เงินทุนไม่ได้มุ่งสร้างโมเดลอย่างเดียว
โครงสร้างพื้นฐาน AI สำหรับเอเจนต์คือชุดระบบที่ช่วยให้ปัญญาประดิษฐ์จดจำบริบท เข้าถึงข้อมูลที่กระจัดกระจาย และทำงานต่อเนื่องได้จริงในองค์กร โดยไม่ต้องพึ่งการสร้างโมเดลใหม่เพียงอย่างเดียว สามบริษัทที่ประกาศระดมทุนในเดือนพฤศจิกายนกำลังเร่งพัฒนาคนละชั้นของระบบนี้ ซึ่งสำคัญพอ ๆ กับความสามารถในการให้เหตุผลของโมเดล
Graphon Labs ระดมทุน Series A เพื่อขยายระบบความจำถาวรให้เอเจนต์ต่อยอดจากข้อมูลก่อนหน้าได้ ส่วน Rox ใช้เงินทุนเพื่อพัฒนางานวิจัยและโมเดลเฉพาะทางควบคู่กับการขยายตลาดองค์กร ขณะที่ PuppyGraph แก้ปัญหาการค้นความเชื่อมโยงในข้อมูลจำนวนมากด้วยการประมวลผลแบบกราฟ ภาพรวมนี้ชี้ว่าการแข่งขันไม่ได้อยู่ที่ใครสร้างโมเดลเก่งกว่าเท่านั้น แต่ยังอยู่ที่ใครทำให้เอเจนต์มีข้อมูลที่ถูกต้องและทำงานได้ในสภาพแวดล้อมจริง

Graphon สร้างความจำให้เอเจนต์ต่อยอดได้
Graphon Labs ระดมทุน Series A เพื่อขยายโครงสร้างพื้นฐานด้านความจำถาวรสำหรับเอเจนต์ AI ในผลิตภัณฑ์องค์กร เครื่องมือสำหรับนักพัฒนา และอุปกรณ์ต่าง ๆ โดยเป้าหมายคือพาเทคโนโลยีจากช่วงทดลองไปสู่การติดตั้งใช้งานในวงกว้าง เงินทุนยังสนับสนุนการเปิดโครงสร้างพื้นฐานให้นักพัฒนาเข้าถึง การวิจัย และการใช้งานความจำบนอุปกรณ์
แนวคิดของบริษัทคือให้ระบบเข้าถึง ทำความเข้าใจ และจดจำข้อมูลเดิมอย่างต่อเนื่อง แทนการพึ่งการค้นคืนข้อมูลที่อาจแยกความสัมพันธ์หรือประวัติออกจากกัน แพลตฟอร์มจัดโครงสร้างข้อมูลหลายรูปแบบและเก็บลิงก์กลับไปยังแหล่งต้นทาง ทำให้คำตอบตรวจสอบได้ อินเทอร์เฟซรองรับทั้งการค้นด้วยคำสำคัญ ความหมาย รูปภาพ และคำถามที่เอเจนต์ตอบจากหลายแหล่ง ประโยชน์ต่อผู้ใช้จึงอยู่ที่การถามต่อจากข้อมูลเดิมได้ โดยไม่ต้องเริ่มอธิบายบริบทใหม่ทุกครั้ง
โจทย์ถัดไปของ Graphon ไม่ใช่แค่ทำให้ระบบจำได้ แต่ต้องทำให้ลูกค้าองค์กรติดตั้งจริง ดึงนักพัฒนาภายนอกมาสร้างต่อ และปรับเทคโนโลยีให้เหมาะกับโทรศัพท์ แล็ปท็อป กล้อง และอุปกรณ์สวมใส่ ความจำที่ใช้ได้ทั้งบนระบบองค์กรและอุปกรณ์ส่วนตัวอาจเป็นข้อได้เปรียบ แต่การพิสูจน์ต้นทุน ความเร็ว และความน่าเชื่อถือในการใช้งานจริงยังเป็นบททดสอบสำคัญ
Rox รวมข้อมูลลูกค้าให้เอเจนต์ลงมือทำ
Rox ระดมทุน Series B เพื่อเร่งงานวิจัย AI พัฒนาโมเดลเฉพาะทาง และขยายการขายให้ลูกค้าองค์กรในภาคสุขภาพ อุตสาหกรรม การเงิน พลังงาน และเทคโนโลยี แพลตฟอร์มของบริษัทไม่ได้หยุดที่การหาผู้สนใจซื้อ แต่เชื่อมงานตั้งแต่การประเมินรายชื่อและสร้างปฏิสัมพันธ์ ไปจนถึงการปิดการขาย ต่ออายุ และขยายบัญชีลูกค้า
ระบบดึงข้อมูลจากระบบบริหารลูกค้า อีเมล ปฏิทิน เครื่องมือสื่อสาร บันทึกการโทร เอกสาร และแหล่งข้อมูลออนไลน์ แล้วใช้กราฟความรู้เชื่อมข้อมูลและจัดการค่าที่ขัดแย้งกัน จุดแข็งจึงไม่ใช่เพียงการให้เอเจนต์เขียนข้อความติดต่อ แต่คือการสร้างบริบทของลูกค้าจากหลายระบบและส่งต่อไปยังงานที่ต้องทำ ผู้ใช้ยังตรวจสอบการส่ง หยุดระบบอัตโนมัติ และทบทวนการนัดหมายได้ โดยเอเจนต์สามารถจัดการคำตอบและนัดประชุมเมื่อได้รับอนุญาต
การเติบโตของ Rox จะขึ้นกับการทำให้การเชื่อมข้อมูลและการควบคุมการทำงานเชื่อถือได้ ไม่ใช่เพียงเพิ่มจำนวนงานอัตโนมัติ เงินทุนที่จัดสรรทั้งการพัฒนาโมเดลและการขยายตลาดจึงสะท้อนว่าบริษัทต้องพิสูจน์สองเรื่องพร้อมกัน ได้แก่ เอเจนต์ทำงานได้ดีขึ้นจริง และองค์กรยอมให้มันเข้าถึงข้อมูลกับกระบวนการสำคัญ
PuppyGraph แก้คอขวดข้อมูลนับพันตาราง
PuppyGraph ระดมทุน Series A เพื่อขยายงานวิศวกรรมและการเข้าถึงลูกค้าองค์กร หลังเปิดตัวรุ่น 1.0 บริษัทมุ่งให้เอเจนต์ค้นความสัมพันธ์ระหว่างข้อมูลจากระบบต่าง ๆ โดยไม่ต้องย้ายข้อมูลทั้งหมดไปเก็บในฐานกราฟแยกต่างหาก วิธีนี้ตอบโจทย์องค์กรที่การทดลองอาจครอบคลุมเพียงไม่กี่สิบตาราง แต่คำถามเมื่อใช้งานจริงต้องเชื่อมข้อมูลได้ถึง 3,000 ตารางและหลายระบบ
เมื่อจำนวนตารางเพิ่มขึ้น เอเจนต์ต้องรับมือกับคำอธิบายโครงสร้างข้อมูลและเส้นทางเชื่อมที่ซับซ้อน การค้นลึกอาจช้าจนใช้โต้ตอบไม่ได้ PuppyGraph จึงสร้างชั้นประมวลผลกราฟบนแหล่งข้อมูลเดิม และช่วยสร้างแบบจำลองความสัมพันธ์จากตารางที่มีอยู่ ผลทดสอบหนึ่งทำคำถามที่เชื่อมต่อกันสิบช่วงจากข้อมูลหลายพันล้านความสัมพันธ์เสร็จใน 2.26 วินาทีบนเครื่องสี่เครื่อง ตัวเลขนี้ชี้ศักยภาพด้านความเร็ว แต่การใช้งานจริงยังต้องวัดกับข้อมูลและรูปแบบคำถามของแต่ละองค์กร
ทั้งสามบริษัทจึงลงเงินคนละจุดของโครงสร้างพื้นฐาน AI: Graphon ทำให้เอเจนต์จำบริบท Rox เชื่อมข้อมูลกับการปฏิบัติงานของลูกค้า และ PuppyGraph เร่งการค้นความสัมพันธ์ในคลังข้อมูลขนาดใหญ่ นี่เป็นสัญญาณว่าเอเจนต์ AI องค์กรจะพึ่งพาระบบรอบโมเดลมากขึ้นพอ ๆ กับตัวโมเดลเอง ความสำเร็จจะตัดสินจากการลดงานซ้ำ เพิ่มความแม่นยำ และผ่านข้อกำหนดด้านการควบคุมข้อมูล ไม่ใช่จากกระแสระดมทุนเพียงอย่างเดียว






