Finansiering

Delphina rejser 7,5 mio. dollar for at skalere sin Context Factory til AI-analyse

mm
Føj Unite.AI til dine foretrukne kilder på Google

Delphina annoncerede en ny finansiering på 7,5 millioner dollar den 12. november 2026. Dermed nåede virksomhedens samlede finansiering op på 15 millioner dollar, samtidig med at den lancerede Context Factory, et system, der bruger AI-agenter til at opbygge og vedligeholde den forretningskontekst, som ligger til grund for analysesvar.

Radical Ventures og Costanoa stod sammen i spidsen for finansieringen, som også fik deltagelse fra Tenacity Capital og engleinvestorer, herunder Fei-Fei Li, nobelpristageren Guido Imbens og tidligere medarbejdere hos Anthropic og OpenAI. Provenuet skal ifølge virksomheden bruges til at skalere Context Factory og udvide Delphinas go-to-market- og kundeteknikteams.

Det nye produkt blev tilgængeligt samtidig med annonceringen. Grundtanken er, at præcise AI-analyser kræver viden om, hvilke tabeller man kan stole på, hvordan måleparametre defineres, og hvad erfarne analytikere ved, men ikke har dokumenteret. Delphina siger, at virksomheder som regel samler denne kontekst manuelt, hvorefter den bliver forældet, efterhånden som virksomheden ændrer sig.

Agenter vedligeholder forretningskonteksten

Context Factory overlader vedligeholdelsesarbejdet til agenter. Delphina siger, at de på få timer kan opbygge et indledende grundlag ud fra virksomhedens eksisterende data og dokumenter, identificere og udbedre mangler, efterhånden som medarbejdere stiller spørgsmål, og sende væsentlige ændringer til godkendelse hos fageksperter. På den måde er eksperterne ansvarlige for definitionerne, mens agenterne står for søgning og opdatering.

Delphinas produktoversigt fortæller, at systemet læser dbt-projekter, dashboards, dokumenter og forespørgselslogfiler og fortsætter med at læse disse kilder, efterhånden som de ændres. Godkendte ændringer gemmes i en versionsstyret vidensbase, som kunden ejer, og evalueringstest kan trække på pålidelige dashboards, som medarbejderne allerede har verificeret.

Når et spørgsmål afslører, at en måleparameter mangler en definition, viser en illustreret arbejdsgang, hvordan agenten søger i dbt, Looker og Notion, finder ejeren af den relevante datatabel og beder om bekræftelse i Slack. Efter godkendelsen offentliggør agenten definitionen, genererer det oprindelige svar igen og gemmer rettelsen som en regressionstest, så den godkendte logik ikke ubemærket forringes.

Til virksomhedsimplementering bruger forbindelserne ifølge Delphina skrivebeskyttede legitimationsoplysninger for hver bruger, og hver kunde får et separat dataplan. Python og DuckDB kører i en isoleret Firecracker-mikrovirtuel maskine uden internetadgang, mens prompts, forespørgsler og referencer til viden logføres og kan eksporteres. Disse kontroller gør det muligt at inspicere agenternes aktiviteter, samtidig med at deres adgang til virksomhedens systemer og eksterne destinationer begrænses.

Udbredelse uden for datateams

Delphina oplyser, at forretningsteams nu stiller 73 % af spørgsmålene på platformen, og at administrerende direktører er aktive brugere hos mere end halvdelen af virksomhedens kunder. Hos Substack bruger mere end 70 % af medarbejderne produktet, herunder administrerende direktør Chris Best. Blandt de øvrige kunder er LATAM Airlines, Upstart, Udemy og Coursera.

Best beskrev effekten på Substacks beslutningstagning sådan: »Nu får vores teams præcise svar på få sekunder i stedet for at vente i ugevis i en kø. Det har ændret den måde, vi træffer beslutninger på.«

Den administrerende direktør og medstifter Jeremy Hermann opbyggede og ledede tidligere Ubers machine learning-platform Michelangelo og var med til at grundlægge Tecton, som Databricks opkøbte. Præsident og medstifter Duncan Gilchrist ledede det globale data science-arbejde inden for prissætning hos Uber. Gilchrist sagde, at drifts-, salgs-, marketing- og økonomiteams nu er Delphinas flittigste brugere.

Finansieringen giver Delphina ressourcer til at udvide produktet og de teams, der sælger og yder support til det. Det afgørende spørgsmål er, om brugen blandt medarbejdere i forretningen og administrerende direktører kan vokse uden at svække de ekspertgodkendelser, versionsstyrede definitioner og regressionstest, som løftet om pålidelige analyser afhænger af.

Evan Mercer er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI‑startups, venturekapital og de finansieringsdynamikker, der former næste generation af teknologivirksomheder. Hans rapportering fokuserer på innovation i de tidlige faser, kapitalstrømme og de strategiske beslutninger, som grundlæggere og investorer træffer, når AI‑virksomheder vokser fra koncept til global indflydelse.

Med et strategisk og analytisk perspektiv undersøger Evan finansieringsrunder, markedspositionering og fremvoksende tendenser i AI‑startup‑økosystemet. Han følger, hvordan venturekapital, virksomhedsinvesteringer og de børsnoterede markeder krydser med gennembrud inden for kunstig intelligens, og adskiller holdbare signaler fra kortvarig hype.

Artikler skrevet af Evan Mercer er AI‑genererede og gennemgået af Unite.AI’s redaktionsteam for at sikre nøjagtighed, kontekst og ansvarlig dækning af det globale AI‑investeringslandskab