AI供应商常常将其企业产品宣传为即插即用的解决方案，但AI代理要立即投入使用的可能性较低。除非对模型进行针对企业特定需求的训练，否则很难理解公司如何定义收入或谁有权限查看哪些文件。这也是为何AI公司部署工程师以帮助其产品整合到客户系统中的原因之一。
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连接企业的知识源，构建AI代理可以利用的“上下文图”。这些知识源可以是数据库、数据仓库、SaaS应用程序或BI工具，以及报告、文档、代码库，甚至Slack频道和会议记录等非结构化源。
为了实现这一目标，Jedify在由Norwest领投的A轮融资中筹集了2400万美元。此轮融资还得到了老投资者S Capital VC和Cerca Partners的参与，以及新投资者Oceans Ventures的支持。数据巨头Snowflake也作为战略投资者参与其中，并将该初创公司的技术与其AI产品（如Cortex AI服务、Semantic Views和CoWork）集成。
Jedify的主张是，要在企业中发挥作用，AI代理需要访问实体、数据、权限、领域知识、工作流程、操作假设和公司特定术语之间的关系。这一上下文使得AI代理能够将注意力集中在特定任务相关的信息上，而不是在公司所有信息中进行搜索。
联合创始人兼首席执行官Assaf Henkin指出，Kiteworks（一个合规公司）是客户使用Jedify的一个例子。Kiteworks将Snowflake、Tableau、Notion和内部手册（包括文档和截图）连接到Jedify，然后为不同的客户工作流构建代理工具。“他们希望为销售人员和客户团队提供一个复杂的应用程序——可以将其视为一个仪表盘应用程序和一个实时对话应用程序。当他们进入客户对话时，Jedify会即时构建他们需要了解的所有信息。在对话过程中，他们可以实时获取非常具体的细节，”Henkin说道。
Jedify的上下文图与公司已经使用的语义层、元数据目录和知识图谱不同，因为它是多维的，能够捕捉实体、数据、人员、权限和客户之间的关系。它还具有模型无关性，并能在信息流入和流出连接的系统时实时更新。“当你想启用一个真正自主的代理解决方案，以驱动CRM数据、Zendesk票据，甚至可能是实时进入的遥测数据时，这时上下文图在能力上远胜于语义层，”他说。
权限显然是一个障碍。例如，不应允许代理向实习生提供CFO的收入预测。Henkin表示，其平台通过从身份系统、文件系统、SaaS工具和数据库继承权限（包括行级、列级和表级访问规则），然后允许客户创建额外的组来定义代理或工作流可以接触的内容和对象。此外，它还提供可观察性和治理工具，帮助客户确保其AI代理按预期行为。
Jedify目前的目标是中型和大型企业客户，这些客户拥有成熟的数据堆栈和多个数据库或数据仓库。Henkin表示，公司目前有10到20个早期客户，其中之一是The Weather Company，并且在数据密集型行业（如游戏、工业和消费品）中看到兴趣。
Snowflake的投资和合作关系尤为重要，因为大型数据平台也在尝试构建类似的能力。但Henkin认为，Jedify与这些努力是互补的，因为大多数公司的数据和大部分的机构知识通常不会存储在单一的云提供商那里。“[大型数据公司]会告诉你，‘哦，没问题，尽管把所有东西都带过来。’但实际上，公司有多个数据库、仓库和数据解决方案……最大的问题是，你的所有数据并不都在那些环境中，大部分知识也不在那，所以他们实际上有一些劣势，”他说。
Henkin还指出，对于那些试图自行完成此任务的公司，训练AI模型以构建类似的上下文层可能会造成高昂的成本，尤其是在公司对AI令牌使用进行审查和限制的情况下。而AI模型开发的快速进展也与公司的更广泛赌注相呼应：随着模型变得更强大和可互换，帮助这些模型在企业内更好工作的专有上下文可能会成为一种有价值且持久的护城河。
该初创公司将利用这笔新资金进行产品开发、招聘和市场推广。此次融资使公司总融资额达到约3300万美元。
博主点评： Jedify的上下文图技术为企业AI代理提供了重要的背景信息，使其更加智能和高效。随着AI技术的不断发展，企业需要重视如何整合数据和知识，以提升AI模型的实用性和决策能力。此类创新为企业数字化转型奠定了基础，值得关注。