Delphina kerää 7,5 miljoonaa dollaria kasvattaakseen tekoälyanalytiikan Context Factory -ratkaisuaan

Delphina ilmoitti 7,5 miljoonan dollarin uudesta rahoituksesta 12. marraskuuta 2026. Rahoituksen myötä yhtiön kokonaisrahoitus nousi 15 miljoonaan dollariin, ja samalla se julkaisi Context Factoryn, järjestelmän, jossa tekoälyagentit rakentavat ja ylläpitävät analytiikkavastausten taustalla olevaa liiketoimintakontekstia.

Radical Ventures ja Costanoa johtivat rahoituskierrosta yhdessä. Siihen osallistuivat myös Tenacity Capital ja enkelisijoittajat, kuten Fei-Fei Li, Nobel-palkittu Guido Imbens sekä Anthropicin ja OpenAI:n varhaiset työntekijät. Rahoituksella on tarkoitus kasvattaa Context Factorya sekä laajentaa Delphinan myynti- ja asiakasratkaisutiimejä.

Uusi tuote tuli saataville julkistuksen yhteydessä. Sen lähtökohtana on, että tarkka tekoälyanalytiikka edellyttää tietoa siitä, mitkä taulut ovat luotettavia, miten mittarit määritellään ja mitä kokeneet analyytikot tietävät mutta eivät ole dokumentoineet. Delphinan mukaan yritykset kokoavat tämän kontekstin tavallisesti käsin, minkä seurauksena se vanhenee liiketoiminnan muuttuessa.

Agentit ylläpitävät liiketoimintakontekstia

Context Factory antaa ylläpitotyön agenteille. Delphinan mukaan ne voivat koota alkuvaiheen perustan yrityksen olemassa olevista tiedoista ja dokumenteista muutamassa tunnissa, tunnistaa ja korjata puutteita työntekijöiden esittäessä kysymyksiä sekä ohjata merkittävät muutokset alan asiantuntijoiden hyväksyttäviksi. Näin asiantuntijat vastaavat määritelmistä, kun taas agentit hoitavat tiedonhaun ja päivitystyön.

Delphinan tuote-esittelyn mukaan järjestelmä lukee dbt-projekteja, koontinäyttöjä, dokumentteja ja kyselylokeja ja jatkaa näiden lähteiden lukemista niiden muuttuessa. Hyväksytyt muutokset tallennetaan asiakkaan omistamaan versioituun tietämysk kantaan, ja arviointitesteissä voidaan hyödyntää luotettuja koontinäyttöjä, jotka työntekijät ovat jo tarkistaneet.

Kun kysymys paljastaa, että mittarin määritelmä puuttuu, esimerkkityönkulussa agentti etsii tietoa dbt:stä, Lookerista ja Notionista, selvittää kyseisen datataulun omistajan ja pyytää vahvistusta Slackissa. Hyväksynnän jälkeen se julkaisee määritelmän, luo alkuperäisen vastauksen uudelleen ja tallentaa korjauksen regressiotestiksi, jotta hyväksytty logiikka ei pääse huomaamatta muuttumaan virheelliseksi.

Delphinan mukaan yrityskäyttöönotossa yhteydet käyttävät käyttäjäkohtaisia, vain lukuun oikeuttavia tunnistetietoja, ja jokaiselle asiakkaalle annetaan erillinen datataso. Python ja DuckDB toimivat eristetyssä Firecracker-mikrovirtuaalikoneessa, jolla ei ole internetyhteyttä. Kehotteet, kyselyt ja tietämysviitteet kirjataan lokiin, ja ne voidaan viedä järjestelmästä. Näiden hallintakeinojen ansiosta agenttien toimintaa voidaan tarkastella, samalla kun niiden pääsyä yrityksen järjestelmiin ja ulkoisiin kohteisiin rajoitetaan.

Käyttöönotto laajenee datatiimien ulkopuolelle

Delphinan mukaan liiketoimintatiimit esittävät nyt 73 prosenttia sen alustalla esitetyistä kysymyksistä, ja yli puolessa sen asiakasyrityksistä toimitusjohtajat käyttävät palvelua aktiivisesti. Substackilla tuotetta käyttää yli 70 prosenttia työntekijöistä, mukaan lukien toimitusjohtaja Chris Best. Muita asiakkaita ovat LATAM Airlines, Upstart, Udemy ja Coursera.

Best kuvaili vaikutusta Substackin päätöksentekoon näin: ”Nyt tiimimme saavat tarkkoja vastauksia sekunneissa sen sijaan, että odottaisivat niitä viikkokausia jonossa. Tämä on muuttanut tapaamme tehdä päätöksiä.”

Toimitusjohtaja ja toinen perustaja Jeremy Hermann rakensi aiemmin Uberin Michelangelo-koneoppimisalustan ja johti sen kehitystä sekä oli perustamassa Tectonia, jonka Databricks osti. Presidentti ja toinen perustaja Duncan Gilchrist johti Uberin maailmanlaajuista hinnoitteluun liittyvää datatiedettä. Gilchristin mukaan operatiiviset tiimit sekä myynnin, markkinoinnin ja taloushallinnon tiimit käyttävät nyt Delphinan tuotetta eniten.

Rahoituksen ansiosta Delphina voi kehittää tuotetta sekä laajentaa sen myynti- ja tukitiimejä. Keskeinen kysymys on, voiko liiketoimintakäyttäjien ja toimitusjohtajien käyttöönotto kasvaa heikentämättä asiantuntijoiden hyväksyntöjä, versioituja määritelmiä ja regressiotestejä, joihin yhtiön lupaus luotettavasta analytiikasta perustuu.