Euno pozyskuje 23 mln USD w rundzie Series A, aby zbudować warstwę kontekstu dla przedsiębiorstwowych agentów AI

Euno pozyskało 23 miliony dolarów w ramach finansowania Series A, aby rozwinąć swoją platformę kontekstu AI dla przedsiębiorstw, gdy firmy coraz częściej stają przed problemem, którego same modele bazowe nie są w stanie rozwiązać: zapewnienia agentom AI wystarczającej wiedzy organizacyjnej, aby niezawodnie pracować z złożonymi danymi biznesowymi.

Runda była prowadzona przez N47, przy udziale dotychczasowego inwestora 10D oraz grupy założycieli i dyrektorów technologicznych, wśród których znajdują się współzałożyciel Wiz Yinon Kostika, współzałożyciel i CEO Cyera Yotam Segev, współzałożyciel i CEO Eon Ofir Ehrlich, założyciel Tavily Rotem Weiss oraz były CEO i prezes Tableau Mark Nelson. Finansowanie podnosi łączną kwotę pozyskanych środków przez Euno do 29 milionów dolarów.

Założona w 2023 roku przez Sarah Levy i Eyal Firstenberg, Euno planuje wykorzystać nowy kapitał głównie na rozwój sprzedaży i marketingu, jednocześnie zwiększając inwestycje w badania AI. Firma, działająca w USA i Izraelu oraz zatrudniająca blisko 30 osób, spodziewa się mniej więcej podwoić liczbę pracowników do końca roku.

Wąskie gardło AI w przedsiębiorstwach przesuwa się w kierunku kontekstu

Dynamiczny postęp dużych modeli językowych sprawia, że coraz łatwiej jest wdrażać agentów AI zdolnych do zapytań baz danych, generowania analiz, pisania kodu oraz automatyzacji procesów biznesowych. Jednak podłączenie agenta do systemów przedsiębiorstwa wprowadza kolejny problem: określenie, które informacje są autorytatywne.

Duża organizacja może posiadać tysiące tabel, pulpitów nawigacyjnych, wskaźników, modeli danych oraz konkurujących definicji tego samego pojęcia biznesowego. Agent AI poproszony o obliczenie przychodu, na przykład, potrzebuje więcej niż dostęp do bazy danych. Musi wiedzieć, który wskaźnik przychodu jest zatwierdzony, które tabele są aktualne, jak wskaźnik jest obliczany, skąd pochodzą jego dane wejściowe oraz czy użytkownik żądający ma uprawnienia do dostępu do leżących u podstaw informacji.

Euno stara się przekształcić tę wiedzę instytucjonalną w infrastrukturę czytelną dla maszyn.

Jej platforma nieustannie buduje żywy graf kontekstu, obejmujący informacje takie jak pochodzenie danych, ich użycie, własność, logika biznesowa, sygnały zdrowotne oraz status zarządzania. Zamiast prezentować agentowi wszystkie dostępne zasoby, system może dostarczyć kontekst istotny dla konkretnego użytkownika, zadania i podejmowanej decyzji.

Rozróżnienie to może stać się coraz ważniejsze, gdy firmy przechodzą od systemów AI odpowiadających na pytania do autonomicznych agentów zdolnych do podejmowania działań w wielu systemach przedsiębiorstwa.

„Modele stają się coraz lepsze i tańsze, ale długoterminowa przewaga AI dla przedsiębiorstw będzie coraz bardziej wynikać z zgromadzonego zapisu tego, jak wykonywana jest praca,” powiedziała współzałożycielka i CEO Euno Sarah Levy.

Przekształcanie metadanych w infrastrukturę dla agentów AI

Euno opiera swoją technologię na metadanych, czyli informacjach opisujących, skąd pochodzą dane, jak są przetwarzane, kto ich używa oraz jak różne zasoby są ze sobą powiązane.

Platforma mapuje pochodzenie na poziomie kolumn w magazynach danych, systemach analitycznych, pulpitach i wskaźnikach, a następnie łączy te informacje ze sygnałami użycia i zarządzania. Jej zautomatyzowany system etykietowania może dynamicznie klasyfikować zasoby jako właściwości takie jak „gotowe do AI”, „bez danych osobowych”, „zdrowe” lub „certyfikowane”, w oparciu o zasady ustalone przez organizację. Te klasyfikacje aktualizują się wraz ze zmianami w otoczeniu danych.

Euno oferuje także przepływy pracy, które reagują na zmiany tych warunków. Organizacje mogą na przykład identyfikować niecertyfikowane pulpity, które nagle stają się intensywnie wykorzystywane, śledzić rozprzestrzenianie się danych osobowych (PII), oznaczać nieudokumentowane modele lub wyświetlać wskaźniki, które już nie spełniają wewnętrznych standardów jakości.

Firma stworzyła własny Euno Query Language (EQL) do nawigacji po relacjach w grafie. Euno twierdzi, że jej architektura oparta na grafie umożliwia agentom pobieranie powiązanych metadanych przy mniejszej liczbie zapytań, co potencjalnie zmniejsza ilość kontekstowych informacji, które muszą być przekazane modelowi.

Ważne jest, że platforma została zaprojektowana tak, aby współistnieć z istniejącą infrastrukturą danych przedsiębiorstwa, a nie ją zastępować. Euno obsługuje integracje obejmujące magazyny danych i platformy takie jak Snowflake i Databricks; narzędzia transformacji, w tym dbt; oraz platformy Business Intelligence, w tym Tableau, Looker, Power BI, ThoughtSpot, Sigma i Omni.

Wprowadzanie kontekstu bezpośrednio do systemów AI

Kolejnym elementem strategii Euno jest udostępnienie tego kontekstu organizacyjnego bezpośrednio zewnętrznym agentom AI.

Firma prowadzi serwer Model Context Protocol (MCP), za pośrednictwem którego narzędzia takie jak Claude, Cursor, Visual Studio Code Copilot oraz inne kompatybilne systemy mogą odpytywać kontekst przedsiębiorstwa Euno. Agenci mogą korzystać z tych narzędzi, aby znajdować zasoby, przeglądać pochodzenie danych, przeprowadzać analizę wpływu, przeszukiwać dokumentację lub generować i wykonywać zapytania EQL.

Euno udokumentowało także integracje z systemami, w tym Snowflake Intelligence, pokazując, jak jego warstwa kontekstu może efektywnie stać się pośrednikiem między ogólnego przeznaczenia modelami AI a podstawowym zasobem danych przedsiębiorstwa.

To pozycjonowanie odzwierciedla szerszy trend zachodzący w AI dla przedsiębiorstw. W miarę jak dostęp do wydajnych modeli staje się coraz bardziej upowszechniony, wyróżnik może przenieść się na informacje własnościowe otaczające te modele: procesy organizacyjne, uprawnienia, relacje, decyzje historyczne, definicje oraz informacje zwrotne z poprzedniej aktywności agentów.

Kontekst może stać się częścią przewagi AI w przedsiębiorstwie

Euno twierdzi, że zgromadzony kontekst może z czasem zyskiwać na wartości.

Kiedy agent wykonuje zadanie, system może przechwycić informacje o tym, jak kontekst został użyty, i przekazać te sygnały z powrotem do warstwy kontekstu przedsiębiorstwa. Teoretycznie tworzy to pętlę sprzężenia zwrotnego, w której organizacja stopniowo buduje bogatszą, czytelną dla maszyn reprezentację funkcjonowania swojego biznesu.

To także rozwiązuje jeden z kluczowych wyzwań stojących przed wdrożeniami AI agentowego: zarządzanie. Udostępnienie autonomicznemu agentowi dostępu do systemów przedsiębiorstwa bez zrozumienia, jakie informacje może pobrać i jak je interpretować, wprowadza ryzyko operacyjne i bezpieczeństwa. Podejście Euno łączy wyszukiwanie kontekstowe z zarządzaniem uwzględniającym role, tak aby agent otrzymywał informacje adekwatne do jego zadania i uprawnień, a nie nieograniczony dostęp do całego środowiska.

Firma twierdzi, że jej platforma odczytuje metadane przedsiębiorstwa, a nie same dane biznesowe, co stanowi architektoniczne rozróżnienie mające na celu ograniczenie narażenia danych przy jednoczesnym umożliwieniu systemowi mapowania relacji i dostarczania agentom kontekstu operacyjnego.

Euno już współpracuje z klientami korporacyjnymi, takimi jak AlphaSense i Zayo Group, a na swojej stronie internetowej dokumentuje także wdrożenia obejmujące firmy takie jak Bolt.

Dla szerszego przemysłu AI znaczenie rundy Series A Euno wykracza poza kolejny etap finansowania infrastruktury przedsiębiorstw. Modele bazowe szybko stają się bardziej wydajne i coraz bardziej wymienne w wielu obciążeniach. Jeśli ten trend będzie się utrzymywał, jednym z trudniejszych problemów będzie zapewnienie tym modelom wiarygodnego zrozumienia organizacji, w których działają.

To może sprawić, że infrastruktura kontekstu, a nie sam model bazowy, stanie się jedną z najważniejszych warstw w rozwijającym się stosie AI dla przedsiębiorstw.