OPAQUE、Confidential AIを推進するために2400万ドルのシリーズB資金を300万ドルの評価で調達

企業でのAIの導入は急速に進んでいますが、信頼性は依然として大きな課題です。この週、OPAQUEは、2400万ドルのシリーズB資金調達を発表しました。調達後の企業価値は約3億ドルとなり、累計調達額は5550万ドルに達しました。このラウンドは、Walden Catalystが主導し、既存のバックアップ者であるIntel Capital、Race Capital、Storm Ventures、Thomvest、および新しい戦略的投資家であるAdvanced Technology Research Council (ATRC)が参加しました。

この資金調達は、企業がAIを導入する上で、プライバシー、ガバナンス、セキュリティに関する強力で検証可能な保証が必要であるという、企業全体での合意を反映しています。

実験的なAIから企業の義務へ

過去1年間で、Confidential AIは、主に学術的な概念から、実用的要求へと移行しました。AIシステムが規制対象データ、独自の知的財産、ミッションクリティカルなワークフローに触れるようになると、従来のセキュリティアプローチは不十分であることが明らかになりました。

OPAQUEの取り組みは、データとモデルを保護することに重点を置いています。使用中に保護するのではなく、使用中に保護することに重点を置いています。これは重要な違いです。多くの企業のAIイニシアチブは、CISO、法務チーム、コンプライアンスリーダーが、AIの実行中に何が起こっているのかを確認できないため、早期のパイロットプロジェクトの後に停止します。結果として、躊躇、遅延、そして多くの場合、放棄された展開が発生します。

Confidential AIは、このギャップを埋めるために、データがプライベートであること、ポリシーが適用されること、モデルが公開されないことなどの暗号化された保証を提供することを目的としています。

企業の「信頼ギャップ」への対応

企業は、自社のデータをAIエージェントに適用して、生産性の向上と運用の洞察を得ることを望んでいます。しかし、これらのデータ資産は、企業が所有する最も機密性の高いものであることがよくあります。検証可能な保証がない場合、AIは機会からリスクへと変わります。

OPAQUEは、企業のAIのための信頼レイヤーとしてのプラットフォームを位置付け、実行前、実行中、実行後にプライバシー、ポリシーの適用、モデルの一貫性を提供することを目的としています。仮定や契約上の保証に頼るのではなく、プラットフォームは証拠に焦点を当て、リアルタイムでコンプライアンスとガバナンスを実証できるように設計されています。

このアプローチは、企業の思考のより広い変化を反映しています。AIシステムは、パフォーマンスや精度のみで評価されるのではなく、証明できるかどうか、どのデータにアクセスしたか、承認されたルールに従ったかどうかについても評価されるようになっています。

新しい資金調達の支援

シリーズBの資金は、OPAQUEのConfidential AIプラットフォームの開発と展開を加速するために使用され、企業がより迅速に、より安全に実験から本格的な導入に移行できるようにします。

同時に、会社は、ポストクォンタムセキュリティ、Confidential AIトレーニング、主権クラウド環境などの分野に拡大しています。これらのイニシアチブは、厳格な規制、国家安全保障、またはデータ居住制約の下で運営している組織を対象とし、AIワークロードの可視性と制御が不可欠です。

OPAQUEは最近、OPAQUE Studioを立ち上げました。これは、Confidential AIエージェントの構築と展開を簡素化するための開発環境です。目標は、ランタイムで検証可能なプライバシーとコンプライアンスを、AI開発ライフサイクルのデフォルトの一部にすることです。

企業のAIへのより広い影響

Confidential AIの台頭は、企業がAIを導入する方法のより深い進化を示唆しています。AIが意思決定、自動化、顧客とのやり取りに組み込まれるにつれて、ガバナンスは、ポリシードキュメントから技術的適用へと移行しなければなりません。

データが保護され、ルールが遵守されたことを技術的に証明できるテクノロジーは、企業のAIスタックの基盤となる可能性があります。これは、金融サービス、ヘルスケア、保険などの規制業界で特に当てはまります。ここでは、コンプライアンス要件は緩和するのではなく、むしろ強化されています。

Confidential AIは、新しい形式のコラボレーションを可能にする可能性もあります。企業は、生データを公開することなく、共有またはプールされたデータセットを分析できるようになり、プライバシーに関する懸念により以前は手が届かなかった洞察が解放される可能性があります。この意味で、信頼を維持するためのインフラストラクチャは、リスクを軽減するだけでなく、AIで可能なことを拡大する可能性があります。