Как контекстное отображение ИИ от Connecty может положить конец хаосу в корпоративных конвейерах данных

Сегодня стартап Connecty AI из Сан-Франциско вышел из скрытого режима с 1,8 млн долларов, чтобы упростить эту сложность с помощью контекстно-зависимого подхода.

Основная инновация Connecty — контекстный движок, который охватывает все горизонтальные конвейеры данных предприятий, активно анализируя и соединяя различные источники данных. Связывая точки данных, платформа фиксирует тонкое понимание того, что происходит в бизнесе в режиме реального времени. Эта «контекстная осведомленность» обеспечивает автоматизированные задачи по работе с данными и в конечном итоге обеспечивает точные, действенные бизнес-идеи.

Хотя Connecty еще на ранних этапах своего развития, он уже оптимизирует задачи по работе с данными для нескольких предприятий. Платформа сокращает работу групп по работе с данными до 80%, выполняя проекты, которые раньше занимали недели, за считанные минуты.

Connecty наводит порядок в «хаосе данных»

Даже до эпохи языковых моделей хаос данных был мрачной реальностью.

Поскольку структурированная и неструктурированная информация росла беспрецедентными темпами, командам постоянно приходилось бороться за поддержание порядка в своих фрагментированных архитектурах данных. Это привело к тому, что их основной бизнес-контекст был разбросан, а схемы данных устарели, что привело к неэффективной работе нижестоящих приложений. Представьте себе случай чат-ботов ИИ, страдающих от галлюцинаций, или панелей управления бизнесом, предоставляющих неточные бизнес-идеи.

Основатели Connecty AI Айш Агарвал и Питер Вишневски увидели эти проблемы своими глазами в своих ролях в цепочке создания стоимости данных и отметили, что все сводится к одной главной проблеме: пониманию нюансов бизнес-данных, распределенных по конвейерам. По сути, командам приходилось выполнять много ручной работы для подготовки данных, картирования, разведочного анализа данных и подготовки модели данных.

Чтобы исправить это, дуэт начал работать над стартапом и контекстным движком, который лежит в его основе.

«Ядро нашего решения — это фирменный контекстный движок, который в режиме реального времени извлекает, соединяет, обновляет и обогащает данные из различных источников (через интеграции без кода), что включает обратную связь с человеком для тонкой настройки пользовательских определений. Мы делаем это с помощью комбинации векторных баз данных, графовых баз данных и структурированных данных, создавая «контекстный граф», который фиксирует и поддерживает детальное, взаимосвязанное представление всей информации», — рассказал Агарвал VentureBeat.

Как только корпоративный контекстный граф, охватывающий все конвейеры данных, готов, платформа использует его для автоматического создания динамического персонализированного семантического слоя для персоны каждого пользователя. Этот слой работает в фоновом режиме, проактивно генерируя рекомендации в конвейерах данных, обновляя документацию и обеспечивая доставку контекстно-релевантных идей, мгновенно адаптированных к потребностям различных заинтересованных сторон.

«Connecty AI применяет глубокое контекстное обучение разрозненных наборов данных и их связей с каждым объектом для создания всеобъемлющей документации и определения бизнес-показателей на основе бизнес-намерений. На этапе подготовки данных Connecty AI сгенерирует динамический семантический слой, который поможет автоматизировать создание модели данных, одновременно выделяя несоответствия и устраняя их с помощью обратной связи от человека, что еще больше обогащает контекстное обучение. «Кроме того, возможности самообслуживания для исследования данных позволят менеджерам по продуктам проводить независимый анализ, минимизируя их зависимость от технических групп и способствуя более гибкому принятию решений на основе данных», — пояснил Агарвал.

Информация передается через «агентов данных», которые взаимодействуют с пользователями на естественном языке, учитывая их технические знания, уровень доступа к информации и разрешения. По сути, объясняет основатель, каждая персона пользователя получает индивидуальный опыт, который соответствует их роли и набору навыков, что упрощает эффективное взаимодействие с данными, повышает производительность и снижает потребность в обширном обучении.