Euno залучила $23M у раунді Series A для створення шару контексту для корпоративних AI‑агентів

Euno залучила 23 мільйони доларів у раунді Series A, щоб розширити свою платформу контексту корпоративного AI, оскільки компанії все частіше стикаються з проблемою, яку лише кращі базові моделі не можуть вирішити: надати AI‑агентам достатньо організаційних знань для надійної роботи зі складними бізнес‑даними.

Раунд очолювала N47, за участю існуючого інвестора 10D та групи технологічних засновників і керівників, серед яких співзасновник Wiz Йінон Костіка, співзасновник і CEO Cyera Йотам Сегев, співзасновник і CEO Eon Офір Ерліх, засновник Tavily Ротем Вайс та колишній CEO і президент Tableau Марк Нельсон. Це фінансування підвищило загальну суму інвестицій Euno до 29 мільйонів доларів.

Заснована у 2023 році Сарою Леві та Еялом Фірстенбергом, Euno планує використати новий капітал переважно для розширення продажів і маркетингу, а також збільшити інвестиції в дослідження AI. Компанія, яка працює в США та Ізраїлі та має майже 30 співробітників, очікує приблизно подвоїти свою команду до кінця року.

Вузьке місце корпоративного AI переміщується в бік контексту

Швидке вдосконалення великих мовних моделей робить все більш реальним розгортання AI‑агентів, здатних запитувати бази даних, генерувати аналітику, писати код і автоматизувати бізнес‑процеси. Однак підключення агента до корпоративних систем створює іншу проблему: визначення, яка інформація є авторитетною.

У великій організації може бути тисячі таблиць, панелей, метрик, моделей даних і суперечливих визначень одного й того ж бізнес‑поняття. AI‑агент, якому доручено розрахувати дохід, наприклад, потребує більше, ніж доступ до бази даних. Йому потрібно знати, яка метрика доходу затверджена, які таблиці актуальні, як розраховується метрика, звідки походять її вхідні дані та чи має користувач, що запитує, право доступу до цієї інформації.

Euno намагається перетворити ці інституційні знання на машинозчитувану інфраструктуру.

Її платформа постійно створює живий граф контексту, що включає дані про походження даних, використання, власність, бізнес‑логіку, сигнали здоров’я та статус управління. Замість того, щоб подавати агенту всі доступні активи, система може надати контекст, релевантний конкретному користувачу, завданню та прийнятому рішенню.

Ця різниця може стати все важливішою, коли компанії переходять від AI‑систем, що відповідають на запитання, до автономних агентів, здатних виконувати дії в кількох корпоративних системах.

«Моделі продовжують ставати кращими і дешевшими, але довгострокова AI‑захисна перевага для підприємств все більше буде базуватися на накопиченому записі того, як виконується робота», — сказала співзасновниця та CEO Euno Sarah Levy.

Перетворення метаданих в інфраструктуру для AI‑агентів

Технологія Euno базується на метаданих — інформації, що описує, звідки надходять дані, як вони трансформуються, хто їх використовує і як різні активи пов’язані між собою.

Платформа відстежує лінійність на рівні колонок у сховищах, аналітичних системах, панелях та метриках, а потім поєднує цю інформацію зі сигналами використання та управління. Її система автоматичного маркування може динамічно класифікувати активи як властивості типу «готовий для AI», «без PII», «здоровий» або «сертифікований» на основі правил, встановлених організацією. Ці класифікації оновлюються разом зі змінами у базовому середовищі даних.

Euno також пропонує робочі процеси, які реагують на зміни цих умов. Організації можуть, наприклад, виявляти несертифіковані панелі, які раптом стають інтенсивно використовуваними, відстежувати поширення персонально ідентифікованої інформації (PII), позначати недокументовані моделі або виявляти метрики, які більше не відповідають внутрішнім стандартам якості.

Компанія створила власну мову запитів Euno (EQL) для навігації по взаємозв’язках у графі. Euno стверджує, що її графова архітектура дозволяє агентам отримувати взаємопов’язані метадані за допомогою меншої кількості запитів, що потенційно зменшує обсяг контекстної інформації, яку потрібно передавати в модель.

Важливо, що платформа розроблена для співіснування з існуючою інфраструктурою даних підприємства, а не для її заміни. Euno підтримує інтеграції з сховищами даних та платформами, такими як Snowflake і Databricks; інструментами трансформації, включаючи dbt; та платформами бізнес‑аналітики, включаючи Tableau, Looker, Power BI, ThoughtSpot, Sigma і Omni.

Неппосереднє впровадження контексту в AI‑системи

Іншим компонентом стратегії Euno є надання цього організаційного контексту безпосередньо стороннім AI‑агентам.

Компанія експлуатує сервер Model Context Protocol (MCP), через який інструменти, такі як Claude, Cursor, Visual Studio Code Copilot та інші сумісні системи, можуть запитувати корпоративний контекст Euno. Агентам можна використовувати ці інструменти для пошуку ресурсів, перевірки походження даних, проведення аналізу впливу, пошуку документації або створення та виконання запитів EQL.

Euno також задокументувала інтеграції з системами, включаючи Snowflake Intelligence, демонструючи, як її шар контексту може ефективно стати посередником між загальними AI‑моделями та базовим набором даних підприємства.

Таке позиціонування відображає ширший зсув у корпоративному AI. У міру того, як доступ до потужних моделей стає дедалі більш товаризованим, диференціація може перейти до власної інформації, що оточує ці моделі: організаційних процесів, дозволів, взаємозв’язків, історичних рішень, визначень та зворотного зв’язку від попередньої діяльності агентів.

Контекст може стати частиною корпоративної AI‑захисної переваги

Euno стверджує, що цей накопичений контекст може з часом стати ціннішим.

Коли агент виконує завдання, система може захоплювати інформацію про те, як використовувався контекст, і передавати ці сигнали назад у шар корпоративного контексту. Теоретично це створює зворотний цикл, у якому організація поступово будує більш багату машинозчитувану репрезентацію того, як працює її бізнес.

Це також вирішує одну з центральних проблем впровадження агентного AI: управління. Надання автономному агенту доступу до корпоративних систем без розуміння, яку інформацію він може отримати і як її інтерпретувати, створює операційні та безпекові ризики. Підхід Euno поєднує контекстуальне отримання даних з управлінням, орієнтованим на ролі, так що агент отримує інформацію, відповідну його завданню та дозволам, а не необмежений доступ до всього середовища.

Компанія стверджує, що її платформа читає корпоративні метадані, а не самі бізнес‑дані, що є архітектурною відмінністю, спрямованою на зменшення розкриття даних, при цьому дозволяючи системі відображати взаємозв’язки та надавати агентам операційний контекст.

Euno вже співпрацює з корпоративними клієнтами, серед яких AlphaSense та Zayo Group, а її веб‑сайт також документує впровадження у компаніях, таких як Bolt.

Для ширшої AI‑індустрії значення раунду Series A Euno виходить за межі ще одного фінансування корпоративної інфраструктури. Базові моделі швидко стають більш потужними та все більш взаємозамінними для багатьох навантажень. Якщо ця тенденція продовжиться, однією з найскладніших проблем стане забезпечення цих моделей надійним розумінням організацій, у яких вони працюють.

Це може зробити інфраструктуру контексту, а не саму базову модель, одним із найважливіших шарів нової корпоративної AI‑стекової архітектури.