Euno привлекла $23M в раунде серии A для создания слоя контекста для корпоративных AI‑агентов

Euno привлекла $23 миллиона в раунде серии A для расширения своей платформы контекста корпоративного AI, поскольку компании всё чаще сталкиваются с проблемой, которую одних лишь улучшенных базовых моделей решить: предоставить AI‑агентам достаточные организационные знания для надёжной работы со сложными бизнес‑данными.

Раунд возглавила компания N47, при участии существующего инвестора 10D и группы технологических основателей и руководителей, включая сооснователя Wiz Йинона Костика, сооснователя и генерального директора Cyera Йотама Сегева, сооснователя и генерального директора Eon Офира Эрлиха, основателя Tavily Ротема Вайса и бывшего генерального директора и президента Tableau Марка Нельсона. Финансирование доводит общий объём инвестиций Euno до $29 миллионов.

Основанная в 2023 году Сарой Леви и Эялом Фирстенберг, Euno планирует использовать новый капитал в первую очередь для расширения продаж и маркетинга, а также для увеличения инвестиций в исследования AI. Компания, работающая в США и Израиле и насчитывающая почти 30 сотрудников, планирует к концу года примерно удвоить штат.

Бутылочное горлышко корпоративного AI смещается в сторону контекста

Быстрое совершенствование больших языковых моделей делает всё более реальной возможность развертывания AI‑агентов, способных выполнять запросы к базам данных, генерировать аналитические отчёты, писать код и автоматизировать бизнес‑процессы. Но подключение агента к корпоративным системам вносит новую проблему: определение того, какая информация является авторитетной.

В крупной организации может существовать тысячи таблиц, панелей, метрик, моделей данных и конкурирующих определений одного и того же бизнес‑понятия. AI‑агенту, которому поручено рассчитать доход, например, нужен не просто доступ к базе данных. Он должен знать, какая метрика дохода утверждена, какие таблицы актуальны, как считается метрика, откуда берутся её входные данные и имеет ли запрашивающий пользователь право доступа к базовой информации.

Euno пытается превратить эти институциональные знания в машинно‑читаемую инфраструктуру.

Платформа постоянно строит живой граф контекста, включающий такие сведения, как происхождение данных, их использование, владение, бизнес‑логика, сигналы о здоровье и статус управления. Вместо того чтобы предлагать агенту каждый доступный ресурс, система может предоставить контекст, релевантный конкретному пользователю, задаче и принимаемому решению.

Это различие может стать всё более важным, по мере того как компании переходят от AI‑систем, отвечающих на вопросы, к автономным агентам, способным выполнять действия в нескольких корпоративных системах.

«Модели становятся всё лучше и дешевле, но долгосрочный конкурентный барьер для предприятий будет всё больше исходить от накопленного реестра того, как выполняется работа», — сказала сооснователь и генеральный директор Euno Sarah Levy.

Преобразование метаданных в инфраструктуру для AI‑агентов

Технология Euno опирается на метаданные — информацию, описывающую, откуда берутся данные, как они преобразуются, кто их использует и как различные ресурсы взаимосвязаны.

Платформа картирует линейность на уровне столбцов между хранилищами, аналитическими системами, панелями и метриками, а затем объединяет эту информацию с сигналами использования и управления. Автоматическая система маркировки может динамически классифицировать ресурсы как «AI-ready», «PII-free», «healthy» или «certified» в соответствии с правилами, установленными организацией. Эти классификации обновляются по мере изменения базовой среды данных.

Euno также предоставляет рабочие процессы, которые реагируют на изменение этих условий. Организации могут, например, выявлять неквалифицированные панели, которые внезапно становятся часто используемыми, отслеживать распространение персональных данных (PII), помечать недокументированные модели или выявлять метрики, которые больше не соответствуют внутренним стандартам качества.

Компания создала собственный Euno Query Language (EQL) для навигации по связям внутри графа. По словам Euno, графовая архитектура позволяет агентам получать взаимосвязанные метаданные с помощью меньшего количества запросов, потенциально снижая объём контекстной информации, которую необходимо передавать модели.

Важно, что платформа спроектирована для работы рядом с существующей корпоративной инфраструктурой данных, а не для её замены. Euno поддерживает интеграции с хранилищами и платформами, такими как Snowflake и Databricks; инструментами трансформации, включая dbt; а также платформами бизнес‑аналитики, включая Tableau, Looker, Power BI, ThoughtSpot, Sigma и Omni.

Внедрение контекста непосредственно в AI‑системы

Другой элемент стратегии Euno — сделать этот организационный контекст напрямую доступным сторонним AI‑агентам.

Компания эксплуатирует сервер Model Context Protocol (MCP), через который такие инструменты, как Claude, Cursor, Visual Studio Code Copilot и другие совместимые системы, могут запрашивать корпоративный контекст Euno. Агенты могут использовать эти инструменты для поиска ресурсов, проверки исходной линейности, проведения анализа воздействия, поиска документации или генерации и выполнения запросов EQL.

Euno также задокументировала интеграции с системами, включая Snowflake Intelligence, демонстрируя, как её слой контекста может эффективно стать посредником между универсальными AI‑моделями и корпоративным набором данных.

Это позиционирование отражает более широкое смещение в корпоративном AI. По мере того как доступ к мощным моделям становится всё более товарным, дифференциация может сместиться в сторону проприетарной информации, окружающей эти модели: организационных процессов, прав доступа, связей, исторических решений, определений и обратной связи от предыдущей активности агентов.

Контекст может стать частью корпоративного AI‑барьера

Euno утверждает, что накопленный контекст со временем может стать более ценным.

Когда агент выполняет задачу, система может фиксировать, как использовался контекст, и передавать эти сигналы обратно в слой корпоративного контекста. Теоретически это создаёт обратную связь, при которой организация постепенно строит более богатое машинно‑читаемое представление того, как работает её бизнес.

Это также решает одну из ключевых проблем внедрения агентного AI: управление. Предоставление автономному агенту доступа к корпоративным системам без понимания, какую информацию он может извлекать и как её интерпретировать, создаёт операционные и безопасностные риски. Подход Euno сочетает контекстный поиск с управлением, учитывающим роли, так что агент получает информацию, соответствующую его задаче и правам доступа, а не неограниченный доступ ко всей среде.

Компания заявляет, что её платформа читает корпоративные метаданные, а не сами бизнес‑данные, что является архитектурным различием, направленным на снижение риска раскрытия данных при сохранении возможности сопоставлять связи и предоставлять агентам операционный контекст.

Euno уже работает с корпоративными клиентами, включая AlphaSense и Zayo Group, а её веб‑сайт также описывает внедрения в компаниях, таких как Bolt.

Для более широкой AI‑индустрии значение Series A Euno выходит за рамки очередного раунда финансирования корпоративной инфраструктуры. Базовые модели быстро становятся более способными и всё более взаимозаменяемыми для множества рабочих нагрузок. Если эта тенденция сохранится, одной из самых сложных задач будет обеспечить этим моделям надёжное понимание организаций, в которых они работают.

Это может сделать инфраструктуру контекста, а не саму базовую модель, одним из наиболее значимых слоёв формирующегося стека корпоративного AI.