Nel campo dell'intelligenza artificiale (AI), i fornitori spesso promettono agli utenti enterprise di fornire soluzioni di facile implementazione, ma in realtà i modelli AI richiedono un addestramento specifico per comprendere i dettagli aziendali. Questo perché un modello AI non saprà, ad esempio, cosa rappresenta il fatturato per un'azienda né chi può accedere a certi file, a meno che non venga opportunamente formato.
Un problema comune nelle applicazioni aziendali dell'AI
Questo gap spiega perché molte startup e società del settore stanno inviando ingegneri per integrare i propri prodotti AI nei sistemi dei clienti. La startup newyorkese Jedify sta affrontando proprio questa problematica. La sua piattaforma connette le fonti di conoscenza aziendale tramite API, costruendo un "context graph" che gli agenti AI possono utilizzare per operare più efficacemente.
Gli agenti AI, per essere utili nelle imprese, hanno bisogno di contesto: le relazioni tra entità, dati, permessi, conoscenze di dominio, workflow, ipotesi operative e teminologia aziendale. Questo contesto permette agli agenti AI di concentrarsi sulle informazioni rilevanti per un compito specifico, anziché dover cercare in un vasto database aziendale.
Jedify ottiene finanziamenti di Serie A
Nel frattempo, Jedify ha raccolto 24 milioni di dollari in un round di Serie A, di cui TechCrunch è esclusiva rispetto. Il round di finanziamento è guidato da Norwest, con la partecipazione di S Capital VC e Cerca Partners che tornano con investimenti, e con nuovi partner Oceans Ventures.
Snowflake, colosso del settore data, ha partecipato come investitore strategico e sta integrando la tecnologia di Jedify nei propri servizi AI, tra cui Cortex AI, Semantic Views e CoWork. Questo accordo ha spinto Jedify a sottolineare che la sua missione va al di là delle semplici sperimentazioni, e mira ad aprire nuovi orizzonti per l’integrazione dell’AI nell’ambiente aziendale.
Come funziona il context graph
Il context graph di Jedify si distingue dagli strumenti esistenti come semantic layers, metadata catalogs e knowledge graphs perché è multidimensionale. Captura relazioni tra entità, dati, persone, permessi, clienti e altri punti chiave. Inoltre, è model-agnostic e aggiornabile in tempo reale, in base al flusso di informazioni nei sistemi aziendali connessi.
Esempio con Kiteworks
Fondatore e CEO di Jedify, Assaf Henkin, ha menzionato Kiteworks, una società che opera nel settore del compliance aziendale, come esempio di utilizzo pratica. Kiteworks ha utilizzato la piattaforma di Jedify integrando sorgenti come Snowflake, Tableau, Notion e i propri manuali interni e documenti.
L’azienda ha poi creato “agentic tools” customizzate per diversi workflow clienti, dando ai propri venditori e ai team di conto un’applicazione in grado di fornire informazioni contestuali in tempo reale. Queste informazioni permettono agli utenti di prepararsi a colloqui con i clienti e di ricevere informazioni specifiche durante le conversazioni.
La gestione dei permessi
Uno dei maggiori ostacoli riguarda il controllo dei permessi. Ad esempio, non si vorrebbe che un tirocinante abbia accesso a proiezioni di ricavi del CFO. Jedify affronta questa problematica ereditando i permessi da sistemi di identità, file systems, strumenti SaaS e database. Offre inoltre funzioni di gruppo personalizzate per regolare cosa ciascun agente può accessare. La piattaforma supporta inoltre tool di governance e osservabilità per garantire che gli agenti AI funzionino correttamente.
Orientamento al mercato
La startup si rivolge principalmente a imprese di media grandezza e a grandi aziende con stack dati maturi, dotate di più database o data warehouse. Henkin ha rivelato che Jedify ha da 10 a 20 clienti iniziali, tra cui The Weather Company. Il settore interessato alla piattaforma include settori ad alta densità dati come il gaming, gli industriali e i prodotti consumer per uso domestico.
La sfida con le piattaforme di dati più grandi
L’integrazione con Snowflake assume una significativa importanza, poiché anche le grandi piattaforme di dati stanno tentando di creare capacità simili. Tuttavia, Henkin sottolinea che Jedify offre una soluzione complementare: i dati e le conoscenze aziendali non sono concentrati in un unico ambiente, quindi Jedify riesce a recuperare informazioni e contesti che le altre piattaforme non riescono a catturare.
- Le aziende non mettono tutta la loro conoscenza e dati in un'unica piattaforma cloud.
- Jedify si adatta a questo scenario eterogeneo, integrando informazioni da diversi sistemi.
- I modelli AI, se devono funzionare al meglio, devono fare affidamento su dati e contesti aziendali reali.
Un altro fattore a favore di Jedify è il contesto economico, in cui le aziende si concentrano sempre più sui costi legati all’uso dei token. Allenare un modello AI per replicare la funzionalità di Jedify può essere costoso, tanto da scoraggiare molti.
I progressi dell’AI e lo sviluppo futuri
Jedify punta ad offrire una protezione durevole e contestuale per i modelli AI man mano che la tecnologia evolve. Questo contesto potrebbe rappresentare un vantaggio considerevole per chi vuole sfruttare al meglio le potenzialità dell’AI nel settore enterprise.
I 24 milioni raccolti aiuteranno Jedify a sviluppare ulteriormente la sua piattaforma, perfezionare la propria organizzazione e migliorare il mercato, portando così il totale dell’investimento a circa 33 milioni di dollari. Una mossa strategica per posizionarsi in una nicchia sempre più concorrenziale ma cruciale per il futuro dell’intelligenza artificiale nelle imprese.