InsightFinder Raises $15M Series B Dẫn đầu bởi Yu Galaxy để Xử lý Tính tin cậy của Trí tuệ nhân tạo trong Sản xuất

InsightFinder đã huy động được 15 triệu đô la trong vòng tài trợ Series B do Yu Galaxy dẫn đầu, đưa tổng số tiền tài trợ lên 35 triệu đô la. Vòng tài trợ này diễn ra khi công ty báo cáo về sự tăng trưởng mạnh mẽ của doanh nghiệp, bao gồm cả các thỏa thuận triệu đô la với các tổ chức thuộc Fortune 50, và phản ánh nhu cầu ngày càng tăng về cơ sở hạ tầng có thể làm cho các hệ thống AI trở nên đáng tin cậy khi được triển khai trong môi trường thực tế.

Chuyển đổi từ hiệu suất AI sang độ tin cậy AI

Khi các doanh nghiệp chuyển các hệ thống AI từ môi trường kiểm soát sang sản xuất, một mẫu hình nhất quán đang xuất hiện: các hệ thống hoạt động tốt trong quá trình thử nghiệm thường bị hỏng trong điều kiện thực tế. Vấn đề không phải là khả năng của mô hình, mà là ngữ cảnh. Hầu hết các hệ thống AI thiếu sự hiểu biết sâu sắc về môi trường kinh doanh cụ thể mà chúng hoạt động.
InsightFinder tập trung vào việc lấp đầy khoảng trống đó. Nền tảng của công ty được xây dựng xung quanh ý tưởng rằng độ tin cậy trong AI không chỉ là về việc giám sát các chỉ số như độ trễ hoặc tỷ lệ lỗi, mà còn là về việc hiểu “bình thường” trông như thế nào trong một quy trình kinh doanh cụ thể. Điều này bao gồm mọi thứ từ hệ thống thanh toán và đường ống hậu cần đến hoạt động hỗ trợ khách hàng.

Mở rộng khả năng quan sát vào các hệ thống AI

Ban đầu được xây dựng để xử lý các hoạt động IT phức tạp, công nghệ cốt lõi của InsightFinder tập trung vào việc phát hiện các bất thường, xác định nguyên nhân gốc rễ và dự đoán các lỗi trên các hệ thống phân tán. Cách tiếp cận cơ bản相同 đang được áp dụng cho các hệ thống AI, đặc biệt là những hệ thống liên quan đến các mô hình ngôn ngữ lớn và các quy trình dựa trên tác nhân.
Không giống như các công cụ quan sát truyền thống tập trung vào cơ sở hạ tầng, nền tảng của InsightFinder phân tích dữ liệu đa nguồn, đa phương thức để chẩn đoán lý do tại sao các hệ thống AI lại hoạt động không mong muốn. Điều này bao gồm việc xác định sự trôi dạt của mô hình, theo dõi các lỗi trên các quy trình tác nhân và đưa ra các vấn đề không kích hoạt các cảnh báo rõ ràng.

Xây dựng vòng phản hồi đóng cho các hệ thống AI

Một chủ đề trung tâm của cách tiếp cận của InsightFinder là nhu cầu kết nối những gì xảy ra trong sản xuất với phát triển. Nhiều công cụ AI tập trung vào việc đánh giá trong quá trình thử nghiệm hoặc giám sát trong sản xuất, nhưng ít công cụ liên kết hai khía cạnh này trong một vòng lặp liên tục.
Nền tảng của InsightFinder giới thiệu các khả năng được thiết kế để đóng vòng lặp đó:

• Công cụ so sánh lời nhắc để đánh giá hiệu suất trên các tập dữ liệu, mô hình và chỉ số chi phí
• Mô hình ngôn ngữ nhỏ (SLM) cụ thể theo lĩnh vực được sử dụng làm công cụ đánh giá hiểu các tiêu chuẩn chất lượng cụ thể của doanh nghiệp
• Quy trình tinh chỉnh tự động sử dụng các lỗi sản xuất để cải thiện hiệu suất của mô hình
• Theo dõi đa tác nhân để tái tạo các đường dẫn thực hiện trên các quy trình phức tạp

Tất cả các tính năng này nhằm mục đích chuyển đổi dữ liệu sản xuất thành thông tin hành động có thể liên tục cải thiện các hệ thống AI.

Tại sao AI chung chung không đủ trong môi trường doanh nghiệp

Một trong những thách thức cốt lõi mà InsightFinder giải quyết là sự không phù hợp giữa các mô hình AI chung chung và yêu cầu cụ thể của lĩnh vực. Các mô hình cơ bản được đào tạo trên các tập dữ liệu rộng lớn và giỏi trong việc nhận dạng mẫu, nhưng chúng thiếu sự hiểu biết về các sắc thái cụ thể của ngành.
Điều này tạo ra một lớp rủi ro thường bị đánh giá thấp. Trong các lĩnh vực như chăm sóc sức khỏe, tài chính và hậu cần, các sai lệch nhỏ có thể có hậu quả lớn. Cách tiếp cận của InsightFinder là nhúng nhận thức về lĩnh vực vào các quy trình đánh giá và giám sát, cho phép các hệ thống được đánh giá dựa trên các tiêu chí cụ thể của doanh nghiệp chứ không phải dựa trên các tiêu chuẩn chung.

Mô hình dịch vụ được xây dựng xung quanh triển khai, không chỉ là phần mềm

Một khía cạnh khác biệt khác của InsightFinder là cách công ty cung cấp nền tảng của mình. Thay vì mô hình SaaS truyền thống, nơi khách hàng phải cấu hình các công cụ độc lập, công ty làm việc chặt chẽ với các tổ chức để tùy chỉnh hệ thống cho môi trường của họ.
Điều này bao gồm việc sắp xếp nền tảng với các quy trình nội bộ, xác định các tiêu chí đánh giá và tích hợp logic cụ thể của lĩnh vực. Mục tiêu là đảm bảo rằng các thông tin được hệ thống tạo ra là có thể hành động được trong ngữ cảnh của từng hoạt động của tổ chức.
Vòng tài trợ mới sẽ được sử dụng một phần để mở rộng khả năng đối mặt với khách hàng này, đặc biệt là trên các chức năng bán hàng doanh nghiệp và thành công của khách hàng.

Hình ảnh lớn hơn: AI như cơ sở hạ tầng quan trọng

Thời điểm tài trợ của InsightFinder làm nổi bật một sự thay đổi lớn hơn trong cách AI được nhận thức. Khi các hệ thống AI trở thành một phần của cơ sở hạ tầng quan trọng như bệnh viện, hệ thống tài chính và chuỗi cung ứng, độ tin cậy trở thành ít hơn là một mối quan tâm kỹ thuật và nhiều hơn là một vấn đề xã hội.
Khái niệm xuất hiện ở đây là các hệ thống AI cần có một thứ gì đó giống như một “hệ thống miễn dịch” có thể phát hiện, chẩn đoán và phản ứng với các lỗi trong thời gian thực. Đây là lớp mà InsightFinder đang định vị mình để xây dựng.
Thay vì tập trung vào việc làm cho các mô hình trở nên mạnh mẽ hơn, công ty đang nhắm vào một vấn đề khác: làm cho chúng đáng tin cậy. Khi sự áp dụng AI tăng tốc, sự khác biệt này có khả năng trở nên quan trọng hơn.