Η PuppyGraph εξασφαλίζει χρηματοδότηση Series A ύψους 10 εκατ. δολαρίων μετά τον επταπλασιασμό των ετήσιων επαναλαμβανόμενων εσόδων της

Η PuppyGraph ανακοίνωσε στις 10 Νοεμβρίου 2026 ότι άντλησε 10 εκατ. δολάρια σε γύρο χρηματοδότησης Series A με επικεφαλής την Particle Future και τη συμμετοχή της defy.vc, για να ενισχύσει το έργο της στον τομέα της μηχανικής και την εμπορική της ανάπτυξη σε εταιρικό επίπεδο. Με τη χρηματοδότηση αυτή, το σύνολο των κεφαλαίων που έχει αντλήσει η εταιρεία ανάπτυξης μηχανής ερωτημάτων γραφημάτων ανέρχεται σε 15 εκατ. δολάρια.

Ο γύρος χρηματοδότησης ακολουθεί την ευρεία διάθεση του PuppyGraph 1.0. Η PuppyGraph ανέφερε ότι τα ετήσια επαναλαμβανόμενα έσοδά της επταπλασιάστηκαν τον τελευταίο χρόνο και ότι μεταξύ των πελατών της συγκαταλέγονται οι AMD, Palo Alto Networks, Coinbase, Trend Micro, Datadog και Sola Security.

Ερωτήματα σε εταιρικά δεδομένα χωρίς μεταφορά τους

Το PuppyGraph απευθύνεται σε πράκτορες τεχνητής νοημοσύνης που διερευνούν επιχειρηματικά ζητήματα σε διάφορα τμήματα, αντί απλώς να δημιουργούν ερωτήματα SQL για ένα γνωστό σύνολο δεδομένων. Ένας πράκτορας μπορεί να χρειαστεί να ακολουθήσει τις σχέσεις μεταξύ πελατών, προϊόντων, εξαρτημάτων και προμηθευτών· καθώς πληθαίνουν οι πίνακες, οι περιγραφές του σχήματος καταλαμβάνουν μεγαλύτερο μέρος του παραθύρου συμφραζομένων του και αυξάνονται οι πιθανοί τρόποι συνένωσής τους.

Η μηχανή εκτελεί υπολογισμούς γραφημάτων απευθείας σε υποστηριζόμενες βάσεις δεδομένων, αποθήκες δεδομένων και λίμνες δεδομένων. Οι εγγραφές παραμένουν σε συστήματα όπως τα Apache Iceberg, Databricks, Snowflake, PostgreSQL και Microsoft Fabric, χωρίς να απαιτείται αποκλειστική βάση δεδομένων γραφημάτων, ξεχωριστό αντίγραφο γραφήματος ή οι αντίστοιχες διαδικασίες φόρτωσης δεδομένων. Οι εφαρμογές μπορούν και πάλι να χρησιμοποιούν SQL για φίλτρα και συναθροίσεις, επιλέγοντας παράλληλα ερωτήματα γραφημάτων για ερωτήματα που αφορούν πολλές σχέσεις.

Μια οντολογία παρέχει εγκεκριμένες επιχειρηματικές οντότητες και σχέσεις, προσφέροντας στους πράκτορες έγκυρες διαδρομές διερεύνησης. Το εργαλείο δημιουργίας σχημάτων του PuppyGraph, με υποβοήθηση τεχνητής νοημοσύνης, προτείνει αυτό το μοντέλο με βάση τους υπάρχοντες πίνακες, αλλά οι ομάδες δεδομένων εξετάζουν και εγκρίνουν την επιχειρηματική σημασία του. Συμβατά εργαλεία τεχνητής νοημοσύνης συνδέονται μέσω του MCP, ενώ οι χρήστες μπορούν επίσης να εργαστούν με τον ενσωματωμένο πράκτορα του PuppyGraph.

Η μηχανή απορρίπτει αναφορές σε οντότητες ή σχέσεις που δεν περιλαμβάνονται στην οντολογία και επιστρέφει δομημένη ανατροφοδότηση για τη διόρθωση του ερωτήματος. Έτσι αντιμετωπίζονται τα σιωπηρά σφάλματα που προκύπτουν όταν ένας πράκτορας επινοεί μια σύνδεση και αντιμετωπίζει το αποτέλεσμα ως τεκμήριο. Η PuppyGraph επισημαίνει ότι η επικύρωση δεν εγγυάται ορθό συμπέρασμα, καθώς ένας πράκτορας μπορεί και πάλι να ακολουθήσει μια αβάσιμη υπόθεση ή να πραγματοποιήσει ελλιπή ανάλυση.

Έλεγχος επιδόσεων και διακυβέρνησης

Η PuppyGraph ανέφερε ότι η μηχανή της υποστηρίζει ερωτήματα γραφημάτων σε λιγότερο από ένα δευτερόλεπτο για υποστηριζόμενα φορτία εργασίας και επιτρέπει στους πράκτορες να υποβάλλουν ερωτήματα σε 3.000 εταιρικούς πίνακες ως ενιαίο γράφημα. Σε ξεχωριστή δοκιμή επιδόσεων της εταιρείας, ένα σύμπλεγμα τεσσάρων μηχανών ολοκλήρωσε σε 2,26 δευτερόλεπτα ένα ερώτημα 10 διαδοχικών συνδέσεων σε δισεκατομμύρια ακμές, με τις επιδόσεις να εξαρτώνται από το φορτίο εργασίας.

Η ταχύτητα επηρεάζει την εξέλιξη των ερευνών: οι πράκτορες δοκιμάζουν πολλαπλές υποθέσεις και ένα αργό ερώτημα μπορεί να καθυστερήσει το επόμενο αναλυτικό βήμα, όταν αυτό εξαρτάται από το προηγούμενο αποτέλεσμα. Επομένως, η δοκιμή επιδόσεων δείχνει κατά πόσο οι βαθιές αναζητήσεις σχέσεων μπορούν να παραμένουν διαδραστικές, αντί να αποτελεί απλώς μέτρο της ακατέργαστης απόδοσης των ερωτημάτων.

Το PuppyGraph 1.0 επιβάλλει επίσης τα διαμορφωμένα δικαιώματα σε επίπεδο γραμμής σε όλη τη διάρκεια των διελεύσεων στο γράφημα, συμπεριλαμβανομένων των ενδιάμεσων βημάτων. Οι έλεγχοι πρόσβασης βάσει ρόλων και η πλαστοπροσωπία χρηστών συνδέουν την πρόσβαση με την ταυτότητα του χρήστη. Υποστηρίζεται η ενιαία σύνδεση (SSO), ενώ τα αρχεία καταγραφής ελέγχου για διαχειριστές καταγράφουν τις δραστηριότητες διαχείρισης. Ο μηχανισμός παροχής διαπιστευτηρίων εξασφαλίζει βραχύβια διαπιστευτήρια που λαμβάνουν υπόψη την ταυτότητα για πλατφόρμες όπως οι Snowflake και Databricks, χωρίς να απαιτείται από τους χρήστες να αποκαλύπτουν ή να διαχειρίζονται διαπιστευτήρια μεγάλης διάρκειας.

Αναπτύξεις και προτεραιότητες επέκτασης

Ο Leon Goldberg, διευθυντής τεχνολογίας (CTO) της Sola Security, δήλωσε: «Εκτελούμε πράκτορες τεχνητής νοημοσύνης καθημερινά σε χιλιάδες πίνακες και δισεκατομμύρια ακμές». Ο Ran Xia, διευθυντής μηχανικής στην Palo Alto Networks, δήλωσε ότι η εταιρεία εκτελεί διελεύσεις πολλαπλών βημάτων στην υπάρχουσα πλατφόρμα δεδομένων της, χωρίς να μετακινεί ή να αντιγράφει εγγραφές, εξαλείφοντας έτσι τη συντήρηση της αντίστοιχης διοχέτευσης ETL. Ο Xinyu Liu, ανώτερος μηχανικός λογισμικού της Coinbase, δήλωσε ότι η Coinbase συνδέεται απευθείας με πίνακες που διατηρούνται στις Snowflake και Databricks και χρησιμοποιεί το MCP για ερωτήματα φυσικής γλώσσας σχετικά με σχέσεις.

Η AMD ξεκίνησε με φορτία εργασίας πληροφορικής και επεκτείνεται προς τα δεδομένα ασφάλειας πληροφοριών και ψηφιακού μάρκετινγκ, ανέφερε η PuppyGraph. Αυτή η επέκταση καταδεικνύει το ευρύτερο μοντέλο της εταιρείας: καθώς ένας χάρτης σχέσεων συνδέει περισσότερα τμήματα, οι πράκτορες μπορούν να διερευνούν ερωτήματα που παλαιότερα σταματούσαν στα όρια του οργανισμού.

Η εταιρεία σχεδιάζει να χρησιμοποιήσει τα νέα κεφάλαια για να περιορίσει τον χρόνο που απαιτείται για τη δημιουργία μοντέλων γραφημάτων, να καταστήσει πρακτικά τα ερωτήματα σχέσεων σε εταιρική κλίμακα και να βοηθήσει τους πελάτες να θέσουν τους πράκτορες σε παραγωγική λειτουργία. Η βασική πρόκληση είναι να διευρυνθούν αυτές οι διερευνήσεις χωρίς να αποδυναμωθούν η οντολογία που εγκρίνεται από ανθρώπους και οι έλεγχοι δικαιωμάτων, οι οποίοι καθορίζουν ποιες σχέσεις είναι έγκυρες και ποια δεδομένα μπορεί να δει κάθε χρήστης.