Delphina залучає 7,5 млн доларів, щоб масштабувати свою фабрику контексту для аналітики ШІ

12 листопада 2026 року Delphina повідомила про залучення 7,5 млн доларів нового фінансування, збільшивши загальний обсяг фінансування до 15 млн доларів. Одночасно компанія запустила Context Factory — систему, яка використовує ШІ-агентів для створення й підтримки бізнес-контексту, необхідного для аналітичних відповідей.

Radical Ventures і Costanoa спільно очолили раунд фінансування за участю Tenacity Capital та інвесторів-ангелів, серед яких — Фей-Фей Лі, лауреат Нобелівської премії Гвідо Імбенс, а також перші співробітники Anthropic і OpenAI. Залучені кошти планують спрямувати на масштабування Context Factory і розширення команд Delphina з виходу на ринок та інженерної підтримки клієнтів.

Новий продукт став доступним одночасно з оголошенням про його запуск. В основі його підходу — розуміння того, яким таблицям можна довіряти, як визначаються метрики та що знають досвідчені аналітики, але не задокументували: без цього неможливо отримати точну аналітику на основі ШІ. За словами Delphina, зазвичай компанії збирають такий контекст вручну, і з часом він застаріває в міру змін у бізнесі.

Агенти підтримують бізнес-контекст в актуальному стані

Context Factory доручає агентам роботу з підтримки контексту в актуальному стані. За словами Delphina, агенти можуть за кілька годин сформувати початкову основу на базі наявних даних і документів компанії, виявляти й усувати прогалини, коли співробітники ставлять запитання, а важливі зміни передавати фахівцям із відповідної предметної області на затвердження. У такій моделі фахівці відповідають за визначення, а агенти займаються пошуком і оновленням інформації.

У огляді продукту Delphina зазначено, що система зчитує проєкти dbt, інформаційні панелі, документи й журнали запитів, а потім продовжує стежити за цими джерелами в міру їх змін. Затверджені зміни зберігаються у версійній базі знань, власником якої є клієнт, а для тестування можна використовувати довірені інформаційні панелі, які співробітники вже перевірили.

Коли запит виявляє відсутнє визначення метрики, в ілюстративному робочому процесі агент шукає інформацію в dbt, Looker і Notion, встановлює власника відповідної таблиці даних і просить підтвердження в Slack. Після затвердження він публікує визначення, повторно формує початкову відповідь і зберігає виправлення як регресійний тест, щоб затверджена логіка не змінилася непомітно.

За словами Delphina, під час розгортання для підприємств підключення здійснюються з використанням облікових даних лише для читання, окремих для кожного користувача, а кожен клієнт отримує окрему площину даних. Python і DuckDB працюють в ізольованій мікровіртуальній машині Firecracker без доступу до інтернету; запити до ШІ, команди й посилання на джерела знань журналюються та можуть експортуватися. Ці заходи дають змогу перевіряти дії агентів і водночас обмежують їхній доступ до систем компанії та зовнішніх ресурсів.

Використання виходить за межі команд із роботи з даними

За даними Delphina, бізнес-команди тепер ставлять 73% запитань на її платформі, а керівники компаній є активними користувачами більш ніж у половини клієнтів. У Substack продуктом користуються понад 70% співробітників, зокрема генеральний директор Кріс Бест. Серед інших клієнтів — LATAM Airlines, Upstart, Udemy і Coursera.

Бест описав вплив продукту на ухвалення рішень у Substack: «Тепер наші команди отримують точні відповіді за лічені секунди, а не чекають у черзі тижнями. Це змінило те, як ми ухвалюємо рішення».

Генеральний директор і співзасновник Джеремі Германн раніше створив і очолював платформу машинного навчання Michelangelo в Uber, а також став співзасновником Tecton, яку придбала Databricks. Президент і співзасновник Данкан Ґілкріст очолював глобальний напрям аналізу даних для ціноутворення в Uber. За словами Ґілкріста, нині найактивніше продуктом Delphina користуються команди операційного управління, продажів, маркетингу й фінансів.

Фінансування дає Delphina змогу розширити продукт, а також команди, які його продають і підтримують. Головне питання — чи зможе компанія збільшити використання продукту бізнес-користувачами й керівниками, не послаблюючи експертне затвердження, версійні визначення та регресійні тести, від яких залежить обіцянка надавати надійну аналітику.