원더풀, 30개 이상의 시장에서 엔터프라이즈 AI 채택 가속화를 위한 2억 달러 평가의 시리즈 B 자금 1억 5천만 달러 유치

엔터프라이즈 AI 스타트업인 원더풀은 $1억 5천만 달러의 시리즈 B 자금을 2억 달러의 평가로 유치하여 총 자금을 8개월 만에 약 2억 8천 4백만 달러로 늘렸습니다. 이번 라운드는 인사이트 파트너스가 주도했으며, 기존 투자자들인 인덱스 벤처스, IVP, 베스미어 벤처 파트너스, 및 바인 벤처스가 참여했습니다. 새로운 자금은 회사의 엔터프라이즈 AI 플랫폼과 30개 이상의 시장에서 운영되는 글로벌 배포 팀의 확장을 지원할 것입니다.

회사의 접근 방식은 엔터프라이즈 AI 채택이 모델의 능력보다 실질적인 운영 환경 내에서 AI 시스템을 구현하는 복잡성에 의해 제한된다는 관점을 중심으로 합니다. AI 모델은 빠르게 발전했지만, 기존 인프라, 워크플로, 및 규제 프레임워크와 통합하는 것은 대규모 조직들에게 여전히 큰 장벽입니다.

AI 파일럿을 넘어서

많은 기업에서 공통되는 패턴은 생산 시스템으로 발전하지 못하는 AI 파일럿 프로젝트의 확산입니다. 이러한 프로젝트는 기술적인 타당성을 입증하지만, 기존 소프트웨어, 내부 데이터 시스템, 및 운영 프로세스와 통합하려고 할 때 실제적인 장애물에 직면합니다.

원더풀의 운영 모델은 AI 플랫폼과 지역에 내장된 배포 팀을 결합하여 그 격차를 해결하려고 합니다. 순수한 소프트웨어 기반 제품을 제공하는 대신, 회사는 기술 및 운영 전문가를 직접 엔터프라이즈 고객과 협력하도록派遣합니다. 이러한 팀은 내부 이해관계자와 협력하여 AI 에이전트를 기존 시스템에 연결하고, 지역 규제 요구사항에 구현을 적응시킵니다.

이 접근 방식은 조직이 AI 이니셔티브를 실험에서 생산으로 더 빠르게 전환할 수 있도록 허용합니다. 회사의 설명에 따르면, 에이전트는 몇 일 또는 몇 주 만에 파일럿 배포에서 운영 사용으로 이동할 수 있습니다. 전통적인 엔터프라이즈 소프트웨어 론칭에 필요한 몇 개월과는 대조적으로 말이죠.

엔터프라이즈 워크플로를 위한 플랫폼

시스템의 핵심에는 여러 AI 구동 워크플로를 지원하는 수평 엔터프라이즈 플랫폼이 있습니다. 특정 작업을 위한 고립된 자동화 도구를 제공하는 대신, 플랫폼은 조직이 부서와 운영 기능 전체에 걸쳐 확장할 수 있는 공유된 기반이 됩니다.

아키텍처는 의도적으로 모델-중립적으로 설계되어 각 사용 사례의 요구 사항에 따라 다른 AI 모델을 평가하고 통합할 수 있습니다. 새로운 모델이 등장하거나 기존 모델이 개선되면, 조직은 기존 인프라를 재구성하지 않고도 이를 통합할 수 있습니다.

여러 엔지니어링 원칙이 플랫폼의 설계를 형성합니다:

• 하네스 기반 평가 프레임워크는 배포 전 에이전트 성능을 구조화된 벤치마크에 대해 테스트합니다
• 자체 회복 시스템 아키텍처는 에이전트가 예기치 않은 입력 또는 운영 이상에遭遇했을 때 신뢰성을 유지하도록 의도되었습니다
• 계속적인 모니터링 및 최적화는 에이전트가 생산 환경에 통합된 후 어떻게 수행되는지 추적합니다

이러한 기능은 복잡한 엔터프라이즈 환경에서 에이전트가 안정적으로 유지되도록 하는 것을 목표로 하며, 이러한 환경에서는 신뢰성 및 규제 요구 사항이 종종 엄격합니다.

글로벌 배포 인프라

원더풀은 moins 1년 전 스타트업으로 등장한 이후, 유럽, 중동, 아시아-태평양, 및 라틴 아메리카의 30개 이상의 국가로 운영을 확장했습니다. 회사의 전략은 기술 엔지니어링 능력과 운영 전문성을 결합한 지역 팀을 구축하는 것을 기반으로 합니다.

이 팀은 텔레커뮤니케이션, 금융 서비스, 제조, 및 헬스케어와 같은 산업에서 작동합니다. 이러한 산업에서는 운영 복잡성이 새로운 기술의 채택을 종종 늦추는 경우가 많습니다. 전문가를 조직 내에 배치함으로써, 회사는 AI 시스템과 기존 인프라 사이의 마찰을 줄이려고 합니다.

이 지역적 접근 방식은 또한 언어 차이, 규제 환경, 및 지역 간 엔터프라이즈 소프트웨어 스택의 차이와 같은 실제적인 요인들을 해결합니다.

초기 운영 영향

원더풀은 엔터프라이즈 배포 전체에서 AI 에이전트가 고객을 대면하는 워크플로 및 내부 워크플로를 자동화하는 데 사용되고 있다고 보고합니다. 이러한 예로는 지원 운영, 내부 서비스 요청, 및 기타 프로세스 주도 비즈니스 기능이 포함됩니다.

회사의 설명에 따르면, 이러한 구현은 일부 환경에서 측정 가능한 운영 변경을 초래했습니다. 이러한 변경에는:

• 프로세스 처리 시간의 60% 감소
• 특정 워크플로우의 자동화 포함률이 80% 이상
• 대규모 조직에서 연간 수백만 달러의 운영 효율성 향상

플랫폼이 엔터프라이즈 시스템 전체에 걸쳐 공유 아키텍처에 연결되므로, 조직은 초기 배포 후에 AI 에이전트에 의해 자동화되는 워크플로우의 수를 점진적으로 확장할 수 있습니다.

엔터프라이즈 AI의 다음 단계

에이전트 기반 시스템의 부상은 엔터프라이즈가 자동화를 접근하는 방식에서 더 넓은 전환을 반영합니다. 이전의 엔터프라이즈 소프트웨어 세대는 일반적으로 狭い하게 정의된 작업에 초점을 맞추었으며, 종종 각 새로운 기능을 위한 사용자 정의 통합을 필요로 했습니다.

AI 에이전트는 다른 패러다임을 소개합니다. 고정된 자동화 스크립트 대신, 이러한 시스템은 컨텍스트를 해석하고, 여러 시스템과 상호 작용하며, 변경하는 조건에 적응할 수 있습니다. 엔터프라이즈 인프라에 통합될 때, 이전에 수동 개입을 필요로 했던 부서 간의 작업을 조정할 수 있습니다.

이 전환은 점차적으로 엔터프라이즈 소프트웨어 아키텍처를 재형성할 수 있습니다. 분리된 응용 프로그램의 큰 컬렉션에 의존하는 대신, 조직은 여러 시스템에 걸쳐 워크플로우를 조정할 수 있는 공유 AI 레이어를 구축할 수 있습니다.

이 전환이 계속된다면, 기술적인 도전은 더 능력있는 AI 모델을 구축하는 것만이 아닙니다. 그것은 이러한 시스템을 안전하게 운영 환경에 배포하고, 모니터링하고, 적응시키는 인프라를 설계하는 것입니다.

엔터프라이즈 인프라에 AI 에이전트를 통합하는 플랫폼은 이러한 도전을 해결하는 한 가지 접근 방식입니다. 조직은 계속해서 AI 연구의 발전을 일상적인 운영 도구로 전환하는 실제적인 방법을 찾고 있습니다.