InsightFinder تجمع 15 مليون دولار في جولة من الفئة B بقيادة Yu Galaxy لمعالجة موثوقية الذكاء الاصطناعي في بيئات الإنتاج

InsightFinder جمعت 15 مليون دولار في جولة تمويل من الفئة B بقيادة Yu Galaxy، مما رفع إجمالي تمويلها إلى 35 مليون دولار. جاءت هذه الجولة في وقت تعلن فيه الشركة عن تسارع زخمها في الشركات الكبيرة، بما في ذلك صفقات بملايين الدولارات مع منظمات في قائمة فورتشن 50، ويعكس ذلك الطلب المتزايد على البنية التحتية التي يمكنها جعل أنظمة الذكاء الاصطناعي موثوقة عند نشرها في بيئات العالم الحقيقي.

التحول من أداء الذكاء الاصطناعي إلى موثوقية الذكاء الاصطناعي

مع انتقال الشركات لأنظمة الذكاء الاصطناعي من البيئات الخاضعة للتحكم إلى الإنتاج، يظهر نمط متسق: الأنظمة التي تعمل جيدًا في الاختبار غالبًا ما تفشل في ظروف العالم الحقيقي. المشكلة ليست في قدرة النموذج، ولكن في السياق. معظم أنظمة الذكاء الاصطناعي تفتقر إلى فهم عميق للبيئات التجارية المحددة التي تعمل فيها.

تُركز InsightFinder على سد هذه الفجوة. منصة الشركة مبنية حول فكرة أن الموثوقية في الذكاء الاصطناعي لا تتعلق فقط بمراقبة معايير مثل التأخير أو معدلات الأخطاء، ولكن بفهم ما يبدو عليه “الوضع الطبيعي” داخل تدفق عمل تجاري معين. هذا يشمل كل شيء من أنظمة الدفع ومسارات العمليات اللوجستية إلى عمليات دعم العملاء.

توسيع قابلية الرصد لتشمل أنظمة الذكاء الاصطناعي

صُممت تقنية InsightFinder الأساسية في الأصل للتعامل مع عمليات تقنية معلومات معقدة، وتتركز حول الكشف عن الشذوذ وتحديد الأسباب الجذرية والتنبؤ بالأعطال عبر الأنظمة الموزعة. يتم تطبيق نفس النهج الآن على أنظمة الذكاء الاصطناعي، خاصة تلك التي تتضمن نماذج لغة كبيرة وعمليات عمل مبنية على الوكلاء.

على عكس أدوات المراقبة التقليدية التي تركز على البنية التحتية، تقوم منصة InsightFinder بتحليل البيانات متعددة المصادر ومتعددة الأنماط لتشخيص سبب سلوك أنظمة الذكاء الاصطناعي بشكل غير متوقع. هذا يشمل تحديد انحراف النموذج، وتحديد مسارات الفشل عبر عمليات العمل للوكلاء، وإبراز المشكلات التي لا تطلق تنبيهات واضحة.

بناء حلقة تغذية راجعة مغلقة لأنظمة الذكاء الاصطناعي

الموضوع الرئيسي لنهج InsightFinder هو الحاجة إلى ربط ما يحدث في الإنتاج بالتطوير. تركز العديد من أدوات الذكاء الاصطناعي على التقييم أثناء الاختبار أو المراقبة في الإنتاج، ولكن القليل منها يربط بينهما في حلقة مستمرة.

تُقدم منصة InsightFinder ميزات مصممة لإغلاق هذه الحلقة:

• أدوات مقارنة البرومبت التي تقيم الأداء عبر مجموعات البيانات والنماذج ومقاييس التكلفة
• نماذج لغوية صغيرة متخصصة في مجال معين (SLMs)، تُستخدم للتقييم وتفهم معايير الجودة الخاصة بالأعمال
• مسارات ضبط دقيق مؤتمتة تستخدم فشل الإنتاج لتحسين أداء النموذج
• تعقب متعدد الوكلاء يعيد بناء مسارات التنفيذ عبر عمليات العمل المعقدة

تهدف هذه الميزات مجتمعة إلى تحويل بيانات الإنتاج إلى رؤى قابلة للتنفيذ تُحسن باستمرار أنظمة الذكاء الاصطناعي.

لماذا تقصر نماذج الذكاء الاصطناعي العامة الأغراض في بيئات الشركات

يتمثل أحد التحديات الأساسية التي يعالجها InsightFinder في عدم تطابق بين نماذج الذكاء الاصطناعي العامة ومتطلبات المجالات المتخصصة. يتم تدريب النماذج الأساسية على مجموعات بيانات واسعة وتتخصص في التعرف على الأنماط، ولكنها تفتقر إلى فهم دقيق للتفاصيل الدقيقة الخاصة بالصناعة.

يخلق هذا طبقة من المخاطر التي غالبًا ما تُقلل من شأنها. في قطاعات مثل الرعاية الصحية والتمويل واللوجستيات، يمكن أن يكون للانحرافات الصغيرة عواقب كبيرة. يُقدم نهج InsightFinder دمج الوعي بالمجال بشكل صريح في عمليات التقييم والمراقبة، مما يتيح تقييم أنظمة الذكاء الاصطناعي وفقًا لمعايير خاصة بالأعمال بدلاً من المعايير العامة.

نموذج خدمة مبني حول التنفيذ، وليس البرمجيات فقط

الجانب المتميز الآخر لشركة InsightFinder هو طريقة تقديمها لمنصتها. بدلاً من نموذج البرمجيات كخدمة (SaaS) التقليدي حيث يُترك العملاء لتهيئة الأدوات بشكل مستقل، تعمل الشركة بشكل وثيق مع المنظمات لتكييف الأنظمة مع بيئاتها.

يشمل ذلك محاذاة المنصة مع تدفقات العمل الداخلية، وتحديد معايير التقييم، وتكامل المنطق الخاص بالمجال. الهدف هو ضمان أن تكون الرؤى التي يولدها النظام قابلة للتنفيذ في سياق عمليات كل منظمة.

سيُستخدم التمويل الجديد جزئيًا لتوسيع هذه القدرة المواجهة للعملاء، خاصة عبر مبيعات الشركات ووظائف نجاح العملاء.

الصورة الأكبر: الذكاء الاصطناعي كبنية تحتية حيوية

توقيت تمويل InsightFinder يسلط الضوء على تحول أوسع في كيفية تصور الذكاء الاصطناعي. مع اندماج أنظمة الذكاء الاصطناعي في البنية التحتية الحيوية مثل المستشفيات والأنظمة المالية وسلاسل التوريد، تصبح الموثوقية أقل ارتباطًا بالشأن التقني وأكثر ارتباطًا بالشأن المجتمعي.

المفهوم الناشئ هنا هو أن أنظمة الذكاء الاصطناعي تحتاج إلى شيء يشبه “جهاز المناعة” يستطيع اكتشاف الأعطال وتشخيصها والاستجابة لها في الوقت الفعلي. وهذه هي الطبقة التي تسعى InsightFinder إلى بناء موقعها حول تطويرها.

بدلاً من التركيز على جعل النماذج أكثر قوة، تستهدف الشركة مشكلة مختلفة: جعلها موثوقة. مع اتخاذ الشركات خطوات أكبر في تبني الذكاء الاصطناعي، من المرجح أن يصبح هذا التمييز أكثر أهمية.