Euno、エンタープライズAIエージェント向けコンテキストレイヤー構築のためにシリーズAで2300万ドル調達

Eunoは、エンタープライズAIコンテキストプラットフォームを拡大するために、シリーズAで2300万ドルの資金調達を実施しました。企業は、基盤モデルだけでは解決できない問題: AIエージェントに十分な組織知識を提供し、複雑なビジネスデータを確実に扱えるようにすることに直面しています。

このラウンドはN47が主導し、既存投資家の10Dや、Wiz共同創業者のYinon Kostika、Cyera共同創業者兼CEOのYotam Segev、Eon共同創業者兼CEOのOfir Ehrlich、Tavily創業者のRotem Weiss、元Tableau CEO兼社長のMark Nelsonらテクノロジー創業者・幹部が参加しました。この資金調達により、Eunoの累計資金は2900万ドルとなります。

2023年にSarah LevyとEyal Firstenbergが設立したEunoは、新たな資本を主に販売とマーケティングの拡大、そしてAI研究への投資増加に活用する計画です。米国とイスラエルで事業を展開し、従業員は約30名の同社は、年末までに従業員数をほぼ倍増させることを見込んでいます。

エンタープライズAIのボトルネックはコンテキストへシフトしている

大規模言語モデルの急速な進化により、データベースへのクエリ、分析の生成、コード作成、ビジネスプロセスの自動化が可能なAIエージェントの導入がますます実現可能になっています。しかし、エージェントをエンタープライズシステムに接続すると、別の課題が生じます: どの情報が権威あるものかを把握することです。

大規模な組織では、何千ものテーブル、ダッシュボード、指標、データモデル、そして同一ビジネス概念に対する競合する定義が存在します。例えば、売上を計算するようAIエージェントに指示した場合、単にデータベースにアクセスできるだけでは不十分です。承認された売上指標はどれか、最新のテーブルはどれか、指標の計算方法、入力元、そして要求ユーザーが基礎情報にアクセスする権限があるかを把握する必要があります。

Eunoは、その組織的知識を機械可読なインフラへ変換しようとしています。

同社のプラットフォームは、データ系統、利用状況、所有権、ビジネスロジック、ヘルスシグナル、ガバナンス状態などの情報を取り込み、ライブコンテキストグラフを継続的に構築します。エージェントにすべての資産を提示するのではなく、システムは特定のユーザー、タスク、意思決定に関連するコンテキストを提供できます。

この違いは、企業が質問に答えるAIシステムから、複数のエンタープライズシステム上で行動できる自律エージェントへと移行するにつれて、ますます重要になる可能性があります。

「モデルはますます高性能かつ低コストになっていますが、企業にとっての長期的なAIの堀は、仕事のやり方の蓄積された記録からますます生まれるでしょう」とEuno共同創業者兼CEOのSarah Levyは述べました。

メタデータをAIエージェント向けインフラに変換する

Eunoの技術は、データの出所、変換方法、利用者、そして異なる資産間の関係を記述するメタデータを基盤としています。

このプラットフォームは、データウェアハウス、分析システム、ダッシュボード、指標間のカラムレベル系統をマッピングし、さらに利用状況やガバナンスシグナルと組み合わせます。自動ラベリングシステムは、組織が定めたルールに基づき、資産を「AI対応」「PII非含有」「健全」「認定」などの属性として動的に分類できます。これらの分類は、基盤データ環境の変化に応じて更新されます。

Eunoは、これらの条件が変化した際に対応できるワークフローも提供します。たとえば、認定されていないダッシュボードが急に多用されることを特定したり、個人情報（PII）の伝播を追跡したり、未文書化のモデルにフラグを付けたり、内部品質基準を満たさなくなった指標を表面化させたりできます。

同社は、グラフ内の関係性をナビゲートするための独自のEuno Query Language (EQL)を構築しました。Eunoは、グラフベースのアーキテクチャにより、エージェントが相互接続されたメタデータをより少ないクエリで取得でき、モデルに渡すコンテキスト情報量を削減できる可能性があると述べています。

重要なのは、このプラットフォームが既存のエンタープライズデータインフラと共存するよう設計されており、置き換えるものではない点です。Eunoは、SnowflakeやDatabricksなどのデータウェアハウス・プラットフォーム、dbtを含む変換ツール、そしてTableau、Looker、Power BI、ThoughtSpot、Sigma、Omniといったビジネスインテリジェンスプラットフォームとの統合をサポートしています。

コンテキストをAIシステムに直接組み込む

Eunoの戦略のもう一つの要素は、この組織コンテキストをサードパーティのAIエージェントが直接利用できるようにすることです。

同社はModel Context Protocol（MCP）サーバーを運用しており、Claude、Cursor、Visual Studio Code Copilotなどのツールやその他の互換システムがEunoのエンタープライズコンテキストにクエリを投げられるようにしています。エージェントはこれらのツールを使ってリソースを探したり、上流系統を検査したり、インパクト分析を行ったり、ドキュメントを検索したり、EQLクエリを生成・実行したりできます。

Eunoは、Snowflake Intelligenceを含むシステムとの統合例も文書化しており、同社のコンテキストレイヤーが汎用AIモデルとエンタープライズの基盤データ資産との間の仲介役となり得ることを示しています。

この位置付けは、エンタープライズAIで進行中の広範なシフトを反映しています。高度なモデルへのアクセスがますますコモディティ化する中で、差別化はこれらのモデルを取り巻く独自情報、すなわち組織プロセス、権限、関係性、過去の意思決定、定義、そして過去のエージェント活動からのフィードバックへとシフトする可能性があります。

コンテキストはエンタープライズAIの堀の一部になる可能性がある

Eunoは、蓄積されたコンテキストは時間とともに価値が高まると主張しています。

エージェントがタスクを実行すると、システムはコンテキストの使用方法に関する情報を取得し、そのシグナルをエンタープライズコンテキスト層にフィードバックできます。理論的には、これにより組織は自社のビジネス運営の機械可読な表現を段階的に豊かに構築していくフィードバックループが生まれます。

これは、エージェント型AI導入に直面する中心的課題の一つであるガバナンスにも対応します。自律エージェントにエンタープライズシステムへのアクセス権を与える際、取得できる情報やその解釈方法を理解しないと、運用上およびセキュリティ上のリスクが生じます。Eunoのアプローチは、コンテキスト取得とロール認識ガバナンスを組み合わせ、エージェントがタスクと権限に適した情報のみを受け取り、環境全体への無制限アクセスを防ぎます。

同社は、プラットフォームが基盤となるビジネスデータ自体ではなくエンタープライズメタデータを読み取ると述べており、これはデータ露出を抑えつつ、システムが関係性をマッピングしエージェントに運用コンテキストを提供できるようにするためのアーキテクチャ上の区別です。

EunoはすでにAlphaSenseやZayo Groupなどのエンタープライズ顧客と協業しており、ウェブサイトではBoltなどの企業での導入事例も掲載しています。

AI業界全体にとって、EunoのシリーズAの意義は単なるエンタープライズインフラへの資金調達ラウンドに留まりません。基盤モデルは急速に高度化し、多くのワークロードでますます交換可能になっています。この傾向が続くなら、これらのモデルに対し、彼らが稼働する組織を確実に理解させることが、より難しい課題の一つとなるでしょう。

したがって、基盤モデル自体ではなく、コンテキストインフラが新興のエンタープライズAIスタックにおいて、より重要な層の一つになる可能性があります。