Euno تجمع 23 مليون دولار في جولة Series A لبناء طبقة سياق لوكلاء الذكاء الاصطناعي المؤسسي

Euno جمعت 23 مليون دولار في جولة تمويل Series A لتوسيع منصة سياق الذكاء الاصطناعي المؤسسي الخاصة بها، حيث تواجه الشركات بشكل متزايد مشكلة لا يمكن لنماذج الأساس المتقدمة وحدها حلها: تزويد وكلاء الذكاء الاصطناعي بالمعرفة التنظيمية الكافية للعمل بثقة مع بيانات الأعمال المعقدة.

قادت الجولة شركة N47، بمشاركة المستثمر الحالي 10D ومجموعة من مؤسسي التكنولوجيا التنفيذيين الذين تشمل يينون كوستيكا، المؤسس المشارك لشركة Wiz، ويوتام سيفج، المؤسس المشارك والرئيس التنفيذي لشركة Cyera، وأوفير إيرليخ، المؤسس المشارك والرئيس التنفيذي لشركة Eon، وروتيم وايس، مؤسس Tavily، ومارك نيلسون، الرئيس التنفيذي السابق ورئيس مجلس إدارة Tableau. يجلب التمويل إجمالي تمويل Euno إلى 29 مليون دولار.

تأسست في عام 2023 بواسطة سارة ليفي وإيال فيرستنبرغ، وتخطط Euno لاستخدام رأس المال الجديد أساسًا لتوسيع المبيعات والتسويق مع زيادة الاستثمار في أبحاث الذكاء الاصطناعي. الشركة، التي تعمل في الولايات المتحدة وإسرائيل وتوظف ما يقرب من 30 شخصًا، تتوقع تقريبًا مضاعفة عدد موظفيها بحلول نهاية العام.

عنق الزجاجة في الذكاء الاصطناعي المؤسسي يتحول نحو السياق

التحسين السريع للنماذج اللغوية الكبيرة جعل من الممكن بشكل متزايد نشر وكلاء ذكاء اصطناعي قادرين على الاستعلام عن قواعد البيانات، وتوليد التحليلات، وكتابة الشيفرات، وأتمتة عمليات الأعمال. ولكن ربط الوكيل بأنظمة المؤسسة يضيف تحديًا آخر: معرفة أي المعلومات هي الموثوقة.

قد تمتلك المؤسسة الكبيرة آلاف الجداول ولوحات التحكم والمؤشرات ونماذج البيانات وتعريفات متنافسة لنفس المفهوم التجاري. على سبيل المثال، يحتاج وكيل الذكاء الاصطناعي المطلوب منه حساب الإيرادات إلى أكثر من مجرد الوصول إلى قاعدة البيانات. فهو يحتاج إلى معرفة أي مؤشر إيرادات معتمد، وأي الجداول حديثة، وكيف يُحسب المؤشر، ومن أين جاءت مدخلاته، وما إذا كان المستخدم الطالب مسموحًا له بالوصول إلى المعلومات الأساسية.

تحاول Euno تحويل تلك المعرفة المؤسسية إلى بنية تحتية قابلة للقراءة آليًا.

تقوم منصتها باستمرار بإنشاء رسم بياني سياقي حي يدمج معلومات مثل سلالة البيانات، والاستخدام، والملكية، والمنطق التجاري، وإشارات الصحة، وحالة الحوكمة. بدلاً من تقديم كل الأصول المتاحة للوكيل، يمكن للنظام توفير السياق المناسب للمستخدم المحدد، والمهمة، والقرار المتخذ.

قد يصبح هذا التمييز أكثر أهمية مع تحول الشركات من أنظمة الذكاء الاصطناعي التي تجيب على الأسئلة إلى وكلاء مستقلين قادرين على اتخاذ إجراءات عبر أنظمة مؤسسية متعددة.

“النماذج تستمر في التحسن وتصبح أرخص، لكن الحصن الطويل الأمد للذكاء الاصطناعي للمؤسسات سيأتي بشكل متزايد من السجل المتراكم لكيفية إنجاز العمل”، قال Sarah Levy، المؤسس المشارك والرئيس التنفيذي لشركة Euno.

تحويل البيانات الوصفية إلى بنية تحتية لوكلاء الذكاء الاصطناعي

تقنية Euno تعتمد على البيانات الوصفية، وهي المعلومات التي تصف من أين تأتي البيانات، وكيف تُحوَّل، ومن يستخدمها، وكيف ترتبط الأصول المختلفة ببعضها البعض.

تقوم المنصة برسم سلالة على مستوى الأعمدة عبر مستودعات البيانات، وأنظمة التحليل، ولوحات التحكم، والمؤشرات، ثم تجمع تلك المعلومات مع إشارات الاستخدام والحوكمة. يمكن لنظام التصنيف الآلي الخاص بها تصنيف الأصول ديناميكيًا كخصائص مثل “جاهز للذكاء الاصطناعي”، “خالٍ من المعلومات الشخصية (PII)”، “صحي”، أو “معتمد” بناءً على القواعد التي تحددها المؤسسة. تُحدَّث تلك التصنيفات مع تغير بيئة البيانات الأساسية.

توفر Euno أيضًا سير عمل يمكنه الاستجابة عندما تتغير تلك الشروط. يمكن للمؤسسات، على سبيل المثال، تحديد لوحات التحكم غير المعتمدة التي تصبح فجأة ذات استخدام مكثف، وتتبع انتشار المعلومات الشخصية (PII)، ووضع علامة على النماذج غير الموثقة، أو إظهار المؤشرات التي لم تعد تفي بمعايير الجودة الداخلية.

قامت الشركة بإنشاء لغة استعلام Euno (EQL) الخاصة بها للتنقل بين العلاقات داخل الرسم البياني. تقول Euno إن بنية الرسم البياني الخاصة بها تتيح للوكلاء استرجاع البيانات الوصفية المترابطة من خلال عدد أقل من الاستعلامات، مما قد يقلل كمية المعلومات السياقية التي يجب تمريرها إلى النموذج.

من المهم أن المنصة مصممة لتعمل جنبًا إلى جنب مع بنية البيانات المؤسسية القائمة بدلاً من استبدالها. تدعم Euno عمليات التكامل التي تشمل مستودعات البيانات والمنصات مثل Snowflake وDatabricks؛ وأدوات التحويل بما في ذلك dbt؛ ومنصات ذكاء الأعمال مثل Tableau وLooker وPower BI وThoughtSpot وSigma وOmni.

إدخال السياق مباشرةً إلى أنظمة الذكاء الاصطناعي

مكون آخر من استراتيجية Euno هو جعل هذا السياق التنظيمي متاحًا مباشرةً للوكلاء الذكاء الاصطناعي من الطرف الثالث.

تشغل الشركة خادم بروتوكول سياق النموذج (MCP) الذي يمكن من خلاله للأدوات مثل Claude وCursor وVisual Studio Code Copilot وغيرها من الأنظمة المتوافقة الاستعلام عن سياق المؤسسة الخاص بـ Euno. يمكن للوكلاء استخدام تلك الأدوات للعثور على الموارد، وفحص سلالة البيانات العليا، وإجراء تحليل الأثر، والبحث في الوثائق، أو إنشاء وتنفيذ استعلامات EQL.

قامت Euno أيضًا بتوثيق عمليات التكامل مع أنظمة تشمل Snowflake Intelligence، موضحةً كيف يمكن لطبقة السياق الخاصة بها أن تصبح وسيطًا فعالًا بين نماذج الذكاء الاصطناعي العامة وبيئة البيانات الأساسية للمؤسسة.

يعكس هذا التوجه تحولًا أوسع يحدث في الذكاء الاصطناعي المؤسسي. مع تزايد تسليع الوصول إلى النماذج القادرة، قد ينتقل التميز نحو المعلومات المملوكة التي تحيط بهذه النماذج: العمليات التنظيمية، الأذونات، العلاقات، القرارات التاريخية، التعريفات، وردود الفعل من نشاط الوكلاء السابق.

قد يصبح السياق جزءًا من حصن الذكاء الاصطناعي المؤسسي

تجادل Euno بأن هذا السياق المتراكم يمكن أن يصبح أكثر قيمة مع مرور الوقت.

عندما ينفذ الوكيل مهمة، يمكن للنظام التقاط معلومات حول كيفية استخدام السياق وإعادة تلك الإشارات إلى طبقة سياق المؤسسة. نظريًا، يخلق ذلك حلقة تغذية راجعة حيث تبني المؤسسة تدريجيًا تمثيلًا أكثر غنىً للقراءة الآلية حول كيفية تشغيل أعمالها.

هذا أيضًا يعالج أحد التحديات المركزية التي تواجه نشرات الذكاء الاصطناعي الوكيلية: الحوكمة. إن إعطاء وكيل مستقل وصولًا إلى أنظمة المؤسسة دون فهم ما هي المعلومات التي يمكنه استرجاعها أو كيفية تفسيره لتلك المعلومات يخلق مخاطر تشغيلية وأمنية. يجمع نهج Euno بين الاسترجاع السياقي والحوكمة المستندة إلى الدور بحيث يتلقى الوكيل المعلومات المناسبة لمهمته وصلاحياته بدلاً من وصول غير مقيد إلى البيئة بأكملها.

تقول الشركة إن منصتها تقرأ البيانات الوصفية للمؤسسة بدلاً من البيانات التجارية الأساسية نفسها، وهو تمييز معماري يهدف إلى تقليل تعرض البيانات مع السماح للنظام بمواصلة رسم العلاقات وتوفير السياق التشغيلي للوكلاء.

تعمل Euno بالفعل مع عملاء مؤسسين بما في ذلك AlphaSense وZayo Group، بينما توثق موقعها أيضًا عمليات نشر تشمل شركات مثل Bolt.

بالنسبة لصناعة الذكاء الاصطناعي الأوسع، تتجاوز أهمية جولة Series A الخاصة بـ Euno مجرد جولة تمويل بنية تحتية مؤسسية أخرى. النماذج الأساسية تصبح بسرعة أكثر قدرة وتصبح أكثر قابلية للتبادل للعديد من أعباء العمل. إذا استمر هذا الاتجاه، فإن إحدى المشكلات الأصعب ستكون تزويد تلك النماذج بفهم موثوق للمنظمات التي تعمل فيها.

قد يجعل ذلك بنية السياق، بدلاً من النموذج الأساسي نفسه، واحدة من الطبقات الأكثر تأثيرًا في مجموعة الذكاء الاصطناعي المؤسسي الناشئة.