Prevalent AI залучає $22M для масштабування довіреного контексту підприємства для AI‑систем

Prevalent AI залучила $22 million in growth capital від Integrity Growth Partners (IGP), що є першим зовнішнім інвестиційним внеском у дев’ятирічну історію лондонської компанії. Фінансування надходить у той час, коли підприємства стикаються зі зростаючою проблемою поряд із швидким впровадженням штучного інтелекту: AI‑системи можуть ставати більш потужними, але їх рішення настільки надійні, наскільки достовірні дані та контекст організації, які до них доступні.

Заснована у 2017 році, Prevalent AI залишилася фінансованою власними ресурсами і, за словами компанії, є прибутковою з моменту залучення першого клієнта. Компанія повідомляє, що щорічний повторюваний дохід більш ніж удвічі зріс за минулий рік. Новий капітал буде спрямований на розширення глобальної комерційної організації, прискорення виходу на ринок США, зміцнення команди керівництва та розширення технології, спочатку розробленої для кібербезпеки, на ширший спектр корпоративних ризиків і AI‑застосувань.

Перший зовнішній капітал після дев’яти років

Фінансування примітне частково тим, що Prevalent AI обрала доволі незвичний шлях через ринок кібербезпеки. Замість того, щоб покладатися на повторювані венчурні раунди для фінансування росту, компанія майже десятиліття будувала бізнес навколо доходу від великих корпоративних клієнтів, перш ніж залучити первинний інституційний капітал.

Prevalent AI була співзаснована генеральним директором Полом Стоксом і операційним директором Аруном Раджом, які мають корені у британському розвідувальному середовищі. Компанія стверджує, що у засновницькій команді є випускники Government Communications Headquarters (GCHQ), досвід яких допоміг сформувати фокус на з’єднанні фрагментованої інформації в середовищах, де неповні або неточні дані можуть мати значні операційні наслідки.

ISTARI, підтримувана сингапурською інвестиційною компанією Temasek, стала міноритарним акціонером у 2021 році через вторинну транзакцію, проте нове інвестування IGP є першим первинним капіталом, що надходить безпосередньо до компанії.

Перетворення фрагментованих даних підприємства у контекст

Центральна проблема, яку намагається вирішити Prevalent AI, полягає не в нестачі даних підприємства, а в тому, що дані, необхідні для прийняття рішення, часто розподілені по десяткам, а іноді і сотнях систем, які описують одну й ту ж організацію по‑різному.

Команда безпеки, наприклад, може покладатися на сканери уразливостей, платформи кінцевих точок, системи ідентифікації, хмарну інфраструктуру, бази даних управління конфігурацією, програмне забезпечення для обробки заявок і операційні інструменти. Кожна система містить частину картини, з дубльованими записами, конфліктними ідентифікаторами та неповними зв’язками між активами.

Security Data Fabric від Prevalent AI розроблений для збору інформації з цих різних систем, її нормалізації, усунення несумісностей та побудови зв’язків між активами, ідентичностями, уразливостями, застосунками, контролями та іншою операційною інформацією. Отримані дані зберігаються у вигляді постійно оновлюваного графа знань, а не як ще одна ізольована база даних безпеки.

Ця різниця стає все більш важливою, коли в процесі з’являються AI‑агенти. Люди іноді можуть розпізнати, що два трохи різні записи стосуються одного й того ж сервера, працівника чи застосунку. Автоматичний агент, який приймає рішення зі швидкістю машини, потребує надійного встановлення цих зв’язків заздалегідь.

Як працює технологія Prevalent AI

На рівні інтеграції Prevalent AI використовує DataBridge для підключення хмари, SaaS, локальних та операційних систем. Платформа потім застосовує розв’язання сутностей для узгодження записів і створення уніфікованого представлення корпоративного середовища.

Граф знань додає ще один шар, з’єднуючи ці сутності через їхні взаємозв’язки. Наприклад, замість того, щоб розглядати уразливість як ізольовану знахідку, система може пов’язати її з ураженим активом, його бізнес‑важливістю, власником, пов’язаними ідентичностями, існуючими контрольними механізмами та релевантною інформацією про загрози.

Інструменти управління експозицією Prevalent використовують цей контекст для визначення, де сконцентрований ризик, і пріоритизації усунення. Платформа також може корелювати знахідки між різними інструментами, зменшуючи дублювання записів уразливостей і постійно моніторити зміни в активах, ідентичностях та інфраструктурі.

Генеративний AI додається поверх цієї структурованої основи, а не вимагає самостійно інтерпретувати сирі корпоративні дані. Інструмент Navigator від Prevalent, наприклад, дозволяє користувачам запитувати інформацію, що зберігається у графі знань, через інтерфейс генеративного AI.

Компанія також пропонує DataForge, який генерує синхронізовані синтетичні набори даних для розробки AI, тестування моделей та забезпечення якості без потреби розкривати конфіденційні виробничі дані під час експериментів.

Вихід за межі кібербезпеки

Кібербезпека була природним стартовим пунктом, оскільки неповна інформація може негайно впливати на рішення щодо уразливостей, ідентичностей, інцидентів і контролів. Однак Prevalent AI все більше розглядає свою базову технологію як корпоративну інфраструктуру, а не як продукт, орієнтований виключно на безпеку.

Компанія стверджує, що клієнти вже розширили ту саму основу даних у сфери, включаючи аналіз фінансових злочинів, операційну розвідку, комплаєнс, автоматизацію та AI‑запускані робочі процеси, без потреби перебудовувати базову архітектуру.

Ця ширша можливість є однією з головних причин нового фінансування.

Для AI‑агентів, зокрема, виклик все більше зсувається від питання, чи достатньо інтелектуальна модель для виконання завдання, до питання, чи має вона доступ до точних відомостей про організацію, у якій вона працює. Агент може бути здатним виявити уразливість, розслідувати обліковий запис або запустити автоматизований робочий процес, але його корисність різко падає, якщо він не може надійно визначити, які системи існують, як вони пов’язані, хто їх власник і які політики регулюють його дії.

Prevalent AI фактично ставить на те, що корпоративний контекст стане важливим шаром AI‑стеку, особливо для організацій, де очікується, що агенти виконуватимуть дії, а не лише генеруватимуть відповіді.

Чому корпоративний AI підвищує ставки

Час фінансування відображає ширший зсув у корпоративному AI. Організації починають переходити від автономних копілотів до агентів, здатних взаємодіяти з інфраструктурою, застосунками та бізнес‑процесами.

Цей перехід збільшує наслідки поганих базових даних.

Prevalent AI стверджує, що її суверенна архітектура особливо актуальна в таких середовищах. Платформа розроблена для роботи в інфраструктурі, якою керує клієнт, зберігаючи дані підприємства під контролем організації, а не змушуючи граф знань залежати від спільної інфраструктури чи конкретного постачальника моделей.

Для високорегульованих секторів це може стати важливим фактором, оскільки компанії експериментують із наданням AI‑систем більшого доступу до конфіденційної внутрішньої інформації та більшої повноважності здійснювати дії.

Чому довірений контекст може стати критичним для корпоративного AI

Коли AI‑системи переходять від генерації рекомендацій до виконання дій у бізнесі, якість даних, що їх оточують, стає все важливішою. Агент, якому доручено розслідування інциденту безпеки, схвалення робочого процесу чи реагування на операційну проблему, потребує більше, ніж доступ до окремих баз даних. Йому потрібна точна картина того, як активи, ідентичності, застосунки, політики та бізнес‑процеси взаємопов’язані між собою.

Це створює зростаючий інфраструктурний виклик для підприємств. Багато організацій накопичили роки роз’єднаних програмних платформ, дубльованих записів і непослідовних правил найменувань. Великі мовні моделі можуть спростити запитування цієї інформації, проте вони не вирішують автоматично протиріччя та не визначають, яке джерело варто довіряти. Без надійного шару контексту більш автономний AI може просто дозволити існуючим проблемам даних впливати на рішення з більшою швидкістю та масштабом.

Графи знань і тканини даних можуть стати важливою частиною нової архітектури корпоративного AI. Замість того, щоб заміняти бази даних або AI‑моделі, ці системи можуть розташовуватись між ними, безперервно узгоджуючи інформацію та підтримуючи зв’язки, які агенти можуть використовувати при визначенні, які дії виконати.

Наслідки також виходять далеко за межі кібербезпеки. Подібні проблеми існують у виявленні шахрайства, регуляторному комплаєнсі, управлінні ланцюгом постачань, ІТ‑операціях та інших сферах, де рішення залежать від інформації, розподіленої по багатьох системах. Коли компанії впроваджують агентів у цих функціях, підтримка послідовного представлення організації може стати все більш необхідною.

Це також може змінити підхід до оцінки AI‑інфраструктури підприємствами. Продуктивність моделей залишатиметься важливою, проте організації можуть приділяти більшу увагу походженню, актуальності та взаємозв’язкам даних, що живлять ці моделі. У такому середовищі конкурентна перевага може не полягати лише у більш потужній AI‑моделі, а в тому, щоб надати цій моделі точніше розуміння підприємства, у якому вона функціонує.