AI供应商将其企业产品宣传为即插即用的解决方案，但AI代理立即上手的机会较低。除非你投入精力在业务的细节上训练模型，否则它不太可能理解你的公司如何定义收入，或了解谁可以查看哪些文件。这就是为什么我们看到AI公司派遣工程师协助将其AI产品整合到客户系统中的原因。总部位于纽约的初创公司Jedify正致力于填补这一空白。该公司表示，其平台通过API连接到企业的知识源，以构建AI代理可以更好使用的业务“上下文图”。这些源可以是数据库、数据仓库和湖泊、SaaS应用或BI工具，以及报告、文档、代码库，甚至Slack频道和会议录音等非结构化源。为了实现这一点，Jedify在由Norwest主导的A轮融资中筹集了2400万美元，TechCrunch独家获悉。此次融资还吸引了老股东S Capital VC和Cerca Partners，以及新投资者Oceans Ventures。数据巨头Snowflake也作为战略投资者参与，并将其技术与自己的AI产品集成，如Cortex AI服务、Semantic Views和CoWork。Jedify的观点是，为了在企业中发挥作用，AI代理需要访问实体、数据、权限、领域知识、工作流程、操作假设和公司特有术语之间的关系。该公司表示，这一上下文使AI代理能够将注意力集中在与特定任务相关的信息上，而不是在公司拥有的所有信息中进行搜索。联合创始人兼首席执行官Assaf Henkin（图上最右侧）提到，Kiteworks（一家合规公司）是客户如何使用Jedify的一个例子。Kiteworks将Snowflake、Tableau、Notion和内部手册（包括文档和屏幕截图）连接到Jedify，然后构建了适用于不同客户工作流程的自主工具。“他们希望为他们的销售人员和客户团队提供一个复杂的应用程序——你可以把它当作仪表板应用程序和实时对话应用程序的结合。当他们进行客户对话时，Jedify会为他们生成他们需要了解的一切。在对话期间，他们可以实时获取主动呈现的非常具体的细节，”Henkin说。Jedify的上下文图。图片来源：Jedify。Henkin争辩称，Jedify的上下文图与公司当前使用的语义层、元数据目录和知识图不同，因为它是多维的，捕捉了实体、数据、人员、权限和客户之间的关系。它也是模型无关的，并且在信息流入和流出连接的系统时实时更新。“当你想实现真正自主的代理解决方案，以便在CRM数据、Zendesk工单，以及可能的实时遥测数据之间进行决策时，这时上下文图在能力上就比语义层要好得多，”他说。权限显然是一个障碍。比如说，一个代理不应该让实习生访问首席财务官的收入预测。Henkin表示，他的平台通过从身份系统、文件系统、SaaS工具和数据库获取权限，包括行、列和表级访问规则，然后让客户创建定义代理或工作流程可以接触到的内容和人员的额外组，来解决这个问题。它还提供可观察性和治理工具，以帮助客户确保他们的AI代理按预期行为工作。Jedify目前的目标是拥有成熟数据堆栈和多个数据库或数据仓库的中型市场和大型企业客户。Henkin表示，该公司目前有10到20名早期客户，其中之一是天气公司，并在数据密集型行业（如游戏、工业和消费包装品）中看到兴趣。Snowflake的投资和合作令人瞩目，因为大型数据平台也在努力构建类似的能力，以便客户能够更有效地使用他们的数据进行AI。但是Henkin认为，Jedify补充了这些努力，因为公司的大部分数据——以及大部分机构知识——通常不会存储在单一的云提供商中。“（大型数据公司）会告诉你，‘哦，是的，随便带来所有数据。’但实际上，企业有多个数据库、仓库和数据解决方案……最大的问题是你并不是所有的数据都在那些环境中，而且大部分的知识也不在那，所以这对他们是一个小劣势，”他说。Henkin还指出，对于那些试图自己做到这一点的公司来说，训练一个AI模型以建立一个可比的上下文是相当复杂的。