رفع StriveworksシリーズBを拡大するためにAI操作を拡大するためのシリーズBを調達

Striveworks は、 Washington Harbour Partners が主導するシリーズB投資を獲得し、国防および国家安全保障環境における運用AIの拡大に取り組む会社の取り組みにおいて重要なステップを踏み出しました。この資金は、製品開発の加速、エンジニアリングおよび研究開発チームの拡大、米国政府機関および同盟国のより広範な技術の展開のサポートに使用される予定です。

この資金調達は、政府がミッションクリティカルなシステムへの人工知能の迅速な統合を優先する時代に実施されており、地政学的競争が激化し、運用タイムラインが縮小している状況下で、運用上の優位性を維持するために人工知能の統合が不可欠となっています。

国家安全保障における運用AIへのシフト

国防環境でのAIの展開は、単にモデルを構築することではなく、動的で高リスクの環境で信頼性を持って動作できるシステムを必要とします。政府は、運用上の優位性を維持するために十分な速さで動きながら、システムが監査可能で、信頼性が高く、厳格な安全性要件と一致していることを確認するという二重の課題に直面しています。

Striveworksは、この交差点に位置し、運用AI、つまり機械学習システムをリアルタイムの条件ではなく、制御された環境ではなく、展開、監視、継続的に適応できる能力に焦点を当てています。

この需要は、政策レベルで強化されており、AIの迅速な統合は、国防および情報活動での戦略的優位性を維持するために不可欠であると見なされています。

リアルワールド展開のためのプラットフォーム

Striveworksの提供の中心には、Chariotプラットフォームがあります。これは、AI操作（AIOps）システムで、モデルを開発から生産に迅速に移動しながら、監視とパフォーマンスを維持するように設計されています。

このプラットフォームにより、組織は、クラウドインフラストラクチャ、エッジ環境、断続的または帯域幅が制限された設定を含むワークフロー全体で、数時間でAIモデルを構築、展開、維持できるようになります。これは、センサーからのフィード、衛星画像、リアルタイムのインテリジェンス入力などの断片化されたデータソースをまたいだAIシステムが運用される国防の文脈では特に重要です。

Chariotは、モデルがどのようにトレーニングされるか、データがどのようにシステムを通過するか、出力がどのように生成されるかを組織が理解できるように、ガバナンスと追跡可能性にも重点を置いています。これらの機能は、規制された環境やミッションクリティカルな環境では不可欠です。

複雑で争いのある環境での実証

Striveworksの技術は、米国陸軍の次世代コマンド＆コントロールイニシアチブに関連する複数の国防プログラムを含む、さまざまな国防プログラムで既に展開されています。また、国境警備や自律海洋システムを含む作戦にも関与しています。

これらの展開は、AIの使用方法が変化していることを反映しています。分析または実験に留まるのではなく、AIは実際の意思決定をサポートするために、運用ワークフローに直接組み込まれています。

会社のアプローチの重要な側面となっているのは、データ条件が急速に変化し、システムが継続的に適応する必要がある、争いのある環境でのパフォーマンスを維持することに重点を置くことです。

テクノロジーの内部：AIモデルとリアルワールド運用のブリッジ

Striveworksのプラットフォームは、AIが実験から生産に移行するにつれて、ますます明らかになっている問題を中心に構築されています。モデルはトレーニング時に失敗するのではなく、展開時に失敗します。

会社のChariotプラットフォームは、モデルが構築された後のことに関心があります。運用環境では、データはほとんど清潔または安定したものではありません。入力は変化し、エッジ条件は信号の品質を低下させ、ミッション要件はリアルタイムで進化します。これにより、制御された環境でのモデルパフォーマンスと実地でのシステムの動作との間にギャップが生じます。

Chariotは、このギャップに対処するために、AIシステムを静的な展開ではなく、継続的に管理される資産として扱います。プラットフォームでは、モデルパフォーマンスの継続的な監視、データと出力のドリフトの検出、およびフルな再トレーニングサイクルを必要とせずに迅速なイテレーションが可能です。これは、国防環境では、遅延、信頼性、および適応性が結果に直接影響するため、特に重要です。

このアーキテクチャの重要な側面は、断片化された分散データ環境全体で動作する能力です。集中型インフラストラクチャに依存するのではなく、プラットフォームはクラウド、オンプレミス、エッジシステムへの展開をサポートします。これにより、モデルはデータが生成される場所に近く実行できます。センサー、衛星フィード、またはリアルタイムの運用入力から来るものに関係なく、遅延を短縮し、応答性を向上させます。

Chariotはまた、ガバナンスと追跡可能性に大きな重点を置いています。高リスクの環境では、決定に至ったプロセスを理解することは、決定そのものと同等に重要です。プラットフォームでは、データの系譜、モデルの動作、システムの出力を可視化することで、組織がパフォーマンスを検証し、管理を維持できるようにします。

この継続的な評価、分散展開、および組み込みガバナンスの組み合わせは、AIシステム設計におけるより広範なシフトを反映しています。課題は、単に正確なモデルを構築することではなく、リアルワールドの条件で展開された後も、モデルが信頼性、適応性、説明責任を維持することを保証することです。