Vectorize samlar in 3,6 miljoner dollar för att revolutionera AI-driven dataåtervinning med banbrytande RAG-plattform

Vectorize, ett banbrytande företag inom AI-driven data, har säkrat 3,6 miljoner dollar i startfinansiering ledd av True Ventures. Denna finansiering markerar en betydande milstolpe för företaget, eftersom det lanserar sin innovativa Retrieval Augmented Generation (RAG)-plattform. Utformad för att optimera hur företag åtkommer och använder sin egna data i AI-applikationer, är Vectorize redo att revolutionera AI-driven dataåtervinning och omvandla branscher som förlitar sig på stora språkmodeller (LLM).

Att tackla en avgörande utmaning inom AI

Medan generativa AI-modeller som GPT-4, Bard och Claude fortsätter att utvecklas, blir deras tillämpningar alltmer integrerade i moderna affärsverksamheter. Från kundtjänst till försäljningsautomatisering förbättrar dessa AI-modeller produktiviteten och möjliggör nya funktioner. Men effektiviteten hos dessa modeller begränsas ofta av deras oförmåga att komma åt uppdaterad, domänspecifik information – viktig data som inte är en del av modellens ursprungliga utbildningsuppsättning. Utan realtidsåtkomst till relevant data kan LLM endast ge generiska svar baserade på föråldrad kunskap.

Här kommer Vectorize in. Företagets RAG-plattform ansluter AI-modeller till levande, ostrukturerade datakällor som interna kunskapsbaser, samarbetsverktyg, CRM-system och filsystem. Genom att göra denna data tillgänglig för AI-drivna uppgifter säkerställer Vectorize att företag kan generera mer precisa, kontextuellt relevanta svar från sina AI-system. Företaget syftar till att demokratisera tillgången till denna avancerade teknologi, vilket gör det möjligt för utvecklare och företag att bygga AI-applikationer som är produktionsklara och optimerade för prestanda.

Vad som särskiljer Vectorize: snabba, precisa, produktionsklara RAG-pipelines

Vectorizes plattform tacklar en av de största hindren för AI-driven dataåtervinning: svårigheten att hantera och vektorisera ostrukturerad data. Medan traditionella AI-verktyg fokuserar på strukturerad data erbjuder Vectorize en unik lösning för att utnyttja kraften hos ostrukturerad data, som utgör den största delen av informationen som finns tillgänglig i de flesta organisationer.

I kärnan av Vectorize-plattformen ligger dess produktionsklara RAG-pipeline, som möjliggör för företag att omvandla sin ostrukturerade data till optimerade vektorsökningsindex. Denna funktion möjliggör en sömlös integration av relevant data i stora språkmodeller, vilket ger AI den kontext den behöver för att producera precisa resultat. Till skillnad från andra plattformar som kräver omfattande konfiguration eller manuell inblandning erbjuder Vectorize en intuitiv tre-stegsprocess:

1. Importera: Användare kan enkelt ladda upp dokument eller ansluta externa kunskapsledningssystem. När de är anslutna extraherar Vectorize naturligt språkinnehåll som kan användas av LLM.
2. Utvardera: Vectorize utvärderar flera chunknings- och inbäddningsstrategier parallellt, kvantifierar resultaten av var och en för att hitta den optimala konfigurationen. Företag kan antingen använda Vectorizes rekommendation eller välja sin egen strategi.
3. Distribuera: Efter att ha valt den optimala vektor-konfigurationen kan användare distribuera en realtidsvektor-pipeline som automatiskt uppdateras för att säkerställa kontinuerlig precision. Denna realtidsfunktion är avgörande för att hålla AI-svar aktuella när affärsdata utvecklas.

Genom att automatisera dessa steg accelererar Vectorize processen för att förbereda data för AI-applikationer, vilket minskar utvecklingstiden från veckor eller månader till bara timmar.

Att möjliggöra AI över branscher

Vectorizes förmågor sträcker sig bortom att bygga AI-pipelines. Plattformens flexibilitet gör den lämplig för en mängd olika branscher och tillämpningar. Från försäljningsautomatisering och innehållsskapande till AI-driven kundsupport hjälper RAG-plattformen företag att frigöra den fulla potentialen av sina AI-investeringar.

Till exempel implementerade Groq, ett ledande AI-hårdvaruföretag, Vectorizes RAG-plattform för att skala sin kundsupport under en period av snabb tillväxt. Enligt Eric McAllister, senior direktör för kundsupport på Groq, har den realtidsdatahantering som möjliggjorts av Vectorize varit avgörande för att hjälpa företaget hantera en betydligt högre volym av kundförfrågningar utan att offra svarstider eller precision.

“Plattformens realtidsbearbetning gör att vår AI-agent kan lära sig direkt från varje uppdatering vi gör och från varje kundinteraktion”, sa McAllister. “Detta innebär att vi kan hantera en betydligt högre volym av förfrågningar med svar som är mer precisa och aktuella, samtidigt som vi dramatiskt minskar svarstiderna.”

Vectorizes unika funktioner och tillvägagångssätt

Vad som gör Vectorize unikt i den trånga AI-rymden är dess självbetjäningsmodell och betalningsmodell per användning, som gör avancerad AI-teknologi tillgänglig för företag av alla storlekar. Till skillnad från många konkurrenter som kräver företagsåtaganden eller långa onboarding-processer är Vectorize redo att användas omedelbart. Utvecklare och företag kan registrera sig och börja bygga AI-pipelines utan att behöva en försäljningskonsultation eller väntetid.

Dessutom erbjuder Vectorize möjligheten att importera data från var som helst inom en organisation, vilket möjliggör för företag att integrera olika datakällor, inklusive CRM-system, filsystem, kunskapsbaser och samarbetsverktyg. När data är importerad erbjuder Vectorize användarna smarta dataförberedningsalternativ för att testa och optimera olika tillvägagångssätt innan de slutgiltigt fastställer sina pipelines.

Denna flexibilitet sträcker sig till hur data hanteras efter distribution. Användare kan välja hur ofta de vill uppdatera sina sökindex baserat på de unika behoven i sina projekt, oavsett om de kräver oregelbundna uppdateringar eller realtids-synkronisering. Plattformen innehåller även avancerade strategier för att förhindra potentiella överbelastningar, vilket säkerställer att systemet kan hantera data effektivt utan att riskera prestandaförsämring.

Demokratisering av generativ AI

Vectorizes uppdrag är att göra generativ AI-utveckling tillgänglig för alla, från små utvecklare till stora företag. Plattformens generösa gratisnivå stöder mindre projekt och de som bara börjar utforska AI, medan betalningsmodellen per användning säkerställer att kunderna bara betalar för vad de använder, vilket gör det till en kostnadseffektiv lösning för företag av alla storlekar.

Nicholas Ward, president på Koddi och en ängelinvesterare i Vectorize, betonade plattformens potential att bli en hörnstensteknologi för företag som använder AI inom en mängd olika branscher. “Jag har arbetat med Vectorizes grundare tidigare och har sett deras förmåga att tackla komplexa datautmaningar. RAG-plattformen kommer att bli en hörnstensteknologi för företag som använder AI, från adtech till fintech och bortom.”

Att omvandla AI med RAG-pipelines

I hjärtat av Vectorizes plattform ligger dess RAG-pipeline-arkitektur, som förenklar processen att omvandla ostrukturerad data till en vektorsökningsindex som kan användas i realtid av AI-modeller. Denna process är avgörande för att säkerställa att AI-applikationer har tillgång till den mest precisa och uppdaterade datan. En RAG-pipeline omfattar vanligtvis följande steg:

• Inmatning: Data importeras från en mängd olika källor, antingen det är dokument lagrade i Google Drive, kundserviceförfrågningar eller annan ostrukturerad information.
• Chunkning och inbäddning: Den extraherade datan bryts ned i chunkar och sedan inbäddas med hjälp av kraftfulla modeller som OpenAI:s text-embedding-ada-002. Dessa vektorer lagras i en vektordatabas, som utgör grunden för en RAG-pipeline.
• Persistens och uppdatering: När datan är i vektordatabasen måste den hållas synkroniserad med den ursprungliga källan för att säkerställa att AI-modellerna alltid arbetar med den senaste informationen. Vectorizes RAG-plattform automatiserar denna process, vilket möjliggör för användare att uppdatera sina vektorindex i realtid eller enligt schema.

Denna arkitektur möjliggör för stora språkmodeller att hämta den nödvändiga kontexten och leverera mer precisa svar, vilket minskar riskerna för AI-hallucinationer eller felaktiga svar.

Att driva nästa generation av AI

Utöver enskilda företag samarbetar Vectorize med stora aktörer i AI-ekosystemet, inklusive Elastic, sökföretaget. Samarbetet utvidgar användningen av Elastics vektorsökningsfunktioner genom Vectorizes RAG-plattform, vilket möjliggör för utvecklare att bygga nästa generations AI-drivna sökupplevelser.

“Elastic är engagerat i att göra det enklare för utvecklare att bygga nästa generations sökupplevelser,” sa Shay Banon, grundare och CTO på Elastic. “Att arbeta med Vectorize möjliggör för oss att ta med vår Elasticsearch-vektordatabas och hybrid-sökkapacitet till fler användare genom Vectorizes RAG-plattform.”

Att se framåt: En ljus framtid för AI och Vectorize

Medan företag fortsätter att integrera AI i sina verksamheter kommer efterfrågan på verktyg som Vectorize att öka. Med sin unika kombination av banbrytande teknik, flexibilitet och prisvärdhet sätter Vectorize en ny standard för hur företag bygger AI-drivna applikationer.

Vectorizes vision är tydlig: att möjliggöra för företag av alla storlekar att utnyttja den fulla potentialen av sin data och omvandla den till agerbar intelligens genom AI. Genom att ta bort komplexiteten i dataförberedelse och pipeline-hantering accelererar företaget AI-utvecklingen och gör det enklare för företag att uppnå resultat.