PuppyGraph Raih Pendanaan Seri A $10 Juta setelah ARR Tumbuh Tujuh Kali Lipat

PuppyGraph mengumumkan pada 10 November 2026 bahwa perusahaan telah menghimpun pendanaan Seri A sebesar $10 juta yang dipimpin Particle Future, dengan partisipasi defy.vc, untuk memperluas tim rekayasa serta upaya pemasaran dan penjualan kepada pelanggan korporat. Pendanaan ini menjadikan total pendanaan pengembang mesin kueri graf tersebut sebesar $15 juta.

Pendanaan ini menyusul ketersediaan umum PuppyGraph 1.0. PuppyGraph melaporkan bahwa pendapatan berulang tahunan (ARR) tumbuh tujuh kali lipat selama setahun terakhir, dengan pelanggan yang mencakup AMD, Palo Alto Networks, Coinbase, Trend Micro, Datadog, dan Sola Security.

Mengueri Data Korporat Tanpa Memindahkannya

PuppyGraph ditujukan bagi agen AI yang menyelidiki pertanyaan bisnis lintas departemen, bukan sekadar menghasilkan SQL untuk kumpulan data yang sudah diketahui. Agen mungkin perlu menelusuri hubungan antara pelanggan, produk, komponen, dan pemasok; seiring bertambahnya jumlah tabel, deskripsi skema semakin banyak memakan jendela konteksnya dan jumlah kemungkinan jalur penggabungan data pun meningkat.

Mesin ini menjalankan komputasi graf langsung pada basis data, gudang data, dan danau data yang didukung. Data tetap berada di sistem seperti Apache Iceberg, Databricks, Snowflake, PostgreSQL, dan Microsoft Fabric sehingga tidak diperlukan basis data graf khusus, salinan graf terpisah, maupun pipeline pemuatan terkait. Aplikasi tetap dapat menggunakan SQL untuk filter dan agregasi, sekaligus memilih kueri graf untuk pertanyaan yang berfokus pada hubungan.

Ontologi menyediakan entitas dan hubungan bisnis yang telah disetujui, sehingga agen memiliki jalur penyelidikan yang valid. Penyusun skema berbantuan AI dari PuppyGraph mengusulkan model tersebut berdasarkan tabel yang sudah ada, tetapi tim data meninjau dan menyetujui makna bisnisnya. Alat AI yang kompatibel dapat terhubung melalui MCP, dan pengguna juga dapat bekerja melalui agen bawaan PuppyGraph.

Mesin ini menolak rujukan ke entitas atau hubungan yang tidak tercantum dalam ontologi, lalu memberikan umpan balik terstruktur untuk memperbaiki kueri. Langkah ini mengatasi kesalahan yang tidak terdeteksi, yang terjadi ketika agen mengarang suatu hubungan lalu memperlakukan hasilnya sebagai bukti. PuppyGraph mengingatkan bahwa validasi tidak menjamin kesimpulan yang benar, sebab agen masih dapat mengikuti hipotesis yang keliru atau melakukan analisis yang tidak lengkap.

Kontrol Kinerja dan Tata Kelola

PuppyGraph melaporkan bahwa mesinnya mendukung kueri graf di bawah satu detik untuk beban kerja yang didukung dan memungkinkan agen mengueri 3.000 tabel korporat sebagai satu graf. Dalam tolok ukur perusahaan yang terpisah, klaster empat mesin menyelesaikan kueri dengan 10 lompatan melintasi miliaran sisi dalam 2,26 detik; kinerja bergantung pada beban kerja.

Kecepatan memengaruhi jalannya penyelidikan: agen menguji berbagai hipotesis, dan kueri yang lambat dapat menghambat langkah analisis berikutnya jika langkah itu bergantung pada hasil sebelumnya. Karena itu, tolok ukur tersebut menunjukkan apakah penelusuran mendalam atas hubungan dapat tetap interaktif, bukan sekadar mengukur kecepatan pemrosesan kueri mentah.

PuppyGraph 1.0 juga menerapkan izin tingkat baris yang dikonfigurasi di seluruh penelusuran graf, termasuk pada tahap perantara. Kontrol berbasis peran dan penyamaran identitas pengguna mengaitkan akses dengan identitas pengguna. Sistem ini mendukung akses masuk tunggal, sementara log audit administratif mencatat aktivitas pengelolaan. Fitur penyediaan kredensial memperoleh kredensial berumur pendek yang mempertimbangkan identitas untuk platform seperti Snowflake dan Databricks, tanpa mengharuskan pengguna mengungkapkan atau mengelola kredensial berumur panjang.

Penerapan dan Prioritas Ekspansi

CTO Sola Security, Leon Goldberg, mengatakan: “Kami menjalankan agen AI di ribuan tabel dan miliaran sisi setiap hari.” Direktur rekayasa Palo Alto Networks, Ran Xia, mengatakan perusahaan menjalankan penelusuran multi-hop pada platform datanya yang sudah ada tanpa memindahkan atau menggandakan baris, sehingga pemeliharaan pipeline ETL terkait dapat dihilangkan. Insinyur perangkat lunak staf senior Coinbase, Xinyu Liu, mengatakan Coinbase terhubung langsung ke tabel yang dikelola di Snowflake dan Databricks serta menggunakan MCP untuk kueri hubungan dalam bahasa alami.

AMD memulai dengan beban kerja TI dan kini memperluas penggunaan ke data keamanan informasi dan pemasaran digital, menurut laporan PuppyGraph. Ekspansi itu menggambarkan model perusahaan yang lebih luas: ketika peta hubungan mencakup lebih banyak departemen, agen dapat menyelidiki pertanyaan yang sebelumnya terhenti di batas-batas organisasi.

Perusahaan berencana menggunakan modal baru untuk mengurangi pekerjaan penyiapan model graf, membuat kueri hubungan praktis pada skala korporat, dan membantu pelanggan menerapkan agen dalam lingkungan produksi. Tantangan utamanya adalah memperluas penyelidikan tersebut tanpa melemahkan ontologi yang disetujui manusia dan kontrol izin yang menentukan hubungan mana yang valid serta data apa yang dapat dilihat setiap pengguna.