인사이트파인더, AI 신뢰성 확보를 위한 1,500만 달러의 시리즈 B 투자 유치

인사이트파인더는 1,500만 달러의 시리즈 B 투자를 유 갤럭시가 주도하여 유치하였으며, 총 투자 금액은 3,500만 달러에 달합니다. 이번 투자 유치는 기업이 가속화하는 기업 트랙션을 보고하며, 포춘 50 기업과 밀리언 달러의 거래를 포함하여, 실제 환경에서 배포된 AI 시스템을 신뢰할 수 있는 인프라에 대한 수요가 증가하고 있습니다.

AI 성능에서 AI 신뢰성으로의 전환

기업이 AI 시스템을 제어된 환경에서 생산 환경으로 이동함에 따라 일관된 패턴이 나타나고 있습니다. 테스트에서 잘 수행되는 시스템은 실제 환경에서 깨지기 쉽습니다. 문제는 모델의 능력이 아니라 맥락입니다. 대부분의 AI 시스템은 운영되는 특정 비즈니스 환경에 대한 깊은 이해가 부족합니다.

인사이트파인더는 이 격차를 메우기 위해 노력하고 있습니다. 플랫폼은 AI에서 신뢰성이란 단순히 지연이나 오류율과 같은 메트릭을 모니터링하는 것이 아니라, 특정 비즈니스 워크플로에서 “정상”이 무엇인지 이해하는 것에 관한 것입니다. 이것은 결제 시스템, 물류 파이프라인, 고객 지원 운영 등 모든 것을 포함합니다.

AI 시스템으로의 관측 가능성 확장

원래 복잡한 IT 운영을 처리하기 위해 구축된 인사이트파인더의 핵심 기술은 분산 시스템에서 이상을 감지하고, 근본 원인을 식별하며, 실패를 예측하는 것입니다. 동일한 기본 접근 방식이 현재 대형 언어 모델 및 에이전트 기반 워크플로를 포함한 AI 시스템에 적용되고 있습니다.

전통적인 관측 가능성 도구가 인프라에 초점을 맞춘 반면, 인사이트파인더의 플랫폼은 다중 소스, 다중 모드 데이터를 분석하여 AI 시스템이 예상치 못한 방식으로 작동하는 이유를 진단합니다. 이것은 모델 드리프트를 식별하고, 에이전트 워크플로우에서 실패를 추적하며, 명백한 경고를 트리거하지 않는 문제를 표면화하는 것을 포함합니다.

AI 시스템을 위한 폐쇄형 피드백 루프 구축

인사이트파인더의 접근 방식의 핵심 테마는 생산에서 발생하는 것을 개발로 연결하는 필요성입니다. 많은 AI 도구는 테스트 중에 평가 또는 생산 중에 모니터링에 초점을 맞추지만, 두 가지를 연속적인 루프로 연결하는 것은 거의 없습니다.

인사이트파인더의 플랫폼은 루프를 닫기 위한 기능을 도입합니다.

• 데이터셋, 모델 및 비용 메트릭을 평가하는 성능 비교 도구
• 비즈니스 품질 표준을 이해하는 평가자로 사용되는 도메인별 소형 언어 모델(SLM)
• 생산 실패를 사용하여 모델 성능을 개선하는 자동 미세 조정 파이프라인
• 복잡한 워크플로우에서 실행 경로를 재구성하는 다중 에이전트 추적

이러한 기능은 생산 데이터를 연속적으로 AI 시스템을 개선하는 작동 가능한 통찰력으로 변환하는 것을 목표로 합니다.

기업 환경에서 제네릭 AI의 한계

인사이트파인더가 해결하는 핵심課題 중 하나는 일반적인 목적의 AI 모델과 도메인별 요구 사항 간의 불일치입니다. 기초 모델은 광범위한 데이터셋으로 훈련되고 패턴 인식에 탁월하지만, 산업별 세부 사항에 대한 이해가 부족합니다.

이것은 종종 과소평가되는 위험을 만듭니다. 의료, 금융, 물류와 같은 분야에서 작은 편차는 비대칭적인 결과를 초래할 수 있습니다. 인사이트파인더의 접근 방식은 평가 및 모니터링 프로세스에 도메인 인식을 내장하여 시스템을 일반적인 벤치마크가 아닌 비즈니스별 기준으로 평가할 수 있도록 합니다.

소프트웨어만이 아닌 구현을 중심으로 구축된 서비스 모델

인사이트파인더의 또 다른 차별izing 점은 플랫폼을 제공하는 방식입니다. 전통적인 SaaS 모델에서 고객이 독립적으로 도구를 구성하는 대신, 회사에서는 고객과 긴밀히 협력하여 시스템을 고객의 환경에 맞게 맞춤 설정합니다.

이것은 플랫폼을 내부 워크플로우와 일치시키고, 평가 기준을 정의하며, 도메인별 논리를 통합하는 것을 포함합니다. 목표는 각 조직의 운영 맥락에서 시스템이 생성하는 통찰력이 작동할 수 있도록 하는 것입니다.

새로운 자금은 고객 맞춤형 기능을 확대하기 위해 사용될 것입니다. 특히 기업 판매 및 고객 성공 기능을 강화하기 위해 사용될 것입니다.

더 큰 그림: AI를 임계 영역으로

인사이트파인더의 자금 조달 시기는 AI가 어떻게 인식되고 있는지에 대한 더广い 전환을 강조합니다. AI 시스템이 병원, 금융 시스템, 공급망과 같은 임계 영역에 통합됨에 따라, 신뢰성은 기술적인 문제가 아니라 사회적인 문제가 됩니다.

여기서出现하는 개념은 AI 시스템이 실시간으로 실패를 감지하고, 진단하고, 응답할 수 있는 “면역계”와 같은 것을 필요로 한다는 것입니다. 이것은 인사이트파인더가 구축하려고 하는 계층입니다.

모델을 더 강력하게 만드는 것보다, 회사는 다른 문제에 초점을 맞추고 있습니다. 즉, 모델을 신뢰할 수 있게 만드는 것입니다. AI 채택이 가속화됨에 따라, 이러한 구별은 점점 더 중요해질 것입니다.