Prevalent AI Gây Quỹ 22 Triệu USD Để Mở Rộng Ngữ Cảnh Doanh Nghiệp Đáng Tin Cậy cho Hệ Thống AI

Prevalent AI đã gây quỹ 22 triệu USD trong vòng tăng trưởng từ Integrity Growth Partners (IGP), đánh dấu khoản đầu tư bên ngoài chính thức đầu tiên trong suốt chín năm hoạt động của công ty có trụ sở tại London. Khoản vốn này xuất hiện khi các doanh nghiệp đang đối mặt với một vấn đề ngày càng tăng cùng với việc áp dụng nhanh chóng trí tuệ nhân tạo: các hệ thống AI có thể trở nên mạnh mẽ hơn, nhưng quyết định của chúng chỉ đáng tin cậy bằng dữ liệu và ngữ cảnh tổ chức mà chúng có.

Vốn Đầu Tư Bên Ngoài Đầu Tiên Sau Chín Năm

Khoản đầu tư này đáng chú ý một phần vì Prevalent AI đã chọn một con đường tương đối bất thường qua thị trường an ninh mạng. Thay vì dựa vào các vòng gọi vốn mạo hiểm lặp đi lặp lại để tài trợ cho tăng trưởng, công ty đã dành gần một thập kỷ để xây dựng dựa trên doanh thu từ các khách hàng doanh nghiệp lớn trước khi huy động vốn tổ chức chính thức.

Prevalent AI được đồng sáng lập bởi CEO Paul Stokes và COO Arun Raj, với nguồn gốc từ cộng đồng tình báo Vương quốc Anh. Công ty cho biết đội ngũ sáng lập bao gồm các cựu nhân viên của Government Communications Headquarters (GCHQ), một kinh nghiệm đã giúp định hình trọng tâm của họ trong việc kết nối thông tin rời rạc ở những môi trường mà dữ liệu không đầy đủ hoặc không chính xác có thể gây ra hậu quả hoạt động nghiêm trọng.

ISTARI, được hỗ trợ bởi công ty đầu tư Singapore Temasek, đã trở thành cổ đông thiểu số vào năm 2021 thông qua một giao dịch phụ, nhưng khoản đầu tư mới của IGP là lần đầu tiên vốn chủ chốt trực tiếp vào công ty.

Biến Dữ Liệu Doanh Nghiệp Rời Rạc Thành Ngữ Cảnh

Vấn đề trung tâm mà Prevalent AI đang cố gắng giải quyết không phải là thiếu dữ liệu doanh nghiệp. Đó là việc dữ liệu cần thiết để đưa ra quyết định thường tồn tại rải rác trên hàng chục, thậm chí hàng trăm hệ thống mô tả cùng một tổ chức theo những cách khác nhau.

Ví dụ, một đội bảo mật có thể phụ thuộc vào các công cụ quét lỗ hổng, nền tảng điểm cuối, hệ thống danh tính, hạ tầng đám mây, cơ sở dữ liệu quản lý cấu hình, phần mềm quản lý ticket và các công cụ vận hành. Mỗi hệ thống chứa một phần của bức tranh, với các bản ghi trùng lặp, định danh mâu thuẫn và các mối quan hệ không đầy đủ giữa các tài sản.

Prevalent AI’s Security Data Fabric được thiết kế để tiếp nhận thông tin từ các hệ thống khác nhau này, chuẩn hoá, giải quyết các bất nhất và lập bản đồ các mối quan hệ giữa tài sản, danh tính, lỗ hổng, ứng dụng, kiểm soát và các thông tin vận hành khác. Dữ liệu kết quả được duy trì dưới dạng một đồ thị tri thức liên tục cập nhật thay vì một cơ sở dữ liệu an ninh riêng lẻ.

Sự khác biệt này trở nên ngày càng quan trọng khi các tác nhân AI tham gia vào quá trình. Con người đôi khi có thể nhận ra rằng hai bản ghi hơi khác nhau thực chất đề cập đến cùng một máy chủ, nhân viên hoặc ứng dụng. Một tác nhân tự động đưa ra quyết định ở tốc độ máy móc cần những mối quan hệ này được thiết lập một cách đáng tin cậy trước.

Cách Công Nghệ của Prevalent AI Hoạt Động

Ở lớp tích hợp, Prevalent AI sử dụng DataBridge để kết nối các hệ thống đám mây, phần mềm dạng dịch vụ (SaaS), nội bộ và các hệ thống vận hành. Nền tảng sau đó áp dụng giải quyết thực thể để đồng nhất các bản ghi và xây dựng một biểu diễn thống nhất của môi trường doanh nghiệp.

Đồ thị tri thức bổ sung một lớp nữa bằng cách kết nối các thực thể qua các mối quan hệ của chúng. Thay vì xem một lỗ hổng như một phát hiện cô lập, hệ thống có thể liên kết nó với tài sản bị ảnh hưởng, tầm quan trọng kinh doanh của tài sản, người sở hữu, các danh tính liên quan, các kiểm soát bảo mật hiện có và thông tin đe dọa liên quan.

Các công cụ quản lý rủi ro của Prevalent sử dụng ngữ cảnh này để xác định nơi rủi ro tập trung và ưu tiên khắc phục. Nền tảng của công ty cũng có thể tương quan các phát hiện giữa các công cụ để giảm bớt các bản ghi lỗ hổng trùng lặp và liên tục giám sát các thay đổi đối với tài sản, danh tính và hạ tầng.

AI sinh tạo được thêm vào trên nền tảng có cấu trúc này thay vì yêu cầu nó tự mình giải thích dữ liệu doanh nghiệp thô. Công cụ Navigator của Prevalent, chẳng hạn, cho phép người dùng truy vấn thông tin lưu trữ trong đồ thị tri thức thông qua giao diện AI sinh tạo.

Công ty cũng cung cấp DataForge, công cụ tạo ra các bộ dữ liệu tổng hợp đồng bộ cho việc phát triển AI, kiểm thử mô hình và đảm bảo chất lượng mà không cần phơi bày dữ liệu sản xuất nhạy cảm trong quá trình thử nghiệm.

Vượt Qua An Ninh Mạng

An ninh mạng là điểm khởi đầu tự nhiên vì thông tin không đầy đủ có thể ngay lập tức ảnh hưởng đến các quyết định liên quan đến lỗ hổng, danh tính, sự cố và kiểm soát. Tuy nhiên, Prevalent AI ngày càng nhìn công nghệ nền tảng của mình như một hạ tầng doanh nghiệp chứ không chỉ là một sản phẩm an ninh riêng biệt.

Công ty cho biết khách hàng đã mở rộng cùng một nền tảng dữ liệu sang các lĩnh vực bao gồm phân tích tội phạm tài chính, trí tuệ vận hành, tuân thủ, tự động hoá và quy trình làm việc dựa trên AI mà không cần xây dựng lại kiến trúc nền tảng.

Cơ hội mở rộng này là một trong những lý do chính đằng sau khoản vốn mới.

Đối với các tác nhân AI nói riêng, thách thức đang dần chuyển từ việc mô hình có đủ thông minh để thực hiện một nhiệm vụ hay không, sang việc nó có truy cập được thông tin chính xác về tổ chức mà nó đang hoạt động hay không. Một tác nhân có thể xác định được lỗ hổng bảo mật, điều tra một tài khoản hoặc kích hoạt một quy trình tự động, nhưng giá trị của nó giảm nhanh nếu không thể xác định một cách đáng tin cậy hệ thống nào tồn tại, chúng được kết nối như thế nào, ai là người sở hữu và các chính sách nào chi phối hành động của nó.

Prevalent AI thực chất đang đặt cược rằng ngữ cảnh doanh nghiệp sẽ trở thành một lớp quan trọng trong ngăn xếp AI, đặc biệt đối với các tổ chức mà các tác nhân được kỳ vọng thực hiện hành động thay vì chỉ tạo ra câu trả lời.

Tại Sao AI Doanh Nghiệp Làm Tăng Rủi Ro

Thời điểm của khoản đầu tư phản ánh một sự chuyển dịch rộng hơn trong AI doanh nghiệp. Các tổ chức đang bắt đầu chuyển sang các tác nhân có khả năng tương tác với hạ tầng, ứng dụng và quy trình kinh doanh, thay vì chỉ sử dụng các trợ lý độc lập.

Sự chuyển đổi này làm tăng hậu quả của dữ liệu nền tảng kém chất lượng.

Prevalent AI lập luận rằng kiến trúc chủ quyền của họ đặc biệt phù hợp trong những môi trường này. Nền tảng của họ được thiết kế để hoạt động trong hạ tầng do khách hàng kiểm soát, giữ dữ liệu doanh nghiệp dưới quyền kiểm soát của tổ chức thay vì yêu cầu đồ thị tri thức vận hành phụ thuộc vào hạ tầng chia sẻ hoặc một nhà cung cấp mô hình cụ thể.

Đối với các ngành có mức độ quy định cao, đây có thể trở thành một yếu tố quan trọng khi các công ty thử nghiệm việc cho phép hệ thống AI tiếp cận nhiều hơn vào thông tin nội bộ nhạy cảm và có thẩm quyền lớn hơn trong việc thực hiện các hành động.

Tại Sao Ngữ Cảnh Đáng Tin Cậy Có Thể Trở Thành Yếu Tố Quan Trọng cho AI Doanh Nghiệp

Khi các hệ thống AI chuyển từ việc tạo ra khuyến nghị sang thực hiện các hành động trong doanh nghiệp, chất lượng dữ liệu xung quanh các hệ thống này sẽ trở nên ngày càng quan trọng. Một tác nhân được giao nhiệm vụ điều tra một sự cố bảo mật, phê duyệt một quy trình làm việc hoặc phản hồi một vấn đề vận hành cần hơn chỉ việc truy cập vào các cơ sở dữ liệu riêng lẻ. Nó cần một bức tranh chính xác về cách mà tài sản, danh tính, ứng dụng, chính sách và quy trình kinh doanh liên kết với nhau.

Điều này tạo ra một thách thức hạ tầng ngày càng tăng cho các doanh nghiệp. Nhiều tổ chức đã tích lũy nhiều năm các nền tảng phần mềm rời rạc, các bản ghi trùng lặp và các quy ước đặt tên không nhất quán. Các mô hình ngôn ngữ lớn có thể giúp truy vấn thông tin này dễ dàng hơn, nhưng chúng không tự động giải quyết các mâu thuẫn hay xác định nguồn nào nên được tin cậy. Nếu không có một lớp ngữ cảnh đáng tin cậy, AI tự động hơn có thể chỉ đơn giản cho phép các vấn đề dữ liệu hiện có ảnh hưởng đến quyết định với tốc độ và quy mô lớn hơn.

Do đó, đồ thị tri thức và data fabric có thể trở thành một phần quan trọng của kiến trúc AI doanh nghiệp đang nổi lên. Thay vì thay thế các cơ sở dữ liệu hoặc mô hình AI, những hệ thống này có thể nằm giữa chúng, liên tục điều chỉnh thông tin và duy trì các mối quan hệ mà các tác nhân có thể sử dụng khi quyết định hành động nào cần thực hiện.

Những tác động này cũng mở rộng ra xa hơn an ninh mạng. Các vấn đề tương tự tồn tại trong phát hiện gian lận, tuân thủ quy định, quản lý chuỗi cung ứng, vận hành CNTT và các lĩnh vực khác nơi quyết định phụ thuộc vào thông tin phân tán trên nhiều hệ thống. Khi các công ty triển khai tác nhân trong những chức năng này, việc duy trì một biểu diễn nhất quán của tổ chức có thể trở nên ngày càng cần thiết.

Điều này cũng có thể thay đổi cách doanh nghiệp đánh giá hạ tầng AI. Hiệu suất mô hình sẽ vẫn quan trọng, nhưng các tổ chức có thể đặt trọng tâm lớn hơn vào nguồn gốc, độ tươi mới và các mối quan hệ của dữ liệu cung cấp cho các mô hình. Trong môi trường đó, lợi thế cạnh tranh có thể không chỉ đến từ việc sở hữu một mô hình AI mạnh hơn, mà còn từ việc cung cấp cho mô hình đó một hiểu biết chính xác hơn về doanh nghiệp mà nó đang hoạt động.