Delphina تجمع 7.5 ملايين دولار لتوسيع نطاق «مصنع السياق» لتحليلات الذكاء الاصطناعي

أعلنت Delphina عن تمويل جديد قدره 7.5 ملايين دولار في 12 نوفمبر 2026، ليرتفع إجمالي تمويلها إلى 15 مليون دولار، بالتزامن مع إطلاق «مصنع السياق»، وهو نظام يستخدم وكلاء الذكاء الاصطناعي لبناء سياق الأعمال الذي تستند إليه إجابات التحليلات وصيانته.

شاركت Radical Ventures وCostanoa في قيادة جولة التمويل، بمشاركة Tenacity Capital ومستثمرين ملائكيين، منهم Fei-Fei Li، والحائز على جائزة نوبل Guido Imbens، وموظفون سابقون في بدايات Anthropic وOpenAI. وتتمثل الاستخدامات المعلنة للعائدات في توسيع نطاق «مصنع السياق» وتوسيع فريقي Delphina المعنيين بالوصول إلى السوق وهندسة العملاء.

أصبح المنتج الجديد متاحًا بالتزامن مع الإعلان. وتقوم فكرته الأساسية على أن دقة التحليلات المدعومة بالذكاء الاصطناعي تتطلب معرفة الجداول الموثوقة، وكيفية تحديد المقاييس، وما يعرفه المحللون ذوو الخبرة ولم يوثقوه. وتقول Delphina إن الشركات عادةً ما تجمع هذا السياق يدويًا، ما يجعله عرضة للتقادم مع تغير الأعمال.

وكلاء يحافظون على سياق الأعمال

يسند «مصنع السياق» أعمال الصيانة هذه إلى الوكلاء. وتقول Delphina إنهم يستطيعون إعداد خط أساس أولي من بيانات الشركة ووثائقها الحالية في غضون ساعات، وتحديد الثغرات ومعالجتها بينما يطرح الموظفون الأسئلة، وإحالة التغييرات المهمة إلى خبراء المجال للموافقة عليها. وبهذا الترتيب، يظل الخبراء مسؤولين عن التعريفات، فيما يتولى الوكلاء البحث والتحديث.

توضح النظرة العامة على المنتج لدى Delphina أن النظام يقرأ مشاريع dbt ولوحات المعلومات والوثائق وسجلات الاستعلامات، ثم يواصل قراءة هذه المصادر مع تغيرها. وتُحفظ التغييرات المعتمدة في قاعدة معرفية ذات إصدارات يملكها العميل، كما يمكن الاستناد في اختبارات التقييم إلى لوحات معلومات موثوقة سبق للموظفين التحقق منها.

عندما يكشف سؤال عن غياب تعريف لمقياس ما، يوضح سير عمل مصوّر أن الوكيل يبحث في dbt وLooker وNotion، ويحدد المسؤول عن جدول البيانات ذي الصلة، ثم يطلب تأكيدًا عبر Slack. وبعد الموافقة، ينشر التعريف ويعيد إنشاء الإجابة الأصلية ويحفظ الإصلاح بوصفه اختبارًا للانحدار، كي لا يتراجع المنطق المعتمد دون تنبيه.

تقول Delphina إن اتصالات النشر المؤسسي تستخدم بيانات اعتماد للقراءة فقط خاصة بكل مستخدم، وإن كل عميل يحصل على بيئة بيانات منفصلة. وتعمل Python وDuckDB داخل آلة افتراضية مصغّرة من نوع Firecracker ومعزولة عن الإنترنت، فيما تُسجّل المطالبات والاستعلامات ومراجع المعرفة، ويمكن تصديرها. وتجعل هذه الضوابط نشاط الوكلاء قابلًا للفحص، مع تقييد وصولهم إلى أنظمة الشركة والوجهات الخارجية.

اعتماد يتجاوز فرق البيانات

تفيد Delphina بأن فرق الأعمال تطرح الآن 73% من الأسئلة على منصتها، وأن الرؤساء التنفيذيين مستخدمون نشطون لدى أكثر من نصف عملائها. وفي Substack، يستخدم أكثر من 70% من الموظفين المنتج، ومن بينهم الرئيس التنفيذي Chris Best. ومن بين العملاء الآخرين LATAM Airlines وUpstart وUdemy وCoursera.

ووصف Best أثر المنتج في عملية اتخاذ القرارات لدى Substack قائلًا: «تحصل فرقنا الآن على إجابات دقيقة في ثوانٍ بدلًا من الانتظار أسابيع في قائمة انتظار. لقد غيّر ذلك طريقة اتخاذنا للقرارات».

سبق للرئيس التنفيذي والشريك المؤسس Jeremy Hermann أن أنشأ منصة Michelangelo للتعلم الآلي التابعة لـUber وقاد تطويرها، كما شارك في تأسيس Tecton التي استحوذت عليها Databricks. وقاد رئيس الشركة والشريك المؤسس Duncan Gilchrist علوم التسعير العالمية في Uber. وقال Gilchrist إن فرق العمليات والمبيعات والتسويق والمالية هي الآن الأكثر استخدامًا لمنتجات Delphina.

يوفر التمويل لـDelphina الموارد اللازمة لتوسيع المنتج والفرق التي تتولى بيعه ودعمه. ويتمثل الاختبار الأساسي في معرفة ما إذا كان اعتماد مستخدمي الأعمال والرؤساء التنفيذيين قادرًا على النمو من دون إضعاف موافقات الخبراء والتعريفات ذات الإصدارات واختبارات الانحدار التي يعتمد عليها وعد الشركة بتوفير تحليلات موثوقة.