому агенты или рабочие процессы могут обращаться. Платформа также предлагает инструменты для мониторинга и управления, чтобы помочь клиентам гарантировать, что их ИИ-агенты ведут себя должным образом.
В настоящее время Jedify ориентируется на клиентов среднего и крупного бизнеса, обладающих зрелыми стеками данных и множеством баз данных или хранилищ. Хенкин сообщил, что у компании от 10 до 20 ранних клиентов, один из которых — The Weather Company, и она наблюдает интерес со стороны секторов с большим объемом данных, таких как игры, промышленность и производство потребительских товаров.
Инвестиции и партнерство Snowflake примечательны тем, что крупные платформы данных также пытаются создать аналогичные возможности. Но Хенкин утверждает, что Jedify дополняет эти усилия, поскольку большая часть данных компании и большая часть ее институциональных знаний обычно не хранятся у одного облачного провайдера.
«[Крупные компании, занимающиеся данными] скажут вам: „О да, просто принесите все“. Но в реальности у компаний есть несколько баз данных, хранилищ и решений для данных […] Главное, что не все ваши данные находятся в этих средах, и большая часть ваших знаний там отсутствует, так что это своего рода их недостаток», — сказал он.
Хенкин также отметил, что для компаний, пытающихся сделать это самостоятельно, обучение ИИ-модели для создания сопоставимого контекстного слоя может оказаться непомерно дорогим, особенно в свете того, что компании тщательно проверяют и ограничивают использование токенов ИИ.
А быстрые успехи в разработке моделей ИИ играют на более широкой ставке компании: по мере того как модели становятся все более способными и взаимозаменяемыми, проприетарный контекст, который помогает этим моделям лучше работать внутри предприятий, может оказаться ценным и долговечным конкурентным преимуществом.
Стартап использует свежие средства для разработки продукта, найма персонала и выхода на рынок. Общий объем привлеченного компанией финансирования составляет около 33 миллионов долларов.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Ram Iyer
