벨룸, 기업용 AI 개발 가속화를 위한 2,000만 달러의 시리즈 A 투자 유치

벨룸, 기업용 AI 개발을 위한 종합 플랫폼으로 설계된 벨룸은 기업들이 안정적으로 미션 크리티컬 AI 애플리케이션을 구축, 테스트, 배포할 수 있도록 도와주는 플랫폼입니다. 벨룸은 $2,000만 달러의 시리즈 A 투자를 유치했습니다. 이 투자는 리더스 펀드가 주도했으며, 소시이 캐피탈, Y 콤비네이터, 리벨 펀드, 파이오니어 펀드, 이스트링크 캐피탈이 참여했습니다.

이 새로운 투자는 AI가 산업 전반에 걸쳐 중요한 역할을 하는 시점에 이루어졌습니다. 거의 모든 기업이 생성적 AI를 탐색하고 있지만, 반수 이상이 종합적인 전략을 가지고 있지 않으며, 대부분이 장기간의 프로토 타입 단계에 갇혀 있습니다. 벨룸은 이 간격을 메우기 위해 등장했습니다. 벨룸은 안정성, 속도, 관찰 가능성을 AI 엔지니어링에 제공하는 목적을 가진 개발 환경을 제공합니다.

AI 준비도 갭을 메우기

벨룸은 아카시 샤르마가 설립했으며, 전통적인 소프트웨어 개발 원칙이 대부분의 AI 툴링에서 누락되어 있다는 통찰력에 기반하여 구축되었습니다. 벨룸은 기업들에게 구조화된, 테스트 주도적인 AI 접근 방식을 제공합니다. 벨룸의 플랫폼은 엔지니어, 제품 책임자, 주제 전문가 등 다양한 팀이 함께 일할 수 있도록 합니다.

• AI 워크플로우를 정의하기 위한 시각적 UI 빌더와 SDK
• 배포 전 실패를 잡기 위한 네이티브 평가 및 테스트
• 롤백 지원을 포함한 한 번의 버전화된 릴리스
• 모델 성능을 지속적으로 개선하기 위한 실시간 모니터링

“생성적 AI는 기업이 소프트웨어에 대해 생각하는 방식을 재정의했지만, AI 시스템을 책임감 있게 구축하기 위한 인프라는 따라가지 못했습니다,” 벨룸의 CEO인 아카시 샤르마는 말했습니다. “그것이 우리가 벨룸을 만들었던 이유입니다. 전통적인 소프트웨어와 같은 예측 가능성, 제어, 명확성을 AI 개발에 가져오기 위해서입니다.”

기업용 AI를 위한 목적 지향 플랫폼

벨룸은 프로토 타입 툴이 아닙니다. 벨룸은 풀 스택 AI 운영 환경입니다. 팀은 시각적 그래프 기반 편집기를 사용하여 전체 워크플로우를 오케스트레이션할 수 있습니다. 이 편집기는 제어 흐름을 데이터 흐름보다 우선시하여, 분기, 재귀, 병렬 실행, 스트리밍과 같은 복잡한 동작을 관리할 수 있습니다.

이 구성 가능성은 벨룸을高度 규제되는 산업에서 특히 가치 있게 만듭니다. 여기서 보안, 신뢰성, 추적 가능성이 중요합니다. 오케스트레이션, 프롬프트, 검색 증강 생성 (RAG), 평가, 모니터링을 단일 플랫폼으로 통합함으로써, 벨룸은 기업들이 강력하고, 관찰 가능하고, 유지 관리가 쉬운 AI 시스템을 배포하도록 도와줍니다.

최상급 기업 팀이 신뢰하는

벨룸은 이미 주요 기업들에게 결과를 내고 있습니다. 드라타, 스위스콤, 레드핀, 헤드스페이스와 같은 기업들이 벨룸을 사용하여 고객 서비스, 규제 자동화, 내부 툴링, 콘텐츠 생성과 같은 다양한 AI 이니셔티브를 구동하고 있습니다.

드라타는 보안 및 규제 자동화의 선두 주자입니다. 벨룸을 사용하여 7,000개 이상의 고객 환경에서 안전하고 설명 가능한 AI 워크플로우를 지원합니다.

“벨룸은 우리에게 빠르게 이동할 수 있는 인프라를 제공합니다. 하지만 성능이나 신뢰성을 희생하지 않습니다,” 드라타의 엔지니어링 부사장인 리오르 솔로몬은 말했습니다. “그들의 테스트 주도적인 시스템은 우리가 빠르게 반복할 수 있도록 도와주며, 우리의 AI가 정확하고 규제에 부합하도록 유지합니다.”

이번 라운드를 주도한 리더스 펀드는 깊은 운영 전문 지식을 제공합니다. 리더스 펀드는 여러 회사를 초기 트랙션부터 1억 달러 이상의 연간 재생 능력까지 지원해 왔습니다.

“벨룸은 기업에서 AI를 채택하는 것을 느리게 하는 핵심 문제를 해결하고 있습니다. 즉, AI 시스템을 신뢰할 수 있고, 반복 가능하고, 프로덕션에 준비된 상태로 만드는 것입니다,” 리더스 펀드의 매니징 파트너인 기디언 헤이든은 말했습니다. “그들은 모든 기업 AI 팀이 필요로 하는 것을 구축했습니다. 우리는 그것을 글로벌하게 확장하는 것을 도와줄 것입니다.”

AI 개발을 위한 표준 구축

인공 지능이 실험적인 단계에서 운영 단계로 전환함에 따라, 기업들은 장기적인 신뢰성, 거버넌스, 유지 보수를 지원하는 인프라를 채택할壓力이 증가하고 있습니다. 특히 대규모 언어 모델, 검색 증강 생성, 또는 에이전트 기반 아키텍처를 포함하는 AI 시스템의 배포의 복잡성은 임시 스크립트와 프롬프트 엔지니어링 이상의 것을 요구합니다. 강력한 오케스트레이션, 제어된 실험, 지속적인 모니터링의 필요성은 불가결해지고 있습니다.

이것은 기업용 AI의 새로운 단계를迎해 왔습니다. 즉, DevOps와 같은 구조화된 소프트웨어 개발 관행을 거울처럼 반영하는 단계입니다. 하지만 동적이고 확률적인 매체에 적응되었습니다. 팀들은 더 이상 실로 또는 직관에만 의존하지 않고, 버전 관리, 테스트 커버리지, 출력 및 의사 결정에 대한 가시성을 제공하는 도구를 사용하여 AI 개발을 반복적인 엔지니어링 규율로 다루고 있습니다.

이러한 전환을 가능하게 하는 기술은 AI 운영의 새로운 표준을 구축하는基础를 마련하고 있습니다. 가까운 미래에, AI 애플리케이션은 투명한 논리 흐름, 감사 가능한 출력, 실시간 오류 처리, 그리고 진화하는 모델 및 데이터셋과의无마찰 통합을 갖추고 있을 것입니다. 규제가 강화되고 사용 사례가 더 복잡해짐에 따라, 산업은 유연성과 책임성을 결합하는 개발 환경을 요구할 것입니다. 이러한 환경은 팀들이 빠르게 이동할 수 있도록 하면서도 제어를 잃지 않도록 허용합니다.

이 진화는 AI 분야 자체의 더广い 성숙을 반영합니다. 생성적 AI의 약속은 단순히 인상적인 데모에 관한 것이 아니었습니다. 그것은 지능형 시스템을 비즈니스 핵심으로 통합하는 것이었습니다. 다음 세대의 플랫폼은 그들이 얼마나 강력한지에 따라 판단되지 않을 것입니다. 그들이 실제 환경에서 어떻게 안전하게 그리고 예측 가능하게 확장할 수 있는지에 따라 판단될 것입니다.