Jedify 获得 2400 万美元融资，旨在为 AI 代理提供商业背景信息

人工智能供应商通常将企业级产品宣传为“开箱即用”的解决方案，但人工智能代理从第一天起就能有效运行的可能性很低。 如果不根据贵公司的独特运营情况对模型进行定制，它就无法理解贵公司如何定义收入，也无法识别哪些员工有权访问特定文件。这正是人工智能公司派遣工程师协助将工具集成到客户环境中的原因之一。

总部位于纽约的初创公司Jedify正致力于解决这一具体挑战。 据该公司介绍，其平台通过API连接企业知识源，构建业务“上下文图”，从而使AI代理能够更高效地运行。这些知识源包括数据库、数据仓库、数据湖、SaaS应用、BI工具，以及报告、文档、代码库、Slack频道和会议录音等非结构化数据源。

为支持这一发展，据 TechCrunch 独家报道，Jedify 已完成由 Norwest 领投的 2400 万美元 A 轮融资。老投资者 S Capital VC 和 Cerca Partners 参与了本轮融资，新投资者 Oceans Ventures 也加入其中。 数据巨头 Snowflake 也作为战略投资者参与了本轮融资，并正在将 Jedify 的技术整合到其自身的人工智能产品中，包括 Cortex AI、Semantic Views 和 CoWork。

Jedify的核心理念是：AI代理必须理解实体、数据、权限、领域知识、工作流、运营假设以及企业特定术语之间的关系，才能在企业环境中真正发挥价值。该公司解释称，这种上下文理解能力使AI代理能够专注于与特定任务相关的信息，而非扫描整个组织的数据。

联合创始人兼首席执行官阿萨夫·亨金（上图最右侧）以合规公司 Kiteworks 为例，说明了客户如何利用 Jedify。 Kiteworks 将 Snowflake、Tableau、Notion 以及内部操作手册（包括文档和截图）与 Jedify 集成，随后针对各种客户工作流开发了智能代理工具。

“他们的目标是为销售和客户团队配备一款功能强大的应用程序——想象一下，一个集成了实时对话工具的仪表盘。当他们进入与客户的讨论时，Jedify 会动态生成他们需要了解的一切信息。在对话过程中，它会主动、实时地呈现高度具体的细节，”亨金说道。

Jedify 的上下文图。图片来源：Jedify 图片来源：Jedify /

亨金认为，Jedify 的上下文图与现有的语义层、元数据目录和知识图谱不同，因为它具有多维性——能够捕捉实体、数据、人员、权限和客户之间的关系。此外，它还具有模型无关性，并能随着信息在互联系统间流动而实时更新。

“当你需要一种能够自主运行的智能解决方案——在 CRM 数据、Zendesk 工单以及可能的实时遥测数据中进行决策时——与语义层相比，上下文图能提供远超其上的能力，”他表示。

权限问题是一个明显的挑战。例如，客服代表不应允许实习生访问首席财务官的营收预测数据。 亨金解释道，他的平台通过从身份系统、文件系统、SaaS工具和数据库（包括行级、列级和表级规则）继承权限来解决这一问题，并允许客户创建额外的组，以指定哪些代理或工作流可以访问相关数据。该平台还提供可观测性和治理工具，帮助客户验证其AI代理是否按预期运行。

Jedify 目前主要面向拥有成熟数据架构以及多个数据库或数据仓库的中型和大型企业客户。据亨金介绍，该公司目前拥有 10 至 20 家早期客户，其中包括 The Weather Company，并正吸引着游戏、工业和消费品等数据密集型行业的关注。

Snowflake 的投资与合作值得关注，因为各大数据平台也在开发类似功能。不过，亨金认为 Jedify 能与这些努力形成互补，因为企业的大部分数据及其绝大多数机构知识通常分散在多个服务提供商处，而非仅存于单一云平台。

“[大型数据公司]会告诉你，‘哦，是的，把所有数据都搬过来就行。’但实际上，企业拥有多个数据库、数据仓库和数据解决方案。关键在于，并非所有数据都存储在这些环境中，大部分知识也不在那里，所以这对它们来说实际上是一个劣势，”他说。

亨金还指出，对于试图独立构建类似上下文层的企业而言，训练人工智能模型的成本可能高得令人望而却步，尤其是在企业对人工智能令牌消耗越来越谨慎的情况下。

此外，AI模型发展的迅猛势头也印证了该公司的更广泛论点：随着模型变得越来越强大且可互换，能够提升其在企业内部性能的专有上下文，可能会成为一种宝贵且持久的竞争优势。

这家初创公司计划将新融资用于产品开发、人才招聘和市场推广活动。至此，该公司的累计融资总额已达到约3300万美元。