Euno získává 23 milionů USD v sérii A na výstavbu vrstvy kontextu pro podnikové AI agenty

Euno získala 23 milionů dolarů v sérii A na rozšíření své podnikové AI kontextové platformy, protože společnosti čelí stále častěji problému, který samy o sobě lepší základní modely nevyřeší: poskytnout AI agentům dostatečné organizační znalosti, aby spolehlivě pracovali s komplexními firemními daty.

Kolo vedla firma N47, s účastí stávajícího investora 10D a skupiny zakladatelů a manažerů technologických společností, mezi nimiž jsou spoluzakladatel Wiz Yinon Kostika, spoluzakladatel a CEO Cyera Yotam Segev, spoluzakladatel a CEO Eon Ofir Ehrlich, zakladatel Tavily Rotem Weiss a bývalý CEO a prezident Tableau Mark Nelson. Financování tak zvýšilo celkové investice Euno na 29 milionů dolarů.

Euno, založená v roce 2023 Sarah Levy a Eyalem Firstenbergem, plánuje nový kapitál převážně využít na rozšíření prodeje a marketingu a zároveň zvýšit investice do výzkumu AI. Společnost, která působí v USA i Izraeli a zaměstnává téměř 30 lidí, očekává, že do konce roku přibližně zdvojnásobí svůj tým.

Úzké hrdlo podnikové AI se přesouvá směrem k kontextu

Rychlý rozvoj velkých jazykových modelů zpřístupnil nasazení AI agentů schopných dotazovat databáze, generovat analytiku, psát kód a automatizovat podnikové procesy. Připojení agenta k podnikovým systémům však přináší další výzvu: zjistit, která informace je autoritativní.

Velká organizace může mít tisíce tabulek, dashboardů, metrik, datových modelů a konkurenčních definic stejného obchodního pojmu. AI agent požádán o výpočet tržeb například potřebuje více než jen přístup k databázi. Musí vědět, která metrika tržeb je schválena, které tabulky jsou aktuální, jak je metrika vypočítána, odkud pocházejí její vstupy a zda má požadující uživatel oprávnění k přístupu k podkladovým informacím.

Euno se snaží převést tuto institucionální znalost na strojově čitelnou infrastrukturu.

Její platforma neustále vytváří živý graf kontextu, který zahrnuje informace jako datová linie, využití, vlastnictví, obchodní logika, signály o zdraví a stav správy. Místo toho, aby agentovi představovala každý dostupný zdroj, systém může poskytnout kontext relevantní pro konkrétního uživatele, úkol a rozhodnutí.

Tento rozdíl může získat na významu, jak společnosti přecházejí od AI systémů odpovídajících na otázky k autonomním agentům schopným provádět akce napříč více podnikovými systémy.

„Modely se neustále zlepšují a stávají se levnějšími, ale dlouhodobý AI příkop pro podniky bude čím dál tím více vycházet z nahromaděného záznamu o tom, jak je práce vykonávána,“ řekla spoluzakladatelka a CEO Euno Sarah Levy.

Přeměna metadat na infrastrukturu pro AI agenty

Technologie Euno staví na metadatech, tedy informacích popisujících, odkud data pocházejí, jak jsou transformována, kdo je používá a jak spolu různé zdroje souvisejí.

Platforma mapuje sloupcovou linie napříč sklady, analytickými systémy, dashboardy a metrikami a poté kombinuje tyto informace s údaji o využití a signály správy. Její automatizovaný systém označování dokáže dynamicky klasifikovat zdroje jako vlastnosti jako „AI‑ready“, „bez PII“, „zdravé“ nebo „certifikované“ na základě pravidel nastavených organizací. Tyto klasifikace se aktualizují s měnícím se podkladovým datovým prostředím.

Euno také nabízí pracovní postupy, které reagují na změnu těchto podmínek. Organizace mohou například identifikovat necertifikované dashboardy, které se náhle staly hojně využívanými, sledovat šíření osobně identifikovatelných informací (PII), označit nedokumentované modely nebo odhalit metriky, které již nesplňují interní standardy kvality.

Společnost si vyvinula vlastní Euno Query Language (EQL) pro procházení vztahů v grafu. Euno tvrdí, že její grafová architektura umožňuje agentům získávat propojená metadata pomocí méně dotazů, což může snížit množství kontextových informací, které je třeba předat modelu.

Důležité je, že platforma je navržena tak, aby fungovala vedle existující podnikové datové infrastruktury, nikoli aby ji nahrazovala. Euno podporuje integrace zahrnující datové sklady a platformy jako Snowflake a Databricks; transformační nástroje včetně dbt; a platformy business intelligence jako Tableau, Looker, Power BI, ThoughtSpot, Sigma a Omni.

Přímé zasazení kontextu do AI systémů

Další součástí strategie Euno je zpřístupnění tohoto organizačního kontextu přímo třetím AI agentům.

Společnost provozuje server Model Context Protocol (MCP), přes který mohou nástroje jako Claude, Cursor, Visual Studio Code Copilot a další kompatibilní systémy dotazovat podnikový kontext Euno. Agenti mohou tyto nástroje využívat k vyhledávání zdrojů, inspekci předchozí linie, provádění analýzy dopadu, prohledávání dokumentace nebo generování a spouštění EQL dotazů.

Euno také zdokumentovala integrace se systémy včetně Snowflake Intelligence, což ukazuje, jak může její vrstva kontextu efektivně fungovat jako prostředník mezi obecnými AI modely a podkladovým datovým majetkem podniku.

Tato pozice odráží širší posun, který se v podnikovém AI odehrává. Jak se přístup k výkonným modelům stále více komodifikuje, může se odlišnost přesunout k proprietárním informacím obklopujícím tyto modely: organizační procesy, oprávnění, vztahy, historická rozhodnutí, definice a zpětná vazba z předchozí činnosti agentů.

Kontext může být součástí bariéry podnikového AI

Euno tvrdí, že tento nahromaděný kontext může v čase získávat na hodnotě.

Když agent vykoná úkol, systém může zachytit informace o tom, jak byl kontext využit, a tyto signály vrátit zpět do vrstvy podnikového kontextu. V teorii to vytváří zpětnou smyčku, ve které organizace postupně buduje bohatší strojově čitelnou reprezentaci toho, jak její podnikání funguje.

To také řeší jeden ze zásadních problémů při nasazování agentní AI: řízení. Poskytnutí autonomnímu agentu přístupu k podnikovým systémům bez pochopení, jaké informace může získat a jak je má interpretovat, přináší provozní a bezpečnostní rizika. Přístup Euno kombinuje kontextové získávání s řízením na základě rolí, takže agent získává informace vhodné pro svůj úkol a oprávnění, místo neomezeného přístupu k celému prostředí.

Společnost uvádí, že její platforma čte podniková metadata namísto samotných podkladových obchodních dat, což je architektonický rozdíl zaměřený na snížení expozice dat, přičemž systém stále může mapovat vztahy a poskytovat agentům provozní kontext.

Euno již spolupracuje s podnikovými zákazníky, mezi nimiž jsou AlphaSense a Zayo Group, a její webová stránka také dokumentuje nasazení u společností jako Bolt.

Pro širší AI průmysl má význam série A společnosti Euno větší dosah než jen další kolo financování podnikového infrastruktury. Základní modely se rychle stávají výkonnějšími a stále více zaměnitelnými pro mnohá pracovní zatížení. Pokud tento trend bude pokračovat, jedním z nejtěžších problémů bude poskytnout těmto modelům spolehlivé porozumění organizacím, ve kterých fungují.

To by mohlo učinit kontextovou infrastrukturu, spíše než samotný podkladový model, jednou z nejvýznamnějších vrstev vznikajícího podnikového AI stacku.