ARR’si yedi katına çıktıktan sonra A turunda 10 milyon dolar yatırım alan PuppyGraph

PuppyGraph, 10 Kasım 2026’da Particle Future liderliğinde ve defy.vc’nin de katılımıyla 10 milyon dolarlık A turu yatırım aldığını duyurdu. Şirket, bu yatırımı mühendislik çalışmalarını ve kurumsal pazara açılma faaliyetlerini genişletmek için kullanacak. Graf sorgu motoru geliştiricisinin toplam yatırım tutarı böylece 15 milyon dolara ulaştı.

Yatırım turu, PuppyGraph 1.0’ın genel kullanıma sunulmasının ardından geldi. PuppyGraph, yıllık yinelenen gelirinin geçen yıl yedi katına çıktığını bildirdi. Müşterileri arasında AMD, Palo Alto Networks, Coinbase, Trend Micro, Datadog ve Sola Security bulunuyor.

Kurumsal Verileri Bulundukları Yerde Sorgulama

PuppyGraph, bilinen bir veri kümesi için yalnızca SQL sorguları oluşturmak yerine, departmanlar genelindeki iş sorularını araştıran yapay zekâ ajanlarına yönelik. Bir ajanın müşteriler, ürünler, bileşenler ve tedarikçiler arasındaki ilişkileri izlemesi gerekebilir. Tablo sayısı arttıkça şema açıklamaları ajanın bağlam penceresinde daha fazla yer kaplar ve olası birleştirme yollarının sayısı artar.

Motor, graf hesaplamalarını doğrudan desteklenen veritabanları, veri ambarları ve veri göllerinde gerçekleştirir. Kayıtlar Apache Iceberg, Databricks, Snowflake, PostgreSQL ve Microsoft Fabric gibi sistemlerde kalır; böylece özel bir graf veritabanına, ayrı bir graf kopyasına ve bunlarla ilişkili veri yükleme hatlarına ihtiyaç duyulmaz. Uygulamalar filtreleme ve toplulaştırma işlemleri için SQL kullanmayı sürdürürken ilişkilerin yoğun olduğu sorularda graf sorgularını tercih edebilir.

Bir ontoloji, onaylanmış iş varlıklarını ve ilişkilerini tanımlayarak ajanlara geçerli araştırma yolları sunar. PuppyGraph’in yapay zekâ destekli şema oluşturucusu bu modeli mevcut tablolardan önerir; ancak iş anlamını veri ekipleri gözden geçirip onaylar. Uyumlu yapay zekâ araçları MCP üzerinden bağlanabilir; kullanıcılar PuppyGraph’in yerleşik ajanını da kullanabilir.

Motor, ontolojide yer almayan varlıklara veya ilişkilere yapılan başvuruları reddeder ve sorgunun düzeltilmesi için yapılandırılmış geri bildirim sunar. Böylece ajanın kendi uydurduğu bir bağlantıyı kanıt olarak değerlendirmesinden kaynaklanan ve fark edilmeden kalan hataların önüne geçilir. PuppyGraph, doğrulamanın doğru bir sonuca ulaşılacağını garanti etmediği konusunda uyarıyor; çünkü ajan yine de hatalı bir varsayımın peşinden gidebilir veya eksik bir analiz yapabilir.

Performans ve Yönetişim Denetimleri

PuppyGraph, motorunun desteklenen iş yüklerinde bir saniyenin altında graf sorgularını desteklediğini ve ajanların 3.000 kurumsal tabloyu tek bir graf olarak sorgulamasını sağladığını bildirdi. Şirketin ayrıca gerçekleştirdiği bir kıyaslamada, dört makineli bir küme milyarlarca kenar içeren bir graf üzerinde 10 adımlı sorguyu 2,26 saniyede tamamladı. Performans, iş yüküne bağlıdır.

Hız, araştırmaların nasıl ilerlediğini etkiler: Ajanlar birden fazla varsayımı sınar; sonraki analitik adım önceki sorgunun sonucuna bağlıysa yavaş bir sorgu bu adımı geciktirebilir. Bu nedenle kıyaslama, derinlemesine ilişki aramalarının etkileşimli biçimde sürdürülüp sürdürülemeyeceği açısından önem taşır; yalnızca ham sorgu işleme hızını ölçmez.

PuppyGraph 1.0, graf gezinmeleri boyunca, ara adımlar da dâhil olmak üzere yapılandırılmış satır düzeyindeki izinleri uygular. Rol tabanlı denetimler ve kullanıcı kimliğine bürünme, erişimi kullanıcı kimliğine bağlar. Tek oturum açma desteklenirken yönetim denetim günlükleri idari faaliyetleri kaydeder. Kimlik bilgisi sağlama özelliği, kullanıcıların uzun ömürlü kimlik bilgilerini açıklamasına veya yönetmesine gerek kalmadan Snowflake ve Databricks gibi platformlar için kısa ömürlü, kimliğe duyarlı kimlik bilgileri edinir.

Uygulamalar ve Genişleme Öncelikleri

Sola Security CTO’su Leon Goldberg, “Her gün binlerce tablo ve milyarlarca kenar üzerinde yapay zekâ ajanları çalıştırıyoruz” dedi. Palo Alto Networks mühendislik direktörü Ran Xia, şirketin mevcut veri platformunda satırları taşımadan veya çoğaltmadan çok adımlı graf gezinmeleri gerçekleştirdiğini ve böylece ilgili ETL hatlarının bakımını ortadan kaldırdığını söyledi. Coinbase kıdemli personel yazılım mühendisi Xinyu Liu ise Coinbase’in Snowflake ve Databricks’te tutulan tablolara doğrudan bağlandığını ve doğal dille ilişki sorguları yapmak için MCP kullandığını belirtti.

AMD, PuppyGraph’in bildirdiğine göre, işe BT iş yükleriyle başladı ve bilgi güvenliği ile dijital pazarlama verilerine doğru genişliyor. Bu genişleme, şirketin daha kapsamlı yaklaşımını ortaya koyuyor: İlişki haritası başka departmanları da kapsadıkça ajanlar, daha önce kurumsal sınırları aşamayan soruları araştırabiliyor.

Şirket, yeni sermayeyi graf modeli kurulumundaki iş yükünü azaltmak, ilişki sorgularını kurumsal ölçekte uygulanabilir hâle getirmek ve müşterilerin ajanları üretim ortamına taşımasına yardımcı olmak için kullanmayı planlıyor. Temel zorluk, hangi ilişkilerin geçerli olduğunu ve her kullanıcının hangi verileri görebileceğini belirleyen, insanlar tarafından onaylanmış ontolojiyi ve izin denetimlerini zayıflatmadan bu araştırmaların kapsamını genişletmek.