Delphina získává 7,5 milionu dolarů na rozšíření své Context Factory pro analytiku s umělou inteligencí

Společnost Delphina oznámila nové financování ve výši 7,5 milionu dolarů dne 12. listopadu 2026. Celková výše jejího financování tak dosáhla 15 milionů dolarů. Zároveň uvedla na trh Context Factory, systém, který pomocí agentů umělé inteligence vytváří a spravuje obchodní kontext potřebný k tomu, aby analytika poskytovala odpovědi.

Radical Ventures a Costanoa vedly financování společně; zúčastnily se ho také Tenacity Capital a andělští investoři, mezi nimiž byli Fei-Fei Li, nositel Nobelovy ceny Guido Imbens a první zaměstnanci společností Anthropic a OpenAI. Prostředky mají být použity na rozšíření Context Factory a na rozšíření týmů Delphiny zaměřených na uvádění produktu na trh a na práci se zákazníky.

Nový produkt byl zpřístupněn současně s oznámením. Jeho hlavním předpokladem je, že přesná analytika využívající umělou inteligenci vyžaduje znalost toho, kterým tabulkám lze důvěřovat, jak jsou definovány metriky a co vědí zkušení analytici, ale dosud to nezaznamenali. Podle Delphiny si firmy tento kontext obvykle sestavují ručně, a ten proto s proměnami podnikání postupně zastarává.

Agenti udržují obchodní kontext

Context Factory svěřuje tuto údržbu agentům. Podle Delphiny dokážou během několika hodin sestavit počáteční základ z existujících firemních dat a dokumentů, odhalovat a napravovat mezery, když zaměstnanci pokládají otázky, a předávat významné změny ke schválení odborníkům na danou oblast. Odborníci tak odpovídají za definice, zatímco agenti se starají o vyhledávání a aktualizace.

Přehled produktu společnosti Delphina uvádí, že systém čte projekty dbt, přehledové panely, dokumenty a protokoly dotazů a tyto zdroje dál sleduje, jak se mění. Schválené změny se ukládají do verzované znalostní báze, kterou vlastní zákazník, a testy vyhodnocení mohou vycházet z důvěryhodných přehledových panelů, které zaměstnanci již ověřili.

Když se při otázce ukáže, že chybí definice metriky, znázorněný pracovní postup ukazuje, jak agent vyhledává v dbt, Lookeru a Notionu, zjišťuje, kdo odpovídá za příslušnou datovou tabulku, a žádá o potvrzení ve Slacku. Po schválení definici zveřejní, znovu vygeneruje původní odpověď a uloží opravu jako regresní test, aby se schválená logika nemohla bez povšimnutí zhoršit.

Podle Delphiny se při nasazení ve velkých organizacích připojení ověřují pomocí přihlašovacích údajů jednotlivých uživatelů, které umožňují pouze čtení, a každý zákazník má samostatnou datovou rovinu. Python a DuckDB běží v izolovaném mikrovirtuálním stroji Firecracker bez přístupu k internetu, přičemž výzvy, dotazy a odkazy na znalostní zdroje se zaznamenávají a lze je exportovat. Díky těmto opatřením lze činnost agentů kontrolovat a zároveň omezit jejich přístup k firemním systémům i externím cílům.

Rozšíření používání mimo datové týmy

Delphina uvádí, že obchodní týmy nyní na její platformě pokládají 73 % otázek a že mezi jejími zákazníky platformu aktivně používají generální ředitelé ve více než polovině firem. Ve společnosti Substack produkt používá více než 70 % zaměstnanců, včetně generálního ředitele Chrise Besta. Mezi další zákazníky patří LATAM Airlines, Upstart, Udemy a Coursera.

Best popsal, jaký dopad má produkt na rozhodování ve společnosti Substack: „Naše týmy teď dostávají přesné odpovědi během několika sekund, místo aby týdny čekaly ve frontě. Změnilo to způsob, jakým se rozhodujeme.“

Generální ředitel a spoluzakladatel Jeremy Hermann dříve vybudoval a vedl platformu strojového učení Michelangelo ve společnosti Uber a spoluzaložil Tecton, kterou koupil Databricks. Prezident a spoluzakladatel Duncan Gilchrist vedl globální datovou vědu v oblasti cenotvorby ve společnosti Uber. Gilchrist uvedl, že nejčastějšími uživateli Delphiny jsou nyní týmy provozu, prodeje, marketingu a financí.

Financování poskytuje Delphině prostředky na rozšíření produktu i týmů, které jej prodávají a podporují. Klíčovou zkouškou bude, zda může růst používání mezi obchodními uživateli a generálními řediteli, aniž by se oslabilo schvalování odborníky, verzované definice a regresní testy, na nichž závisí příslib důvěryhodné analytiky.