يرفع Unbound 4 ملايين دولار لجلب التحكم من الدرجة المؤسسية إلى ثورة الذكاء الاصطناعي

مع انفجار الذكاء الاصطناعي التوليدي عبر أماكن العمل، تظهر فئة جديدة من البنية التحتية لترويض الفوضى. Unbound، شركة ناشئة مقرها سان فرانسيسكو، حصلت على جولة تمويل بقيمة 4 ملايين دولار لتمكين الشركات من تبني الذكاء الاصطناعي بطرق آمنة ومراقبة وتكلفة فعالة.

قادت الجولة Race Capital، بدعم من Wayfinder Ventures، Y Combinator، Massive Tech Ventures، وملائك مشهورة بما في ذلك عضو مجلس إدارة جوجل Ram Shriram وخبراء أمن سيبراني من Cloudflare وPalo Alto Networks. وتضع الشركة نفسها في طليعة حوكمة الذكاء الاصطناعي – قطاع يتزايد الحاجة إليه مع كفاح الشركات لتبني الذكاء الاصطناعي على نطاق واسع.

أزمة تكنولوجيا المعلومات المظلمة للذكاء الاصطناعي

من فرق التسويق التي تستخدم ChatGPT إلى المهندسين الذين يعملون على رمز من خلال Copilot، أصبحت أدوات الذكاء الاصطناعي لا غنى عنها – وأحيانًا غير خاضعة للرقابة. وهذا “التبني المظلم” يطرح مخاطر حقيقية: تسرب البيانات المملوكة، وتراكم التكاليف غير المراقبة، وإدخال نماذج من طرف ثالث دون مراجعة أمنية. غالبًا ما تترك فرق تكنولوجيا المعلومات في الظلام، غير قادرة على فرض السياسة أو حماية البيانات الحساسة.

ولدت Unbound من هذه المشكلة. تعمل المنصة كبوابة للذكاء الاصطناعي، وهي طبقة وسطية آمنة تدمج مباشرة مع أدوات الذكاء الاصطناعي الشائعة في الشركات مثل Cursor وRoo وcopilots وثائق داخلية. بدلاً من حظر الوصول إلى النماذج التوليدية، تقدم Unbound ضوابط دقيقة، وتنقيح في الوقت الفعلي، وتصريف نموذج، وتحليلات استخدام قوية – كل ذلك دون كسر سير العمل الحالية.

تنقيح الذكاء الاصطناعي وتوجيه النموذج – شرح

من الميزات المبتكرة في Unbound تنقيح الطلبات في الوقت الفعلي. عندما يتفاعل المستخدمون مع أدوات الذكاء الاصطناعي، تفتش Unbound الطلبات عن المحتوى الحساس مثل كلمات المرور أو مفاتيح API أو البيانات الشخصية. بدلاً من وضع علامة أو حظرها (كما تفعل أدوات منع فقدان البيانات التقليدية)، تقوم النظام تلقائيًا بتحريف الأسرار وتوجيه الطلبات الحساسة إلى نماذج داخلية تستضيفها منصات مثل Google Vertex AI أو AWS Bedrock أو LLMs خاصة داخل بيئة آمنة للشركة.

ت phản ánh اتخاذ القرار هذا اتجاهًا متزايدًا: معاملة حركة مرور الذكاء الاصطناعي مثل حركة المرور الشبكية، كاملة مع التوجيه والاحتياطي والرصد والتحكم في التكاليف.

يعمل منطق التوجيه في Unbound بواسطة نمط الاستخدام وبيانات أداء النموذج. على سبيل المثال، يمكن توجيه الطلبات ذات المخاطر العالية (مثل توليد رمز البنية التحتية) إلى نماذج من الدرجة الأولى مثل Gemini 2.5، في حين يتم تفريغ المهام الأقل حدة (مثل تحرير القواعد النحوية) إلى LLMs مفتوحة المصدر – مما يقلل من استخدام تراخيص المتميزة غير الضرورية.

في الممارسة، يترجم هذا القدرة إلى نتائج قابلة للقياس. استخدم المتبنون المبكرون في قطاع التكنولوجيا والرعاية الصحية Unbound لمنع أكثر من 7000 تسرب محتمل للبيانات، بما في ذلك الأسرار والمعرفات والبيانات الشخصية.

• منع أكثر من 7000 تسرب محتمل للبيانات، بما في ذلك الأسرار والمعرفات والبيانات الشخصية.
• تحقيق دقة الكشف تصل إلى 90% لمحتوى حساس.
• تقليص تكاليف تراخيص مقاعد الذكاء الاصطناعي بنسبة تصل إلى 70%، بفضل التوجيه الذكي وتنقيح النموذج.

بدلاً من شراء تراخيص شاملة، يمكن للشركات توفير الوصول بشكل انتقائي، مما يضمن أن استخدام النموذج يتوافق مع أولويات الأعمال.

مؤسسون مع حمض نووي أمني وبنية تحتية عميق

خلف المنصة يوجد المؤسسان Rajaram Srinivasan (الرئيس التنفيذي) وVignesh Subbiah (الرئيس التقني) – كلاهما من قدامى المحاربين في برمجيات الشركات وأمن المعلومات. قاد Srinivasan في الماضي فرق منتجات أمن البيانات في Palo Alto Networks وImperva، بينما ساعد Subbiah في توسيع منصات من مرحلة البذرة إلى مرحلة النمو في Tophatter وShogun قبل انضمامه إلى Adobe.

كانت مهمتهم واضحة: بناء نظام يسمح بالابتكار في الذكاء الاصطناعي دون المساس بأمن الشركات. “المنع الشامل لأدوات الذكاء الاصطناعي هو عفا عليه الزمن”، قال Subbiah. “مع Unbound، نقدم ضوابط أمنية جراحية لكل طلب للذكاء الاصطناعي – مما يسمح للشركات بالتحرك بسرعة، دون كسر الثقة”.

من الفوضى إلى التنسيق في مكدس الذكاء الاصطناعي

السوق الأوسع تؤكد رؤية Unbound. مع نمو استخدام الذكاء الاصطناعي في الشركات، يزداد الحاجة إلى الإدارة المركزية والشفافية والاحتياطات. تقدر الدراسات الحديثة أن صناعة حوكمة الذكاء الاصطناعي العالمية ستنمو من 890 مليون دولار في عام 2024 إلى 5.8 مليار دولار بحلول عام 2029 – بمعدل نمو سنوي مركب يبلغ 45%.

تضع Unbound نفسها كبنية تحتية حيوية في هذا المكدس الجديد. تتحول ميزات مثل التوجيه المتكرر أثناء فترات انقطاع LLM (عندما يتعرض مزودون مثل OpenAI أو Anthropic لضغط)، وتحليلات استخدام على مستوى الفريق، وتنسيق نموذج لكل طلب، إلى تحويل تبني الذكاء الاصطناعي من هرج ومرج إلى نظام ذكي ومسيطر.

“فكر فينا كبديل للذكاء الاصطناعي في الشركات”، قال Srinivasan. “نحن نجلس بين المستخدمين والنماذج، مما يضمن الخصوصية والأداء والكفاءة التكلفة – دون احتكاك”.

ماذا يأتي بعد ذلك لـ Unbound

مع هذا التمويل، تخطط Unbound ل:

• توسيع التكامل عبر أكثر من 50 تطبيقًا للذكاء الاصطناعي في الشركات.
• إضافة ميزات رصد أعمق لتحليلات على مستوى الفريق والقسم.
• دعم تنسيق كامل للنماذج الداخلية والمنفتحة عبر بيئات الحوسبة الموثوقة.

في عالم حيث يصبح كل قسم مستخدمًا قويًا للذكاء الاصطناعي، توفر Unbound البنية التحتية للحفاظ على هذه القوة تحت السيطرة – ومتوافقة مع أهداف الأعمال.

“نحن فخورون بدعم Rajaram وVignesh والفريق”، قال Edith Yeung، الشريك العام في Race Capital. “Unbound تبني طبقة حوكمة الذكاء الاصطناعي التي تحتاجها الشركات بشكل迫 – آمنة ومراقبة ومتوافقة مع العالم الحقيقي”.

مع استمرار توسع الذكاء الاصطناعي التوليدي عبر سير العمل في الشركات، ينمو الطلب على الأدوات التي تدير مخاطره بشكل مواز. يعكس جولة التمويل البالغة 4 ملايين دولار التي حصلت عليها Unbound تحولًا أوسع في الصناعة نحو بناء البنية التحتية التي يمكن أن توفر الرؤية والسيطرة والحوكمة لتبني الذكاء الاصطناعي. مع نمو الاهتمام بالاطارات الآمنة والقابلة للتكيف للذكاء الاصطناعي، تنضم Unbound إلى فئة متزايدة من الشركات الناشئة التي تتعامل مع التحدي المعقد لتكامل الذكاء الاصطناعي بشكل مسؤول على نطاق واسع.