InsightFinder ระดมทุน Series B 15 ล้านดอลลาร์ นำโดย Yu Galaxy เพื่อเพิ่มความน่าเชื่อถือของ AI ในการใช้งานจริง

InsightFinder ได้เพิ่มทุน 15 ล้านเหรียญใน Series B นำโดย Yu Galaxy ทำให้ทุนรวมของบริษัทเป็น 35 ล้านเหรียญ การเพิ่มทุนครั้งนี้เกิดขึ้นเมื่อบริษัทรายงานว่าการเติบโตในกลุ่มลูกค้าองค์กรกำลังเร่งตัว รวมถึงข้อตกลงมูลค่าระดับล้านดอลลาร์กับองค์กรใน Fortune 50 และสะท้อนถึงความต้องการที่เพิ่มขึ้นสำหรับโครงสร้างพื้นฐานที่สามารถทำให้ระบบ AI น่าเชื่อถือหลังจากนำไปใช้ในสภาพแวดล้อมจริง

การเปลี่ยนจากประสิทธิภาพของ AI สู่ความน่าเชื่อถือของ AI

เมื่อองค์กรนำระบบ AI ออกจากสภาพแวดล้อมที่ควบคุมและเข้าสู่การผลิต รูปแบบที่สม่ำเสมอก็เกิดขึ้น ระบบที่ทำงานได้ดีในการทดสอบมักจะล้มเหลวในสภาพแวดล้อมจริง ปัญหานี้ไม่ใช่ความสามารถของโมเดล แต่เป็นบริบท ระบบ AI ส่วนใหญ่ขาดความเข้าใจที่ลึกซึ้งเกี่ยวกับสภาพแวดล้อมทางธุรกิจที่เฉพาะเจาะจงซึ่งพวกมันทำงานอยู่

InsightFinder มุ่งเน้นไปที่การปิดช่องว่างนี้ แพลตฟอร์มของบริษัทถูกสร้างขึ้นโดยมีแนวคิดที่ว่าความน่าเชื่อถือของ AI ไม่ใช่แค่การตรวจสอบเมตริก เช่น ความล่าช้าหรืออัตราความผิดพลาด แต่ยังรวมถึงการทำความเข้าใจว่าสิ่งใดคือ “ปกติ” ในกระบวนการทำงานของธุรกิจที่เฉพาะเจาะจง ซึ่งรวมถึงทุกอย่างตั้งแต่ระบบการชำระเงินและกระบวนการโลจิสติกส์ไปจนถึงการดำเนินงานด้านการสนับสนุนลูกค้า

การขยาย Observability เข้าสู่ระบบ AI

ในตอนแรกถูกสร้างขึ้นเพื่อรับมือกับการดำเนินงาน IT ที่ซับซ้อน เทคโนโลยีหลักของ InsightFinder มีศูนย์กลางอยู่ที่การตรวจจับอาการผิดปกติ การระบุเหตุผลรากฐาน และการคาดการณ์ความล้มเหลวทั่วระบบที่กระจายอยู่ แนวทางพื้นฐานเดียวกันกำลังถูกนำไปใช้กับระบบ AI โดยเฉพาะอย่างยิ่งระบบที่เกี่ยวข้องกับโมเดลภาษาขนาดใหญ่และกระบวนการทำงานของตัวแทน

ไม่เหมือนกับเครื่องมือ Observability แบบดั้งเดิมที่มุ่งเน้นไปที่โครงสร้างพื้นฐาน InsightFinder วิเคราะห์ข้อมูลหลายแหล่งและหลายรูปแบบเพื่อวินิจฉัยว่าทำไมระบบ AI จึงมีพฤติกรรมที่ไม่คาดคิด ซึ่งรวมถึงการระบุการเปลี่ยนแปลงของโมเดล การติดตามความล้มเหลวทั่วกระบวนการทำงานของตัวแทน และการแสดงปัญหาที่ไม่กระตุ้นการแจ้งเตือนอย่างชัดเจน

การสร้างวงจรปิดสำหรับระบบ AI

หัวข้อหลักของแนวทางของ InsightFinder คือความจำเป็นในการเชื่อมสิ่งที่เกิดขึ้นในการผลิตกลับไปยังการพัฒนาระบบ ระบบ AI หลายระบบมุ่งเน้นไปที่การประเมินระหว่างการทดสอบหรือการตรวจสอบในการผลิต แต่ไม่มากนักที่เชื่อมต่อทั้งสองอย่างในวงจรที่ต่อเนื่องกัน

แพลตฟอร์มของ InsightFinder นำเสนอความสามารถที่ออกแบบมาเพื่อปิดวงจรนี้:

• เครื่องมือเปรียบเทียบคำสั่งซึ่งประเมินประสิทธิภาพข้ามชุดข้อมูล โมเดล และเมตริกต้นทุน
• โมเดลภาษาขนาดเล็กเฉพาะโดเมน (SLMs) ที่ใช้เป็นตัวประเมินซึ่งเข้าใจมาตรฐานคุณภาพเฉพาะของธุรกิจ
• กระบวนการปรับแต่งโมเดลอย่างละเอียดแบบอัตโนมัติซึ่งใช้ความล้มเหลวในการผลิตเพื่อปรับปรุงประสิทธิภาพของโมเดล
• การติดตามตัวแทนหลายตัวซึ่งสร้างเส้นทางการทำงานย้อนกลับขึ้นใหม่ตลอดกระบวนการที่ซับซ้อน

ทั้งหมดนี้มีเป้าหมายในการเปลี่ยนข้อมูลการผลิตให้เป็นข้อมูลเชิงลึกที่สามารถดำเนินการได้ซึ่งจะปรับปรุงระบบ AI อย่างต่อเนื่อง

ทำไม AI ทั่วไปจึงไม่เพียงพอในสถานการณ์องค์กร

หนึ่งในความท้าทายหลักที่ InsightFinder ตอบสนองคือความไม่ตรงกันระหว่างโมเดล AI ทั่วไปและความต้องการเฉพาะโดเมน โมเดลพื้นฐานถูกฝึกอบรมด้วยชุดข้อมูลที่กว้างขวางและโดดเด่นในการจดจำรูปแบบ แต่พวกมันขาดความเข้าใจในความแตกต่างเฉพาะของอุตสาหกรรม

สิ่งนี้สร้างชั้นความเสี่ยงที่มักถูกมองข้าม ในภาคส่วนเช่นการดูแลสุขภาพ การเงิน และการขนส่ง การเบี่ยงเบนเล็กๆ น้อยๆ สามารถมีผลกระทบในวงกว้างได้ แนวทางของ InsightFinder คือการฝังความตระหนักถึงโดเมนอย่างชัดเจนเข้าไปในกระบวนการประเมินและการตรวจสอบ ทำให้ระบบสามารถถูกตัดสินตามมาตรฐานที่เฉพาะเจาะจงทางธุรกิจมากกว่ามาตรฐานทั่วไป

รูปแบบการบริการที่สร้างรอบการนำไปใช้ ไม่ใช่แค่ซอฟต์แวร์

อีกด้านหนึ่งของ InsightFinder ที่แตกต่างคือการนำเสนอแพลตฟอร์มแทนรูปแบบซอฟต์แวร์เป็นบริการ (SaaS) แบบดั้งเดิม โดยที่ลูกค้าถูกปล่อยให้ตั้งค่าเครื่องมืออิสระๆ โดยตัวเอง บริษัททำงานอย่างใกล้ชิดกับองค์กรเพื่อปรับระบบให้เหมาะสมกับสภาพแวดล้อมของพวกเขา

สิ่งนี้รวมถึงการปรับแพลตฟอร์มให้เข้ากับกระบวนการทำงานภายใน การกำหนดเกณฑ์การประเมิน และการรวมตรรกะเฉพาะโดเมน เป้าหมายคือเพื่อให้แน่ใจว่าข้อมูลเชิงลึกที่เกิดจากระบบสามารถดำเนินการได้ภายในบริบทการดำเนินงานของแต่ละองค์กร

ทุนใหม่จะถูกใช้บางส่วนเพื่อขยายความสามารถในการให้บริการลูกค้า โดยเฉพาะอย่างยิ่งในการขายและความสำเร็จของลูกค้าระดับองค์กร

ภาพใหญ่: AI เป็นโครงสร้างพื้นฐานที่สำคัญ

การเพิ่มทุนของ InsightFinder สะท้อนถึงการเปลี่ยนแปลงที่กว้างขึ้นในแนวคิดเกี่ยวกับ AI เมื่อระบบ AI ถูกฝังอยู่ในโครงสร้างพื้นฐานที่สำคัญ เช่น โรงพยาบาล ระบบการเงิน และห่วงโซ่อุปทาน ความน่าเชื่อถือกลายเป็นปัญหาไม่ใช่แค่ด้านเทคนิค แต่ยังเป็นปัญหาสังคมด้วย

แนวคิดที่เกิดขึ้นที่นี่คือระบบ AI ต้องการสิ่งที่คล้ายกับ “ระบบภูมิคุ้มกัน” ที่สามารถตรวจจับ วินิจฉัย และตอบสนองต่อความล้มเหลวในเวลาจริง นี่คือชั้นที่ InsightFinder กำลังพยายามสร้าง

แทนที่จะเน้นไปที่การทำให้โมเดลมีพลังมากขึ้น บริษัทกำลังแก้ไขปัญหาที่แตกต่างออกไป: การทำให้พวกมันน่าเชื่อถือ เมื่อการนำ AI ไปใช้เร่งตัวขึ้น ความแตกต่างนี้มีแนวโน้มที่จะสำคัญมากขึ้น