Euno ha raccolto 23 milioni di dollari in finanziamento Serie A per espandere la sua piattaforma di contesto IA per le imprese, poiché le aziende si trovano sempre più ad affrontare un problema che i soli modelli di base più avanzati non possono risolvere: fornire agli agenti IA conoscenze organizzative sufficienti per lavorare in modo affidabile con dati aziendali complessi.
Il round è stato guidato da N47, con la partecipazione dell’investitore esistente 10D e di un gruppo di fondatori e dirigenti tecnologici che include il cofondatore di Wiz Yinon Kostika, il cofondatore e CEO di Cyera Yotam Segev, il cofondatore e CEO di Eon Ofir Ehrlich, il fondatore di Tavily Rotem Weiss e l’ex CEO e presidente di Tableau Mark Nelson. Il finanziamento porta il totale dei fondi raccolti da Euno a 29 milioni di dollari.
Fondata nel 2023 da Sarah Levy ed Eyal Firstenberg, Euno prevede di utilizzare il nuovo capitale principalmente per espandere le vendite e il marketing, aumentando al contempo gli investimenti nella ricerca IA. L’azienda, che opera negli Stati Uniti e in Israele e impiega quasi 30 persone, prevede di raddoppiare approssimativamente il proprio organico entro la fine dell’anno.
Il collo di bottiglia dell’IA aziendale si sta spostando verso il contesto
Il rapido miglioramento dei grandi modelli linguistici ha reso sempre più fattibile il dispiegamento di agenti IA in grado di interrogare database, generare analisi, scrivere codice e automatizzare processi aziendali. Tuttavia, collegare un agente ai sistemi aziendali introduce un’altra sfida: sapere quale informazione è autorevole.
Una grande organizzazione può avere migliaia di tabelle, cruscotti, metriche, modelli di dati e definizioni concorrenti per lo stesso concetto di business. Un agente IA a cui si chiede di calcolare il fatturato, ad esempio, ha bisogno di più di un semplice accesso a un database. Deve sapere quale metrica di fatturato è approvata, quali tabelle sono aggiornate, come viene calcolata la metrica, da dove provengono i suoi input e se l’utente richiedente è autorizzato ad accedere alle informazioni sottostanti.
Euno sta cercando di trasformare tale conoscenza istituzionale in un’infrastruttura leggibile dalla macchina.
La sua piattaforma costruisce continuamente un grafo di contesto in tempo reale che incorpora informazioni come la provenienza dei dati, l’uso, la proprietà, la logica di business, i segnali di salute e lo stato di governance. Piuttosto che presentare ogni risorsa disponibile a un agente, il sistema può fornire il contesto rilevante per l’utente specifico, il compito e la decisione in corso.
Questa distinzione potrebbe diventare sempre più importante man mano che le aziende passano da sistemi IA che rispondono a domande a agenti autonomi in grado di compiere azioni su più sistemi aziendali.
“Models keep getting better and cheaper, but the long-term AI moat for enterprises will increasingly come from the accumulated record of how work gets done,” said Euno co-founder and CEO Sarah Levy. «I modelli continuano a migliorare e a diventare più economici, ma il vantaggio competitivo a lungo termine dell’IA per le imprese deriverà sempre più dal patrimonio accumulato di come il lavoro viene svolto», ha dichiarato la cofondatrice e CEO di Euno Sarah Levy.
Trasformare i metadati in infrastruttura per gli agenti IA
La tecnologia di Euno si basa sui metadati, le informazioni che descrivono da dove provengono i dati, come vengono trasformati, chi li utilizza e come le diverse risorse sono correlate tra loro.
La piattaforma mappa la provenienza a livello di colonna tra data warehouse, sistemi di analisi, cruscotti e metriche, per poi combinare tali informazioni con segnali di utilizzo e governance. Il suo sistema di etichettatura automatica può classificare dinamicamente le risorse con proprietà come “pronta per l’IA”, “senza PII”, “sana” o “certificata” in base a regole stabilite dall’organizzazione. tali classificazioni si aggiornano man mano che l’ambiente dati sottostante cambia.
Euno fornisce anche flussi di lavoro che possono rispondere quando tali condizioni cambiano. Le organizzazioni possono, ad esempio, identificare cruscotti non certificati che improvvisamente diventano molto utilizzati, tracciare la propagazione di informazioni personali identificabili (PII), segnalare modelli non documentati o evidenziare metriche che non soddisfano più gli standard di qualità interni.
L’azienda ha sviluppato il proprio Euno Query Language (EQL) per navigare le relazioni all’interno del grafo. Euno afferma che la sua architettura basata su grafo consente agli agenti di recuperare metadati interconnessi con un minor numero di query, potenzialmente riducendo la quantità di informazioni contestuali da trasmettere a un modello.
È importante sottolineare che la piattaforma è progettata per affiancarsi all’infrastruttura dati aziendale esistente anziché sostituirla. Euno supporta integrazioni che coprono data warehouse e piattaforme come Snowflake e Databricks; strumenti di trasformazione tra cui dbt; e piattaforme di business intelligence tra cui Tableau, Looker, Power BI, ThoughtSpot, Sigma e Omni.
Portare il contesto direttamente nei sistemi IA
Un altro componente della strategia di Euno è rendere questo contesto organizzativo direttamente accessibile agli agenti IA di terze parti.
L’azienda gestisce un server Model Context Protocol (MCP) attraverso il quale strumenti come Claude, Cursor, Visual Studio Code Copilot e altri sistemi compatibili possono interrogare il contesto aziendale di Euno. Gli agenti possono utilizzare questi strumenti per trovare risorse, ispezionare la provenienza a monte, eseguire analisi di impatto, cercare documentazione o generare ed eseguire query EQL.
Euno ha anche documentato integrazioni con sistemi tra cui Snowflake Intelligence, illustrando come il suo strato di contesto possa diventare efficacemente un intermediario tra modelli IA generici e il patrimonio dati sottostante di un’azienda.
Questa posizione riflette un cambiamento più ampio in atto nell’IA aziendale. Man mano che l’accesso a modelli capaci diventa sempre più commoditizzato, la differenziazione potrebbe spostarsi verso le informazioni proprietarie che circondano tali modelli: processi organizzativi, permessi, relazioni, decisioni storiche, definizioni e feedback dalle attività precedenti degli agenti.
Il contesto potrebbe diventare parte del vantaggio competitivo dell’IA aziendale
Euno sostiene che questo contesto accumulato possa diventare più prezioso nel tempo.
Quando un agente esegue un compito, il sistema può catturare informazioni su come è stato utilizzato il contesto e reinserire tali segnali nello strato di contesto aziendale. In teoria, ciò crea un ciclo di feedback in cui l’organizzazione costruisce progressivamente una rappresentazione più ricca, leggibile dalla macchina, di come opera il proprio business.
Ciò affronta anche una delle sfide centrali delle implementazioni di IA agente: governance. Consentire a un agente autonomo l’accesso ai sistemi aziendali senza comprendere quali informazioni può recuperare o come dovrebbe interpretarle introduce rischi operativi e di sicurezza. L’approccio di Euno combina il recupero contestuale con una governance sensibile ai ruoli, in modo che un agente riceva le informazioni appropriate al suo compito e ai suoi permessi, anziché un accesso illimitato all’intero ambiente.
L’azienda afferma che la sua piattaforma legge i metadati aziendali anziché i dati di business sottostanti, una distinzione architetturale volta a ridurre l’esposizione dei dati pur consentendo al sistema di mappare le relazioni e fornire agli agenti il contesto operativo.
Euno collabora già con clienti aziendali tra cui AlphaSense e Zayo Group, mentre il suo sito web documenta anche implementazioni con aziende come Bolt.
Per l’intera industria IA, l’importanza della Serie A di Euno va oltre un altro round di finanziamento per infrastrutture aziendali. I modelli di base stanno diventando rapidamente più capaci e sempre più intercambiabili per molti carichi di lavoro. Se questa tendenza continuerà, uno dei problemi più difficili sarà fornire a questi modelli una comprensione affidabile delle organizzazioni in cui operano.
Ciò potrebbe far sì che l’infrastruttura di contesto, piuttosto che il modello sottostante, diventi uno dei livelli più determinanti dello stack IA aziendale emergente.
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
