Prisijunkite prie mūsų kasdienių ir savaitinių naujienlaiškių, kad gautumėte naujausių naujienų ir išskirtinio turinio apie pramonėje pirmaujančią AI aprėptį. Sužinokite daugiau
Įmonės duomenų krūvos yra labai įvairios, chaotiškos ir suskaidytos. Duomenims iš kelių šaltinių patenkant į sudėtingas, kelių debesų platformas ir paskirstant įvairioms AI, BI ir pokalbių robotų programoms, šių ekosistemų valdymas tapo didžiuliu ir daug laiko reikalaujančiu iššūkiu. Šiandien „Connecty AI“, San Franciske įsikūrusi startuolis, iš slaptojo režimo atsirado su 1,8 mln.
Pagrindinė „Connecty“ naujovė yra kontekstinis variklis, apimantis visus įmonių horizontalius duomenų srautus, aktyviai analizuojantis ir jungiantis įvairius duomenų šaltinius. Susiedama duomenų taškus, platforma realiu laiku fiksuoja niuansų supratimą apie tai, kas vyksta versle. Šis „kontekstinis suvokimas“ leidžia atlikti automatizuotas duomenų užduotis ir galiausiai suteikia tikslių, veiksmingų verslo įžvalgų.
Dar savo pradžioje „Connecty“ jau supaprastina duomenų užduotis kelioms įmonėms. Platforma sumažina duomenų grupių darbą iki 80%, įgyvendindama projektus, kurie kadaise trukdavo savaites per kelias minutes.
Ryšys sukuria tvarką „duomenų chaose“
Dar prieš kalbos modelių amžių duomenų chaosas buvo niūri realybė.
Struktūruotai ir nestruktūrizuotai informacijai augant precedento neturinčiu tempu, komandos nuolat stengėsi išlaikyti tvarkingą suskaidytų duomenų architektūrą. Dėl to jų esminis verslo kontekstas buvo išsklaidytas, o duomenų schemos pasenusios, o tai lemia prastai veikiančias paskesnes programas. Įsivaizduokite atvejį, kai dirbtinio intelekto pokalbių robotai kenčia nuo haliucinacijų arba BI prietaisų skydeliai pateikia netikslias verslo įžvalgas.
„Connecty AI“ įkūrėjai Aishas Agarwalas ir Peteris Wisniewskis šiuos iššūkius matė iš pirmų lūpų, atlikdami atitinkamus vaidmenis duomenų vertės grandinėje, ir pažymėjo, kad viskas susiveda į vieną pagrindinę problemą: verslo duomenų, pasklidusių vamzdynuose, niuansų suvokimą. Iš esmės komandos turėjo atlikti daug rankinio darbo rengdamos duomenis, sudarydamos žemėlapius, tirdamos duomenis ir rengdamos duomenų modelį.
Norėdami tai išspręsti, duetas pradėjo dirbti su paleidimu ir konteksto varikliu, kuris yra jo centre.
„Mūsų sprendimo esmė yra patentuotas konteksto variklis, kuris realiuoju laiku ištraukia, sujungia, atnaujina ir praturtina duomenis iš įvairių šaltinių (integruojant be kodo), kuris apima žmogaus ciklo grįžtamąjį ryšį, kad būtų galima patikslinti. pasirinktiniai apibrėžimai. Tai darome derindami vektorines duomenų bazes, grafikų duomenų bazes ir struktūrinius duomenis, kurdami „konteksto grafiką“, kuris fiksuoja ir palaiko niuansuotą, tarpusavyje susijusį visos informacijos vaizdą“, – „VentureBeat“ pasakojo Agarwal.
Kai bus parengta konkrečiai įmonei būdinga konteksto diagrama, apimanti visus duomenų srautus, platforma ją naudoja automatiškai sugeneruoti dinamišką individualizuotą semantinį sluoksnį, skirtą kiekvieno vartotojo asmenybei. Šis sluoksnis veikia fone, aktyviai generuodamas rekomendacijas duomenų srautuose, atnaujindamas dokumentaciją ir įgalindamas teikti kontekstui svarbias įžvalgas, iš karto pritaikytas įvairių suinteresuotųjų šalių poreikiams.
„Connecty AI taiko gilų skirtingų duomenų rinkinių ir jų ryšių su kiekvienu objektu kontekstinį mokymąsi, kad sukurtų išsamią dokumentaciją ir identifikuotų verslo metriką, pagrįstą verslo tikslais. Duomenų rengimo etape „Connecty AI“ sukurs dinaminį semantinį sluoksnį, kuris padės automatizuoti duomenų modelių generavimą, tuo pačiu išryškindamas neatitikimus ir pašalindamas juos pasitelkdamas žmonių atsiliepimus, kurie dar labiau praturtina konteksto mokymąsi. Be to, duomenų tyrinėjimo savitarnos galimybės suteiks galimybę produktų vadybininkams savarankiškai atlikti ad hoc analizes, sumažinant jų pasitikėjimą techninėmis komandomis ir palengvinant judresnį, duomenimis pagrįstą sprendimų priėmimą“, – aiškino Agarwal.
Įžvalgos pateikiamos per „duomenų agentus“, kurie sąveikauja su vartotojais natūralia kalba, atsižvelgdami į jų technines žinias, prieigos prie informacijos lygį ir leidimus. Iš esmės, aiškina įkūrėjas, kiekvienas naudotojas gauna pritaikytą patirtį, atitinkančią jų vaidmenį ir įgūdžių rinkinį, todėl lengviau efektyviai sąveikauja su duomenimis, padidina produktyvumą ir sumažina išsamaus mokymo poreikį.
Reikšmingi rezultatai ankstyviesiems partneriams
Nors daugelis įmonių, įskaitant startuolius, pvz., DataGPT, ir kelių milijardų dolerių gigantus, tokius kaip Snowflake, žadėjo greitesnę prieigą prie tikslių įžvalgų, naudodamos didelėmis kalbų modeliais valdomomis sąsajomis, „Connecty“ teigia išsiskirianti konteksto grafikais pagrįstu metodu, apimančiu visą krūvą, o ne tik vieną ar dvi platformas.
Bendrovės teigimu, kitos organizacijos automatizuoja duomenų darbo eigą interpretuodamos statinę schemą, tačiau šis metodas yra nepakankamas gamybinėse aplinkose, kur reikia nuolat tobulėti, nuosekliai suprasti duomenis visose sistemose ir komandose.
Šiuo metu „Connecty AI“ yra išankstinio pajamų stadijoje, nors ji bendradarbiauja su keliomis įmonėmis-partnerėmis, siekdama toliau gerinti savo produkto našumą naudojant realius duomenis ir darbo eigą. Tai apima „Kittl“, „Fiege“, „Mindtickle“ ir „Dept“. Visos keturios organizacijos savo aplinkoje naudoja „Connecty POC“ ir sugebėjo optimizuoti duomenų projektus, sumažindamos savo komandų darbą iki 80 % ir paspartindamos įžvalgų pateikimo laiką.
„Mūsų duomenų sudėtingumas sparčiai auga, o duomenų paruošimas ir metrikos analizė užtrunka ilgiau. Vidutiniškai lauktume 2–3 savaites, kad paruoštume duomenis ir iš mūsų produktų naudojimo duomenų gautume tinkamas įžvalgas ir sujungtume juos su operacijų ir rinkodaros duomenimis. Dabar su „Connecty AI“ tai yra kelių minučių klausimas“, – sakė „Kittl“ generalinis direktorius Nicolas Heymannas.
Kaip kitą žingsnį „Connecty“ planuoja išplėsti konteksto variklio supratimo galimybes, palaikydama papildomus duomenų šaltinius. Jis taip pat pristatys produktą platesniam įmonių ratui kaip API paslaugą, apmokestindamas jas pagal vietą arba naudojimu pagrįstą kainodaros modelį.
Source link
