Стартап Jedify привлёк $24 млн для создания контекстных графов, улучшающих работу ИИ-агентов в бизнесе

Компании, продвигающие корпоративные ИИ-продукты, часто представляют их как готовые решения, но на практике ИИ-агенты редко начинают эффективно работать сразу. Без обучения модели на специфике конкретного бизнеса она вряд ли поймет, как ваша компания определяет выручку или кто имеет доступ к определенным файлам. Именно эту проблему решает стартап Jedify.

Нью-йоркский стартап Jedify привлек $24 млн (около 1,92 млрд рублей) в рамках раунда Series A, который возглавила Norwest. Об этом TechCrunch стало известно эксклюзивно. В раунде также приняли участие предыдущие инвесторы S Capital VC и Cerca Partners, а также новый инвестор Oceans Ventures. Гигант обработки данных Snowflake выступил стратегическим инвестором и интегрирует технологию стартапа со своими ИИ-продуктами, такими как Cortex AI, Semantic Views и CoWork.

Платформа Jedify подключается к источникам знаний предприятий через API для построения «контекстного графа» о бизнесе, который ИИ-агенты могут использовать для более эффективной работы. Этими источниками могут быть базы данных, хранилища и озера данных, SaaS-приложения, BI-инструменты, а также неструктурированные источники, такие как отчеты, документация, базы кода, каналы Slack и записи встреч.

Идея Jedify в том, что для полезной работы внутри предприятий ИИ-агентам необходим доступ к связям между сущностями, данными, разрешениями, предметными знаниями, рабочими процессами, операционными допущениями и специфической для компании терминологией. Этот контекст позволяет ИИ-агенту сосредоточиться на информации, релевантной конкретной задаче, вместо поиска по всем данным компании.

Соснователь и генеральный директор Ассаф Хенкин (на фото выше, крайний справа) привел в пример компанию Kiteworks, занимающуюся соблюдением нормативных требований. Kiteworks подключила Snowflake, Tableau, Notion и внутренние руководства к Jedify, а затем создала агентные инструменты для различных рабочих процессов с клиентами.

«Они хотели вооружить своих продавцов и аккаунт-менеджеров сложным приложением — вы можете думать о нем как о панели мониторинга и приложении для общения в реальном времени. Когда они вступают в разговор с клиентом, Jedify на лету собирает для них всю необходимую информацию. И во время разговора они могут в реальном времени получать очень конкретные детали, которые выводятся проактивно», — сказал Хенкин.

Контекстный граф Jedify. Image Credits: Jedify
Image Credits:Jedify /

Хенкин утверждает, что контекстный граф Jedify отличается от семантических слоев, каталогов метаданных и графов знаний, которые уже используют компании, поскольку он многомерен и фиксирует взаимосвязи между сущностями, данными, людьми, разрешениями и клиентами. Он также не зависит от модели и обновляется в реальном времени по мере поступления и выхода информации из подключенных систем.

«Когда вы хотите, чтобы агентное решение было действительно автономным, принимало решения на основе данных CRM, тикетов Zendesk, возможно, телеметрических данных, поступающих в реальном времени, вот тогда контекстный граф гораздо лучше по своим возможностям, чем семантический слой», — сказал он.

Разрешения являются очевидным препятствием. Например, агент не должен давать стажеру доступ к прогнозам выручки финансового директора. Хенкин сказал, что его платформа решает эту проблему, наследуя разрешения из систем идентификации, файловых систем, SaaS-инструментов и баз данных, включая правила доступа на уровне строк, столбцов и таблиц, а затем позволяет клиентам создавать дополнительные группы, определяющие, к чему и кому агенты или рабочие процессы могут получить доступ. Она также предлагает инструменты наблюдаемости и управления, чтобы помочь клиентам убедиться, что их ИИ-агенты ведут себя должным образом.

В настоящее время Jedify ориентируется на клиентов среднего и крупного корпоративного сегмента, имеющих зрелые стеки данных и несколько баз данных или хранилищ данных. Хенкин сообщил, что у компании от 10 до 20 первых клиентов, одним из которых является The Weather Company, и наблюдается интерес со стороны секторов с интенсивным использованием данных, таких как игры, промышленность и потребительские товары.

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

«[Крупные компании по обработке данных] скажут вам: „О да, просто перенесите всё“. Но в реальности у компаний есть несколько баз данных, хранилищ и решений для данных […] Главное в том, что не все ваши данные находятся в этих средах, и большая часть ваших знаний — тоже нет, так что это их недостаток», — сказал он.

Хенкин также отметил, что для компаний, пытающихся сделать это самостоятельно, обучение ИИ-модели для создания сопоставимого контекстного слоя может быть prohibitively дорогим, особенно на фоне того, что компании тщательно следят за использованием токенов ИИ и ограничивают его.

Быстрый прогресс в разработке моделей ИИ играет на руку более широкой ставке компании: по мере того как модели становятся более мощными и взаимозаменяемыми, проприетарный контекст, который помогает этим моделям лучше работать внутри бизнеса, может оказаться ценным и долговечным преимуществом.

Стартап направит полученные средства на разработку продуктов, найм сотрудников и выход на рынок. Это доводит общий объем финансирования компании до примерно $33 млн (около 2,64 млрд рублей).

Цены сконвертированы автоматически. Реальные цены могут отличаться.