Η InsightFinder συγκεντρώνει 15 εκατ. δολάρια στη σειρά B με επικεφαλής τη Yu Galaxy για την αντιμετώπιση της αξιοπιστίας του AI στην παραγωγή

InsightFinder έχει συγκεντρώσει 15 εκατ. δολάρια στη σειρά B με επικεφαλής τη Yu Galaxy, φτάνοντας τη συνολική χρηματοδότησή της στα 35 εκατ. δολάρια. Η χρηματοδότηση αυτή έρχεται σε einen καιρό που η εταιρεία αναφέρει αυξανόμενη επιχειρηματική επιτυχία, συμπεριλαμβανομένων συμφωνιών αξίας εκατομμυρίων δολαρίων με οργανισμούς του Fortune 50, και αντανακλά την αυξανόμενη ζήτηση για υποδομή που μπορεί να κάνει τα συστήματα AI αξιόπιστα μια φορά που έχουν αναπτυχθεί σε πραγματικές περιβάλλοντες.

Η μετάβαση από την απόδοση του AI στην αξιοπιστία του AI

Όσο οι επιχειρήσεις μεταφέρουν τα συστήματα AI από ελεγχόμενα περιβάλλοντα στην παραγωγή, εμφανίζεται ένα σταθερό μοτίβο: τα συστήματα που λειτουργούν καλά στις δοκιμές συχνά διασπώνται υπό πραγματικές συνθήκες. Το ζήτημα δεν είναι η ικανότητα του μοντέλου, αλλά το контекст. Τα περισσότερα συστήματα AI λείπουν μιας βαθιάς κατανόησης του συγκεκριμένου επιχειρηματικού περιβάλλοντος στο οποίο λειτουργούν.
Η InsightFinder εστιάζει στην κλείσιμο αυτής της διαφοράς. Η πλατφόρμα της είναι χτισμένη γύρω από την ιδέα ότι η αξιοπιστία του AI δεν αφορά μόνο την παρακολούθηση μετρικών όπως η καθυστέρηση ή οι ρυθμοί σφάλματος, αλλά και την κατανόηση του τι σημαίνει «κανονικό» μέσα σε ένα συγκεκριμένο επιχειρηματικό workflow. Αυτό περιλαμβάνει όλα, από συστήματα πληρωμών και logistics pipelines μέχρι επιχειρήσεις υποστήριξης πελατών.

Επέκταση της παρατηρησιμότητας στα συστήματα AI

Αρχικά χτισμένο για να χειριστεί σύνθετες επιχειρήσεις IT, η πυρήνняя τεχνολογία της InsightFinder επικεντρώνεται στην ανίχνευση ανωμαλιών, την ταυτοποίηση των ριζικών αιτιών και την πρόβλεψη αποτυχιών σε κατανεμημένα συστήματα. Η ίδια υποκείμενη προσέγγιση εφαρμόζεται τώρα στα συστήματα AI, ιδιαίτερα σε αυτά που涉ρούν μεγάλα μοντέλα γλώσσας και agent-основанные workflows.
Σε αντίθεση με τα παραδοσιακά εργαλεία παρατηρησιμότητας που εστιάζουν στην υποδομή, η πλατφόρμα της InsightFinder αναλύει πολυ-πηγή, πολυ-μορφική δεδομένα για να διαγνώσει γιατί τα συστήματα AI συμπεριφέρονται απροσδόκητα. Αυτό περιλαμβάνει την ταυτοποίηση της μετατόπισης μοντέλου, την ανίχνευση αποτυχιών σε agent-εργασίες και την εμφάνιση ζητημάτων που δεν προκαλούν σαφείς ειδοποιήσεις.

Δημιουργία ενός κλειστού βρόχου ανατροφοδότησης για τα συστήματα AI

Ένας κεντρικός άξονας της προσέγγισης της InsightFinder είναι η ανάγκη να συνδέσει τι συμβαίνει στην παραγωγή με την ανάπτυξη. Πολλά εργαλεία AI εστιάζουν στην αξιολόγηση κατά τη διάρκεια των δοκιμών ή την παρακολούθηση στην παραγωγή, αλλά λίγα συνδέουν τα δύο σε einen συνεχές κύκλο.
Η πλατφόρμα της InsightFinder εισάγει ικανότητες που σχεδιάστηκαν για να κλείσουν αυτόν τον κύκλο:

• Εργαλεία σύγκρισης προώθησης που αξιολογούν την απόδοση σε διαφορετικά σύνολα δεδομένων, μοντέλα και μετρικά κόστους
• Δομικά συγκεκριμένα μικρά μοντέλα γλώσσας (SLMs) που χρησιμοποιούνται ως αξιολογητές που κατανοούν επιχειρηματικά συγκεκριμένα πρότυπα ποιότητας
• Αυτοματοποιημένες διαδικασίες fine-tuning που χρησιμοποιούν αποτυχίες παραγωγής για την βελτίωση της απόδοσης του μοντέλου
• Παρακολούθηση πολλαπλών agent που ανακατασκευάζουν μονοπάτια εκτέλεσης σε σύνθετες εργασίες

Μαζί, αυτές οι λειτουργίες στοχεύουν να μετατρέψουν δεδομένα παραγωγής σε ενεργά επιχειρηματικά δεδομένα που συνεχώς βελτιώνουν τα συστήματα AI.

Γιατί το γενικό AI αποτυγχάνει σε επιχειρηματικά περιβάλλοντα

Ένα από τα βασικά προβλήματα που αντιμετωπίζει η InsightFinder είναι η ανισορροπία μεταξύ γενικών μοντέλων AI και δομικά συγκεκριμένων απαιτήσεων. Τα θεμελιώδη μοντέλα εκπαιδεύονται σε ευρείες βάσεις δεδομένων και διακρίνονται στην αναγνώριση προτύπων, αλλά λείπουν μιας κατανόησης των νουανς του κλάδου.
Αυτό δημιουργεί ένα επίπεδο κινδύνου που συχνά υποτιμάται. Σε τομείς όπως η υγεία, η finance και η logistics, μικρές αποκλίσεις μπορούν να έχουν υπερβολικές συνέπειες. Η προσέγγιση της InsightFinder είναι να ενσωματώσει τη γνώση του κλάδου στα процессы αξιολόγησης και παρακολούθησης, επιτρέποντας στα συστήματα να αξιολογούνται με βάση επιχειρηματικά συγκεκριμένα κριτήρια και όχι γενικά πρότυπα.

Ένα μοντέλο υπηρεσιών που βασίζεται στην εφαρμογή, όχι μόνο στο λογισμικό

Ένας άλλος διακριτός άξονας της InsightFinder είναι ο τρόπος με τον οποίο παρέχει την πλατφόρμα της. Αντί για ένα παραδοσιακό μοντέλο SaaS όπου οι πελάτες αφήνονται να ρυθμίσουν εργαλεία ανεξάρτητα, η εταιρεία συνεργάζεται στενά με οργανισμούς για να προσαρμόσει συστήματα στο περιβάλλον τους.

Αυτό περιλαμβάνει την ευθυγράμμιση της πλατφόρμας με τις εσωτερικές εργασίες, τον ορισμό κριτηρίων αξιολόγησης και την ενσωμάτωση λογικής συγκεκριμένης του κλάδου. Ο στόχος είναι να διασφαλιστεί ότι οι πληροφορίες που παράγονται από το σύστημα είναι ενεργές στο контекστ του κάθε οργανισμού.

Η νέα χρηματοδότηση θα χρησιμοποιηθεί εν μέρει για την επέκταση αυτής της ικανότητας του πελάτη, ιδιαίτερα στις επιχειρηματικές πωλήσεις και τις λειτουργίες επιτυχίας του πελάτη.

Το μεγαλύτερο πλάνο: το AI ως κρίσιμη υποδομή

Ο χρόνος της χρηματοδότησης της InsightFinder υπογραμμίζει μια ευρύτερη μετατόπιση στο πώς το AI αντιμετωπίζεται. Όσο τα συστήματα AI ενσωματώνονται σε κρίσιμη υποδομή όπως νοσοκομεία, χρηματοοικονομικά συστήματα και αλυσίδες εφοδιασμού, η αξιοπιστία γίνεται λιγότερο τεχνικό ζήτημα και περισσότερο κοινωνικό.

Η концепция που εμφανίζεται εδώ είναι ότι τα συστήματα AI απαιτούν κάτι παρόμοιο με ένα «ανοσοποιητικό σύστημα» που μπορεί να ανιχνεύσει, να διαγνώσει και να ανταποκριθεί σε αποτυχίες σε πραγματικό χρόνο. Αυτό είναι το επίπεδο που η InsightFinder θέλει να χτίσει.

Αντί να εστιάζει στην κατασκευή πιο ισχυρών μοντέλων, η εταιρεία στοχεύει σε ένα διαφορετικό πρόβλημα: να τα κάνει αξιόπιστα. Όσο η υιοθέτηση του AI επιταχύνεται, αυτή η διάκριση είναι πιθανό να γίνει όλο και πιο σημαντική.