Prevalent AI strânge $22M pentru a extinde contextul de încredere în întreprinderi pentru sistemele AI

Prevalent AI a strâns $22 milioane în capital de creștere de la Integrity Growth Partners (IGP), marcând prima investiție externă principală în istoria de nouă ani a companiei cu sediul în Londra. Finanțarea vine în momentul în care întreprinderile se confruntă cu o problemă în creștere, alături de adoptarea rapidă a inteligenței artificiale: sistemele AI pot deveni mai capabile, dar deciziile lor sunt la fel de fiabile pe cât sunt de fiabile datele și contextul organizațional disponibile pentru ele.

Fondată în 2017, Prevalent AI a rămas autofinanțată și, potrivit companiei, profitabilă de la primul său client. Compania afirmă că veniturile recurente anuale s-au dublat peste anul trecut. Capitalul nou va fi direcționat spre extinderea organizației sale comerciale globale, accelerarea prezenței în Statele Unite, consolidarea echipei de conducere și extinderea tehnologiei inițial dezvoltate pentru securitatea cibernetică către riscuri enterprise mai largi și aplicații AI.

Primul capital extern după nouă ani

Finanțarea este notabilă în parte pentru că Prevalent AI a urmat o cale relativ neobișnuită prin piața securității cibernetice. În loc să se bazeze pe runde repetate de capital de risc pentru a finanța creșterea, compania a petrecut aproape un deceniu construind pe baza veniturilor generate de clienți mari din sectorul enterprise înainte de a atrage capital instituțional principal.

Prevalent AI a fost cofondată de CEO Paul Stokes și COO Arun Raj, având rădăcini în comunitatea de informații a Regatului Unit. Compania spune că echipa fondatoare include alumni ai Government Communications Headquarters (GCHQ), o experiență care a modelat orientarea sa spre conectarea informațiilor fragmentate în medii în care datele incomplete sau inexacte pot avea consecințe operaționale semnificative.

ISTARI, susținută de compania de investiții din Singapore Temasek, a devenit acționar minoritar în 2021 printr-o tranzacție secundară, dar noua investiție IGP reprezintă primul capital principal injectat direct în companie.

Transformarea datelor fragmentate ale întreprinderii în context

Problema centrală pe care Prevalent AI încearcă să o rezolve nu este lipsa de date enterprise, ci faptul că datele necesare pentru a lua o decizie există adesea în zeci sau chiar sute de sisteme care descriu aceeași organizație în mod diferit.

O echipă de securitate, de exemplu, poate depinde de scanere de vulnerabilități, platforme de endpoint, sisteme de identitate, infrastructură cloud, baze de date de management al configurației, software de ticketing și instrumente operaționale. Fiecare sistem conține o parte din imagine, cu înregistrări duplicate, identificatori conflictuali și relații incomplete între active.

Prevalent AI’s Security Data Fabric este conceput pentru a prelua informații din aceste sisteme diferite, a le normaliza, a rezolva inconsecvențele și a cartografia relațiile dintre active, identități, vulnerabilități, aplicații, controale și alte informații operaționale. Datele rezultate sunt menținute ca un grafic de cunoaștere actualizat continuu, în loc de o altă bază de date de securitate izolată.

Această distincție devine din ce în ce mai importantă când agenții AI intră în ecuație. Oamenii pot recunoaște uneori că două înregistrări ușor diferite se referă la același server, angajat sau aplicație. Un agent automatizat care ia decizii la viteza mașinii are nevoie ca aceste relații să fie stabilite în prealabil, cu multă fiabilitate.

Cum funcționează tehnologia Prevalent AI

La nivelul de integrare, Prevalent AI folosește DataBridge pentru a conecta sistemele cloud, Software-as-a-Service (SaaS), on‑premises și operaționale. Platforma aplică apoi rezoluția de entități pentru a reconcilia înregistrările și a construi o reprezentare unificată a mediului enterprise.

Graficul de cunoaștere adaugă un alt strat prin conectarea acestor entități prin relațiile lor. În loc să trateze o vulnerabilitate ca pe o constatare izolată, sistemul poate să o asocieze cu activul afectat, importanța de business a activului, proprietarul său, identitățile asociate, controalele de securitate existente și informațiile relevante despre amenințări.

Instrumentele de gestionare a expunerii ale Prevalent utilizează acest context pentru a identifica unde este concentrat riscul și pentru a prioritiza remedierea. Platforma companiei poate, de asemenea, să coreleze constatări între diferite instrumente pentru a reduce înregistrările duplicate de vulnerabilități și să monitorizeze continuu modificările aduse activelor, identităților și infrastructurii.

AI generativ este adăugat deasupra acestei fundații structurate, în loc să i se ceară să interpreteze independent date brute ale întreprinderii. Instrumentul Navigator al Prevalent, de exemplu, permite utilizatorilor să interogheze informațiile deținute în graficul de cunoaștere printr-o interfață AI generativă.

Compania oferă, de asemenea, DataForge, care generează seturi de date sintetice sincronizate pentru dezvoltarea AI, testarea modelelor și asigurarea calității, fără a necesita expunerea datelor de producție sensibile în timpul experimentării.

Depășirea securității cibernetice

Securitatea cibernetică a fost un punct de plecare natural deoarece informațiile incomplete pot afecta imediat deciziile legate de vulnerabilități, identități, incidente și controale. Dar Prevalent AI vede din ce în ce mai mult tehnologia sa de bază ca pe o infrastructură enterprise, nu ca pe un produs specific de securitate.

Compania spune că clienții au extins deja aceeași fundație de date în domenii precum analiza fraudei financiare, inteligența operațională, conformitatea, automatizarea și fluxurile de lucru conduse de AI, fără a reconstrui arhitectura de bază.

Această oportunitate mai largă este unul dintre principalele motive din spatele noii finanțări.

Pentru agenții AI în special, provocarea se mută din ce în ce mai mult de la întrebarea dacă un model este suficient de inteligent pentru a îndeplini o sarcină, spre întrebarea dacă are acces la informații precise despre organizația în care operează. Un agent poate fi capabil să identifice o vulnerabilitate de securitate, să investigheze un cont sau să declanșeze un flux de lucru automat, dar utilitatea sa scade rapid dacă nu poate determina în mod fiabil ce sisteme există, cum sunt conectate, cine le deține sau ce politici guvernează acțiunile sale.

Prevalent AI pariază că contextul enterprise va deveni un strat important al stack‑ului AI, în special pentru organizațiile în care agenții sunt așteptați să ia acțiuni, nu doar să genereze răspunsuri.

De ce AI în întreprindere ridică miza

Momentul finanțării reflectă o schimbare mai largă în AI enterprise. Organizațiile încep să treacă de la copiloți autonomi la agenți capabili să interacționeze cu infrastructura, aplicațiile și procesele de business.

Această tranziție mărește consecințele datelor de bază incorecte.

Prevalent AI susține că arhitectura sa suverană este deosebit de relevantă în aceste medii. Platforma este proiectată să funcționeze în cadrul infrastructurii controlate de client, menținând datele enterprise sub controlul organizației, în loc să impună graficului operațional să depindă de infrastructură partajată sau de un furnizor de modele specific.

Pentru sectoarele puternic reglementate, acest aspect ar putea deveni o considerare importantă pe măsură ce companiile experimentează cu acordarea sistemelor AI a unui acces mai larg la informații interne sensibile și a unei autorități sporite de a lua decizii.

De ce contextul de încredere ar putea deveni esențial pentru AI în întreprindere

Pe măsură ce sistemele AI trec de la generarea de recomandări la luarea de acțiuni în interiorul afacerilor, calitatea datelor care înconjoară aceste sisteme va deveni din ce în ce mai importantă. Un agent însărcinat cu investigarea unui incident de securitate, aprobarea unui flux de lucru sau răspunsul la o problemă operațională are nevoie de mai mult decât acces la baze de date individuale. Are nevoie de o imagine exactă a modului în care activele, identitățile, aplicațiile, politicile și procesele de business se raportează unele la altele.

Aceasta creează o provocare în creștere pentru infrastructura enterprise. Multe organizații au acumulat ani de platforme software deconectate, înregistrări duplicate și convenții de denumire inconsistente. Modelele de limbaj mari pot face aceste informații mai ușor de interogat, dar nu rezolvă automat contradicțiile sau nu determină ce sursă trebuie să fie de încredere. Fără un strat de context fiabil, AI mai autonom ar putea permite problemelor existente de date să influențeze deciziile cu o viteză și scară mai mari.

Graficele de cunoaștere și țesăturile de date ar putea astfel deveni o parte importantă a arhitecturii emergente AI enterprise. În loc să înlocuiască bazele de date sau modelele AI, aceste sisteme pot sta între ele, reconciliind continuu informațiile și menținând relațiile pe care agenții le pot folosi când decid ce acțiuni să întreprindă.

Implicațiile se extind, de asemenea, mult dincolo de securitatea cibernetică. Probleme similare există în detectarea fraudei, conformitatea reglementară, managementul lanțului de aprovizionare, operațiunile IT și alte domenii în care deciziile depind de informații distribuite în multiple sisteme. Pe măsură ce companiile implementează agenți în aceste funcții, menținerea unei reprezentări coerente a organizației poate deveni din ce în ce mai necesară.

Aceasta ar putea schimba și modul în care cum evaluează întreprinderile infrastructura AI. Performanța modelului va rămâne importantă, dar organizațiile ar putea acorda o importanță sporită provenancei, actualității și relațiilor datelor care alimentează acele modele. În acel mediu, avantajul competitiv s-ar putea să nu provină exclusiv din deținerea unui model AI mai capabil, ci din oferirea acelui model unui înțeles mai exact al întreprinderii în care operează.