Delphina tar in 7,5 miljoner dollar för att skala upp sin Context Factory för AI-analys

Delphina meddelade den 12 november 2026 att bolaget hade tagit in 7,5 miljoner dollar i ny finansiering, vilket innebär att den totala finansieringen uppgår till 15 miljoner dollar. Samtidigt lanserade bolaget Context Factory, ett system som använder AI-agenter för att bygga upp och underhålla den verksamhetskontext som ligger till grund för analyssvar.

Radical Ventures och Costanoa ledde finansieringsrundan tillsammans, med deltagande från Tenacity Capital och ängelinvesterare, däribland Fei-Fei Li, Nobelpristagaren Guido Imbens samt tidiga medarbetare på Anthropic och OpenAI. De angivna användningsområdena för kapitalet är att skala upp Context Factory och utöka Delphinas team för marknadsintroduktion och kundteknik.

Den nya produkten blev tillgänglig i samband med tillkännagivandet. Grundtanken är att korrekt AI-analys kräver kunskap om vilka tabeller som är tillförlitliga, hur mätvärden definieras och vad erfarna analytiker vet men inte har dokumenterat. Delphina säger att företag vanligtvis sammanställer den här kontexten för hand, vilket gör att den blir inaktuell när verksamheten förändras.

Agenter underhåller verksamhetskontexten

Context Factory överlåter underhållsarbetet till agenter. Delphina säger att de på några timmar kan sammanställa ett första underlag utifrån befintliga företagsdata och dokument, identifiera och åtgärda luckor när medarbetare ställer frågor samt skicka viktiga ändringar till ämnesexperter för godkännande. På så sätt ansvarar experterna för definitionerna, medan agenterna sköter sökandet och uppdateringarna.

Enligt Delphinas produktöversikt läser systemet dbt-projekt, kontrollpaneler, dokument och frågeloggar och fortsätter sedan att läsa dessa källor när de ändras. Godkända ändringar lagras i en versionshanterad kunskapsbas som kunden äger, och utvärderingstester kan utgå från tillförlitliga kontrollpaneler som medarbetarna redan har verifierat.

När en fråga blottlägger att en definition av ett mätvärde saknas visar ett illustrerat arbetsflöde hur agenten söker i dbt, Looker och Notion, identifierar ägaren till den relevanta datatabellen och ber om bekräftelse i Slack. Efter godkännandet publicerar den definitionen, genererar det ursprungliga svaret på nytt och sparar korrigeringen som ett regressionstest, så att den godkända logiken inte kan försämras i det tysta.

För företagsinstallationer använder anslutningarna enligt Delphina skrivskyddade autentiseringsuppgifter för varje användare, och varje kund får en separat dataplan. Python och DuckDB körs i en isolerad Firecracker-mikro-VM utan internetåtkomst, samtidigt som promptar, frågor och kunskapsreferenser loggas och kan exporteras. Dessa kontroller gör det möjligt att granska agenternas aktiviteter och begränsar samtidigt deras åtkomst till företagets system och externa destinationer.

Användning även utanför datateamen

Delphina uppger att verksamhetsteamen nu ställer 73 % av frågorna på plattformen och att vd:ar är aktiva användare hos mer än hälften av företagets kunder. På Substack använder mer än 70 % av de anställda produkten, däribland vd:n Chris Best. Bland övriga kunder finns LATAM Airlines, Upstart, Udemy och Coursera.

Best beskrev hur produkten påverkat beslutsfattandet på Substack: ”Nu får våra team korrekta svar på några sekunder i stället för att behöva vänta i veckor på sin tur. Det har förändrat hur vi fattar beslut.”

Vd:n och medgrundaren Jeremy Hermann byggde tidigare Uber:s maskininlärningsplattform Michelangelo och ledde arbetet med den. Han var också med och grundade Tecton, som Databricks förvärvade. Presidenten och medgrundaren Duncan Gilchrist ledde det globala arbetet med datavetenskap för prissättning på Uber. Gilchrist sade att drift-, försäljnings-, marknadsförings- och ekonomiteamen nu är Delphinas flitigaste användare.

Finansieringen ger Delphina resurser att vidareutveckla produkten och utöka teamen som säljer och ger stöd för den. Den avgörande frågan är om användningen bland verksamhetsanvändare och vd:ar kan öka utan att försvaga de expertgodkännanden, versionshanterade definitioner och regressionstester som löftet om tillförlitlig analys bygger på.