يروج بائعو الذكاء الاصطناعي لمنتجاتهم المؤسسية كما لو كانت حلولاً متكاملة، ولكن فرص نجاح وكلاء الذكاء الاصطناعي في العمل على الفور منخفضة. ما لم تبذل جهدًا لتدريب نموذج على تفاصيل عملك، فمن غير المرجح أن تفهم كيف تحدد شركتك، على سبيل المثال، الإيرادات أو تعرف من يُسمح له برؤية الملف. وهذا جزء من السبب الذي يجعلنا نرى شركات الذكاء الاصطناعي تنشر مهندسين للمساعدة في دمج منتجات الذكاء الاصطناعي الخاصة بها في أنظمة العملاء.
شركة ناشئة مقرها نيويورك تهاجم هذه الفجوة بالذات. تقول الشركة إن منصتها تتصل بمصادر المعرفة الخاصة بالمؤسسات عبر واجهات برمجة التطبيقات لبناء “رسم بياني للسياق” حول أعمالهم والذي يمكن لوكلاء الذكاء الاصطناعي استخدامه للعمل بشكل أفضل. يمكن أن تكون هذه المصادر قواعد بيانات ومستودعات وبحيرات بيانات وتطبيقات SaaS أو أدوات ذكاء الأعمال، بالإضافة إلى مصادر غير منظمة مثل التقارير والوثائق وقواعد الأكواد وحتى قنوات Slack وتسجيلات الاجتماعات.
ولبناء ذلك، قامت Jedify بجمع 24 مليون دولار في جولة تمويل من السلسلة A بقيادة Norwest، حسبما علمت TechCrunch حصريًا. وشهدت الجولة مشاركة من الداعمين العائدين S Capital VC وCerca Partners، بالإضافة إلى المستثمر الجديد Oceans Ventures. وشاركت شركة البيانات العملاقة Snowflake أيضًا كمستثمر استراتيجي وتقوم بدمج تقنية الشركة الناشئة مع منتجات الذكاء الاصطناعي الخاصة بها، مثل خدمة Cortex AI وSemantic Views وCoWork.
تتمثل فكرة Jedify في أنه لكي يكون وكلاء الذكاء الاصطناعي مفيدًا داخل المؤسسات، يحتاجون إلى الوصول إلى العلاقات بين الكيانات والبيانات والأذونات ومعرفة المجال وسير العمل والافتراضات التشغيلية والمصطلحات الخاصة بالشركة. وتقول الشركة إن هذا السياق يسمح لوكيل الذكاء الاصطناعي بتضييق نطاق انتباهه إلى المعلومات ذات الصلة بمهمة معينة بدلاً من البحث في كل ما تملكه الشركة.
أشار المؤسس المشارك والرئيس التنفيذي عساف هنكين (في الصورة أعلاه، في أقصى اليمين) إلى شركة Kiteworks، وهي شركة امتثال، كمثال على كيفية استخدام العملاء لـ Jedify. قامت Kiteworks بتوصيل Snowflake وTableau وNotion وقواعد اللعبة الداخلية، بما في ذلك المستندات ولقطات الشاشة، بـ Jedify، ثم قامت ببناء أدوات وكيلة لسير عمل العملاء المختلفة.
“لقد أرادوا تسليح البائعين وفرق الحسابات بتطبيق متطور – يمكنك التفكير فيه على أنه تطبيق لوحة تحكم وتطبيق محادثة في الوقت الفعلي. وعندما يدخلون في محادثة مع العملاء، يبني Jedify لهم، بسرعة، كل ما يحتاجون إلى معرفته. وأثناء المحادثة، يمكنهم، في الوقت الفعلي، الحصول على تفاصيل محددة للغاية تظهر بشكل استباقي”.
الرسم البياني لسياق Jedify. اعتمادات الصورة: JedifyImage الاعتمادات: Jedify /
يجادل هنكين بأن الرسم البياني لسياق Jedify يختلف عن الطبقات الدلالية وكتالوجات البيانات الوصفية والرسوم البيانية المعرفية التي تستخدمها الشركات بالفعل لأنه متعدد الأبعاد، ويلتقط العلاقات عبر الكيانات والبيانات والأشخاص والأذونات والعملاء. كما أنه لا يعتمد على النماذج ويتم تحديثه في الوقت الفعلي حيث تتدفق المعلومات داخل وخارج الأنظمة التي يتصل بها.
“عندما تريد تمكين حل وكيل ليكون مستقلاً حقًا، لدفع القرارات عبر بيانات CRM، وتذاكر Zendesk، وربما بيانات القياس عن بعد التي تأتي في الوقت الفعلي، عندها يكون الرسم البياني للسياق أفضل بكثير من حيث القدرات مقابل الطبقة الدلالية”.
الأذونات هي عقبة واضحة هنا. لن يكون من المفيد للوكيل أن يمنح المتدرب إمكانية الوصول إلى توقعات إيرادات المدير المالي، على سبيل المثال. قال Henkin إن منصته تعمل على معالجة ذلك من خلال وراثة الأذونات من أنظمة الهوية وأنظمة الملفات وأدوات SaaS وقواعد البيانات، بما في ذلك قواعد الوصول على مستوى الصفوف والأعمدة والجدول، ثم تتيح لعملائها إنشاء مجموعات إضافية تحدد ما ومن يُسمح للوكلاء أو سير العمل بالوصول إليه. كما أنه يوفر أدوات المراقبة والحوكمة لمساعدة العملاء على التأكد من أن وكلاء الذكاء الاصطناعي لديهم يتصرفون على النحو المنشود.
يستهدف Jedify حاليًا عملاء المؤسسات المتوسطة والكبيرة الذين لديهم مجموعات بيانات ناضجة وقواعد بيانات متعددة أو مستودعات بيانات. وقال هنكين إن الشركة لديها ما بين 10 إلى 20 عميلاً مبكرًا، أحدهم هو The Weather Company، وتشهد اهتمامًا من القطاعات ذات البيانات الثقيلة مثل الألعاب والصناعات والسلع الاستهلاكية المعبأة.
يعد استثمار Snowflake وشراكتها ملحوظًا لأن منصات البيانات الكبيرة تحاول أيضًا بناء قدرات مماثلة. لكن هنكين يرى أن Jedify مكمل لمثل هذه الجهود لأن الكثير من بيانات الشركة، ومعظم معرفتها المؤسسية، لا يتم تخزينها عادةً لدى مزود سحابي واحد.
“[The large data companies] سيقول لك: “أوه نعم، فقط أحضر كل شيء.” لكن في الواقع، تمتلك الشركات قواعد بيانات ومستودعات وحلول بيانات متعددة […] وقال: “الأمر المهم هو أنه ليست كل بياناتك موجودة في تلك البيئات، ومعظم معرفتك ليست موجودة، لذا فإن وجودها في الواقع يمثل عيبًا إلى حد ما”.
وأشار هينكين أيضًا إلى أنه بالنسبة للشركات التي تحاول القيام بذلك بمفردها، فإن تدريب نموذج الذكاء الاصطناعي لبناء طبقة سياق قابلة للمقارنة يمكن أن يكون باهظ التكلفة، خاصة وأن .
ويصب التقدم السريع في تطوير نماذج الذكاء الاصطناعي في صالح الرهان الأوسع للشركة: مع نمو النماذج بشكل أكثر قدرة وأكثر قابلية للتبادل، فإن سياق الملكية الذي يساعد تلك النماذج على العمل بشكل أفضل داخل الشركات يمكن أن يكون بمثابة خندق قيم ودائم.
ستستخدم الشركة الناشئة الأموال الجديدة لتطوير المنتجات والتوظيف والذهاب إلى السوق. وبذلك يصل إجمالي تمويل الشركة إلى حوالي 33 مليون دولار.
عندما تقوم بالشراء من خلال الروابط الموجودة في مقالاتنا، . هذا لا يؤثر على استقلالنا التحريري.
