Euno recauda $23M en Serie A para crear una capa de contexto para agentes de IA empresariales

Euno ha recaudado $23 million en una ronda de financiación Serie A para ampliar su plataforma de contexto de IA empresarial, ya que las compañías se enfrentan cada vez más a un problema que los modelos de base más avanzados por sí solos no pueden resolver: proporcionar a los agentes de IA suficiente conocimiento organizacional para trabajar de manera fiable con datos empresariales complejos.

La ronda fue liderada por N47, con la participación del inversor existente 10D y un grupo de fundadores y ejecutivos tecnológicos que incluye al cofundador de Wiz, Yinon Kostika, al cofundador y CEO de Cyera, Yotam Segev, al cofundador y CEO de Eon, Ofir Ehrlich, al fundador de Tavily, Rotem Weiss, y al ex CEO y presidente de Tableau, Mark Nelson. La financiación eleva el total de fondos de Euno a $29 million.

Fundada en 2023 por Sarah Levy y Eyal Firstenberg, Euno planea utilizar el nuevo capital principalmente para ampliar ventas y marketing, al tiempo que incrementa la inversión en investigación de IA. La empresa, que opera en EE. UU. e Israel y emplea a casi 30 personas, espera duplicar aproximadamente su fuerza laboral para fin de año.

El cuello de botella de la IA empresarial se está desplazando hacia el contexto

La rápida mejora de los grandes modelos de lenguaje ha hecho cada vez más factible desplegar agentes de IA capaces de consultar bases de datos, generar análisis, escribir código y automatizar procesos empresariales. Pero conectar un agente a los sistemas empresariales introduce otro desafío: saber cuál información es autoritativa.

Una gran organización puede contar con miles de tablas, paneles, métricas, modelos de datos y definiciones competidoras para el mismo concepto empresarial. Un agente de IA al que se le solicite calcular los ingresos, por ejemplo, necesita más que acceso a una base de datos. Necesita saber cuál métrica de ingresos está aprobada, qué tablas están actualizadas, cómo se calcula la métrica, de dónde provienen sus insumos y si el usuario solicitante tiene permiso para acceder a la información subyacente.

Euno está intentando convertir ese conocimiento institucional en una infraestructura legible por máquinas.

Su plataforma construye continuamente un grafo de contexto en tiempo real que incorpora información como la procedencia de los datos, su uso, propiedad, lógica empresarial, señales de salud y estado de gobernanza. En lugar de presentar cada activo disponible a un agente, el sistema puede proporcionar el contexto relevante para el usuario, tarea y decisión específicos.

Esta distinción podría volverse cada vez más importante a medida que las empresas pasen de sistemas de IA que responden preguntas a agentes autónomos capaces de ejecutar acciones en múltiples sistemas empresariales.

“Los modelos siguen mejorando y abarata­ndose, pero la ventaja competitiva a largo plazo de la IA para las empresas provendrá cada vez más del registro acumulado de cómo se realiza el trabajo”, dijo la cofundadora y directora ejecutiva de Euno, Sarah Levy.

Convertir los metadatos en infraestructura para agentes de IA

La tecnología de Euno se basa en los metadatos, la información que describe de dónde provienen los datos, cómo se transforman, quién los utiliza y cómo se relacionan entre sí los diferentes activos.

La plataforma traza la procedencia a nivel de columna a través de almacenes, sistemas analíticos, paneles y métricas, y luego combina esa información con señales de uso y gobernanza. Su sistema de etiquetado automatizado puede clasificar dinámicamente los activos como propiedades tales como “listo para IA”, “libre de PII”, “saludable” o “certificado”, según reglas establecidas por la organización. esas clasificaciones se actualizan a medida que el entorno de datos subyacente cambia.

Euno también ofrece flujos de trabajo que pueden responder cuando esas condiciones cambian. Las organizaciones pueden, por ejemplo, identificar paneles no certificados que de repente se vuelven muy utilizados, rastrear la propagación de información de identificación personal (PII), marcar modelos sin documentación o destacar métricas que ya no cumplen con los estándares internos de calidad.

La empresa ha creado su propio Euno Query Language (EQL) para navegar por las relaciones dentro del grafo. Euno afirma que su arquitectura basada en grafos permite a los agentes recuperar metadatos interconectados mediante menos consultas, lo que podría reducir la cantidad de información contextual que debe pasarse a un modelo.

Es importante destacar que la plataforma está diseñada para coexistir con la infraestructura de datos empresarial existente en lugar de reemplazarla. Euno admite integraciones que abarcan almacenes de datos y plataformas como Snowflake y Databricks; herramientas de transformación, incluido dbt; y plataformas de inteligencia empresarial como Tableau, Looker, Power BI, ThoughtSpot, Sigma y Omni.

Incorporar el contexto directamente en los sistemas de IA

Otro componente de la estrategia de Euno es hacer que este contexto organizacional sea directamente accesible para agentes de IA de terceros.

La empresa opera un servidor Model Context Protocol (MCP) a través del cual herramientas como Claude, Cursor, Visual Studio Code Copilot y otros sistemas compatibles pueden consultar el contexto empresarial de Euno. Los agentes pueden usar esas herramientas para encontrar recursos, inspeccionar la procedencia ascendente, realizar análisis de impacto, buscar documentación o generar y ejecutar consultas EQL.

Euno también ha documentado integraciones con sistemas, incluido Snowflake Intelligence, que ilustran cómo su capa de contexto podría convertirse eficazmente en un intermediario entre los modelos de IA de propósito general y el conjunto de datos subyacente de una empresa.

Ese posicionamiento refleja un cambio más amplio que se está produciendo en la IA empresarial. A medida que el acceso a modelos capaces se vuelve cada vez más commoditizado, la diferenciación puede desplazarse hacia la información propietaria que rodea a esos modelos: procesos organizacionales, permisos, relaciones, decisiones históricas, definiciones y retroalimentación de actividades de agentes previas.

El contexto podría convertirse en parte de la ventaja competitiva de la IA empresarial

Euno sostiene que este contexto acumulado puede volverse más valioso con el tiempo.

Cuando un agente realiza una tarea, el sistema puede capturar información sobre cómo se utilizó el contexto y alimentar esas señales de vuelta a la capa de contexto empresarial. En teoría, eso crea un bucle de retroalimentación donde una organización construye progresivamente una representación más rica y legible por máquinas de cómo funciona su negocio.

Esto también aborda uno de los desafíos centrales de los despliegues de IA agente: gobernanza. Permitir que un agente autónomo acceda a los sistemas empresariales sin comprender qué información puede recuperar o cómo debe interpretarla genera riesgos operacionales y de seguridad. El enfoque de Euno combina la recuperación contextual con una gobernanza consciente de roles, de modo que un agente reciba la información adecuada para su tarea y permisos, en lugar de acceso sin restricciones a todo el entorno.

La empresa afirma que su plataforma lee los metadatos empresariales en lugar de los datos comerciales subyacentes, una distinción arquitectónica destinada a reducir la exposición de datos mientras sigue permitiendo que el sistema mapee relaciones y proporcione a los agentes contexto operativo.

Euno ya está trabajando con clientes empresariales, incluidos AlphaSense y Zayo Group, mientras que su sitio web también documenta implementaciones con compañías como Bolt.

Para la industria de IA en general, la importancia de la Serie A de Euno va más allá de otra ronda de financiación de infraestructura empresarial. Los modelos de base están convirtiéndose rápidamente en más capaces y cada vez más intercambiables para muchas cargas de trabajo. Si esa tendencia continúa, uno de los problemas más difíciles será proporcionar a esos modelos una comprensión fiable de las organizaciones en las que operan.

Eso podría convertir la infraestructura de contexto, más que el modelo subyacente, en una de las capas más trascendentales de la emergente pila de IA empresarial.