加入我们的每日和每周时事通讯，了解有关行业领先人工智能报道的最新更新和独家内容。了解更多
众所周知，企业数据堆栈是多样化、混乱和碎片化的。随着数据从多个来源流入复杂的多云平台，然后分布在各种人工智能、商业智能和聊天机器人应用程序中，管理这些生态系统已成为一项艰巨且耗时的挑战。今天，连接人工智能总部位于旧金山的初创公司以 180 万美元的价格从隐形模式中脱颖而出，通过上下文感知方法简化了这种复杂性。
Connecty 的核心创新是一个跨企业整个水平数据管道的上下文引擎，可主动分析和连接不同的数据源。通过链接数据点，该平台可以实时捕捉对业务动态的细致了解。这种“情境意识”为自动化数据任务提供支持，并最终实现准确、可操作的业务洞察。
尽管仍处于早期阶段，Connecty 已经在为多家企业简化数据任务。该平台将数据团队的工作量减少了高达 80%，只需几分钟即可执行曾经需要数周时间的项目。
Connecty 为“数据混乱”带来秩序
即使在语言模型时代之前，数据混乱也是一个严峻的现实。
和结构化和非结构化信息以前所未有的速度增长，团队一直在努力保持分散的数据架构的有序性。这使得他们的基本业务环境分散，数据模式过时，导致下游应用程序性能不佳。想象一下人工智能聊天机器人遭受以下问题的情况：幻觉或 BI 仪表板提供不准确的业务见解。
Connecty AI 创始人 Aish Agarwal 和 Peter Wisniewski 在各自的数据价值链角色中亲眼目睹了这些挑战，并指出一切都归结为一个主要问题：掌握跨管道传播的业务数据的细微差别。从本质上讲，团队必须做大量的手动工作来进行数据准备、映射、探索性数据分析和数据模型准备。
为了解决这个问题，两人开始致力于启动和位于其核心的上下文引擎。
– 我们解决方案的核心是专有的上下文引擎，它可以实时提取、连接、更新和丰富来自不同来源的数据（通过无代码集成），其中包括人机交互反馈-调整自定义定义。我们通过组合来做到这一点矢量数据库、图形数据库和结构化数据，构建一个“上下文图”，捕获并维护所有信息的细致入微、相互关联的视图，”Agarwal 告诉 VentureBeat。
一旦覆盖所有数据管道的企业特定上下文图准备就绪，平台就会使用它为每个用户角色自动生成动态个性化语义层。该层在后台运行，在数据管道中主动生成建议、更新文档并提供上下文相关的见解，并根据不同利益相关者的需求即时定制。
– Connecty AI 应用不同数据集及其与每个对象的连接的深度上下文学习，以生成全面的文档并根据业务意图识别业务指标。在数据准备阶段，Connecty AI 将生成一个动态语义层，帮助自动生成数据模型，同时突出不一致之处并通过人类反馈解决它们，从而进一步丰富上下文学习。此外，数据探索的自助服务功能将使产品经理能够独立执行临时分析，最大限度地减少对技术团队的依赖，并促进更敏捷、数据驱动的决策制定，”Agarwal 解释道。
这些见解是通过“数据代理”提供的，这些代理以自然语言与用户交互，同时考虑他们的技术专长、信息访问级别和权限。创始人解释说，从本质上讲，每个用户角色都会获得适合其角色和技能的定制体验，从而更轻松地有效地与数据交互，从而提高生产力并减少大量培训的需求。
早期合作伙伴取得显着成果
虽然很多公司，包括初创公司，数据GPT像 Snowflake 这样价值数十亿美元的巨头一直承诺通过大型语言模型驱动的界面更快地获得准确的见解，Connecty 声称以其基于上下文图的方法脱颖而出，该方法涵盖整个堆栈，而不仅仅是一两个平台。
据该公司称，其他组织通过解释静态模式来自动化数据工作流程，但这种方法在生产环境中存在不足，因为生产环境需要对跨系统和团队的数据有一个不断发展、一致的理解。
目前，Connecty AI 正处于预盈利阶段，尽管它正在与多家合作伙伴公司合作，进一步提高其产品在实际数据和工作流程上的性能。其中包括 Kittl、Fiege、Mindtickle 和 Dept。这四个组织都在其环境中运行 Connecty POC，并且能够优化数据项目，将团队工作量减少多达 80%，并加快获得洞察的时间。
– 我们的数据复杂性正在快速增长，数据准备和分析指标需要更长的时间。我们平均需要等待 2-3 周来准备数据并从产品使用数据中提取可行的见解，并将其与交易和营销数据合并。现在有了 Connecty AI，这只需几分钟，”Kittl 首席执行官 Nicolas Heymann 说道。
下一步，Connecty 计划通过支持其他数据源来扩展其上下文引擎的理解能力。它还将作为 API 服务向更广泛的公司推出该产品，并按每个席位或基于使用的定价模式向他们收费。