Redpine Mengumpulkan $8M Putaran Benih untuk Membangun Lapisan Data yang Memungkinkan Agen AI Berikutnya

Perusahaan yang berbasis di Stockholm, Redpine, telah mengumpulkan putaran benih sebesar $8 juta untuk mempercepat ekspansi global dan lebih lanjut mengembangkan platformnya, yang memberikan akses kepada agen AI untuk mendapatkan data premium yang tidak dipublikasikan.

Putaran ini dipimpin oleh NordicNinja, dengan partisipasi dari Luminar Ventures dan node.vc, bersama dengan malaikat strategis termasuk pemimpin dari OpenAI, Perplexity, dan Spotify, serta pendiri di balik perusahaan seperti SiloAI, Validio, dan Sana. NordicNinja General Partner Marek Kiisa akan bergabung dengan dewan.

Pendanaan ini akan digunakan untuk memperluas jaringan kemitraan data milik Redpine dan meningkatkan platform intinya, termasuk teknologi pengambilan dan pengurutan ulang yang dipimpin oleh ilmuwan data pendiri Dr. Leonora Vesterbacka. Perusahaan ini juga memperluas timnya di seluruh bidang teknik, ilmu data, dan pemasaran, menarik bakat dari organisasi seperti Spotify, Sana, Zettle, Lunar, McKinsey, CERN, dan H&M.

Membangun Akses ke Data yang Paling AI Tidak Dapat Capai

Premis inti Redpine sederhana. Sistem AI saat ini dilatih pada sepotong kecil informasi dunia. Sementara data web publik telah memungkinkan munculnya model bahasa besar, itu hanya mewakili sebagian kecil dari total data global.

Perusahaan memperkirakan bahwa hanya 1 hingga 2 persen data yang saat ini dapat diakses untuk penggunaan AI. Platformnya dirancang untuk membuka mayoritas sisa dengan memungkinkan akses lisensi yang patuh terhadap dataset milik perusahaan di seluruh industri.

Melalui platformnya, Redpine memungkinkan pemilik konten, penerbit, dan penyedia data untuk menawarkan akses terkontrol ke data mereka, sementara pengembang AI dan agen dapat menemukan, mengevaluasi, dan membayar data tersebut melalui lapisan API yang terunifikasi. Ini memposisikan Redpine sebagai infrastruktur daripada pembangun model, bertindak sebagai pasar dan sistem pengiriman untuk data berharga.

API Tanpa Kepala untuk Agen AI

Pada tingkat produk, Redpine mengoperasikan lapisan API tanpa kepala yang menghubungkan sistem AI langsung ke dataset premium. Platform ini mendukung beberapa jenis data, termasuk teks, gambar, video, audio, dan kode, dan dirancang untuk bekerja di seluruh siklus hidup AI, dari pelatihan dan penyetelan halus hingga pengambilan waktu nyata.

Komponen pusat dari sistem ini adalah teknologi pengambilan dan pengurutan ulang, yang mengevaluasi kualitas data secara waktu nyata. Alih-alih mengekspos dataset mentah, platform ini memprioritaskan relevansi dan keandalan, membantu mengurangi halusinasi dan meningkatkan pengambilan keputusan.

Ini sangat penting di domain di mana akurasi sangat kritis, seperti kesehatan, hukum, keuangan, dan penelitian ilmiah. Ini adalah sektor-sektor di mana Redpine memfokuskan upayanya.

Mempertimbangkan Kembali Bagaimana AI Mengakses dan Menggunakan Data

Jika model ini mendapatkan traksi, itu mengubah cara sistem AI dibangun dan diterapkan. Alih-alih sangat bergantung pada dataset pelatihan statis, agen AI bisa semakin banyak beroperasi dengan menarik informasi yang diverifikasi, mutakhir, dan sesuai kebutuhan dari sumber lisensi.

Perubahan itu akan memindahkan industri lebih dekat ke intelijen waktu nyata, di mana model kurang bergantung pada apa yang mereka latih dan lebih bergantung pada apa yang mereka akses pada saat keputusan dibuat. Ini juga memperkenalkan lapisan ekonomi yang lebih terstruktur di sekitar data, di mana akses diukur, diberi harga, dan diatur oleh hak penggunaan yang jelas.

Bagi perusahaan, ini bisa mengurangi kebutuhan untuk mengentralisasi data sensitif untuk pelatihan, karena agen dapat mengquery dataset eksternal tanpa mengonsumsi permanen. Bagi pemilik data, ini menciptakan jalur langsung untuk memonetisasi informasi milik perusahaan tanpa kehilangan kontrol atas distribusi.

Secara bertahap, infrastruktur semacam ini bisa mengarah pada ekosistem AI yang lebih modular, di mana model, agen, dan sumber data longgar terhubung. Di lingkungan itu, keunggulan kompetitif mungkin kurang bergantung pada skala model saja dan lebih pada kualitas, eksklusivitas, dan aksesibilitas data yang sistem tersebut dapat capai.