北京
在过去的两年里，一波由人工智能驱动的数据工具充斥着市场，每一种都声称要取代数据分析师。现实始终与理想有差距。这些工具无法解释企业系统中固有的碎片化、混乱的数据管道，导致数据团队仍将87%的时间用于组织数据，美国企业每年平均花费460万美元进行手动数据分析——直到现在。
Connecty AI以180万美元的种子前资金受到关注，其开发了一个上下文引擎，解决了企业数据中固有的复杂性。本轮融资由Market One Capital牵头，Notion Capital和数据行业专家参与其中，包括Snowflake的联合创始人Marcin Zukowski和Piwik PRO的创始人Maciej Zawadzinski。
如今，企业数据团队在三个关键维度上应对复杂性：横向数据管道（包括多源摄入、多云数据仓库、数据沿袭工具和编目系统）、多样化的消费模式（跨越CRM系统、BI仪表板和机器学习应用程序），以及跨数据工程师、分析师、治理团队和职能经理等角色的分布式人类知识库。
虽然早期的人工智能解决方案试图通过解释复杂的模式来自动化数据工作流程，但这些模型在企业环境中存在不足。在处理现实世界的数据复杂性时，即使90%的准确率也是不够的。大型语言模型需要的不仅仅是静态模式文件；它们需要跨系统和团队不断发展、有凝聚力的理解。
Connecty AI的首席执行官Aish Agarwal表示：“我们的经验告诉我们，有效的数据管理不仅仅是技术，而是将数据源、业务目标和使用它们的人联系起来。任何针对LLM数据代理的临时‘游击式实验’都可以导致试点应用程序，但要构建一个可靠的生产级应用程序要困难得多。”
Connecty AI的核心是做两件事：首先，它从不同的数据源和用例中提取并连接三维上下文，同时整合实时的人类反馈，创建特定于企业的上下文图。其次，它利用这种上下文，使用个性化的动态语义系统，跨各种角色自动化数据任务。该引擎在后台持续运行，在数据管道中主动生成建议，更新文档，并发现与业务目标一致的隐藏指标。
Connecty AI由Aish Agarwal和Peter Wisniewski创立，源于他们在数据价值链中的互补经验。在FL Studio，Agarwal遇到了数据系统碎片化导致业务洞察力延迟的低效问题，而Wisniewski为Point72对冲基金和一家欧洲主要电子商务公司构建数据平台的经验从数据工程的角度强调了类似的挑战。
Connecty AI提供企业数据代理，帮助组织代理复杂的数据任务，在加速决策的同时节省高达80%的手动数据准备和分析时间。
展望未来，Connecty AI将在其他数据源中扩展其上下文引擎的功能，并通过API将其作为服务提供。在一个充斥着人工智能工具的市场中，这些工具有望取代人类分析师但提供不可靠的结果，Connecty AI正在采取一种根本不同的方法——拥抱企业数据环境的复杂性，增强而不是取代人类的专业知识。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
