admin 
Jaredas Zhao iš pradžių susidomėjo duomenų analize per savo laiką UC Berkeley, nes jis buvo atkreiptas į tai, kaip tai galėtų paversti neapdorotus duomenis istorija. „Zhao“ įkūrė savo pirmąjį duomenų analizės paleidimo politūrą 2021 m., Tačiau generatyvinės AI pažangos vos po metų privertė Zhao suvokti, kokia „Poluture“ statyba buvo per daug sudėtinga tam, ko vartotojai ieškos post-ChatGPT pasaulyje, ir nusprendė pakeisti kursą.
Rezultatas buvo „AthEnic AI“, įmonė, kuri naudoja AI duomenų analizei paleisti įmonėms visuose jų duomenų šaltiniuose. „Zhao“, įkūrėjas ir generalinis direktorius, teigė, kad „Athenic“ produktai yra sukurti kaip centrinė organizacijos duomenų bazių nervų sistema, kuria gali naudotis visi įmonės nariai, nepaisant jų kodavimo ar duomenų patirties.
„Zhao“ (nuotraukoje aukščiau centre) pridūrė, kad „Athenic“ yra pastatytas taip, kad būtų lankstus ir gali dirbti su įmonėmis, kad jos AI būtų suprasta įmonės „genčių žinios“, KPI ar vidinė terminija, kad AI turėtų reikiamą kontekstą tinkamai analizuoti.
Kiekvienoje duomenų ataskaitoje pateikiamos AI varomosios sistemos traukos apima paaiškinimą, kaip AI interpretavo duomenis, kurie vartotojams lengviau pastebėti galimas klaidas ir pateikti AI modelio atsiliepimus. Zhao pridūrė, kad tai padeda matomumui ir kad jie nori, kad AI būtų kuo arčiau 100% tikslumo, tačiau žmonių duomenų analitikai taip pat negali pasiekti 100% tikslumo.
„Net kai sistema neteisinga, ji žino, kad ji gali būti neteisinga, ir vartotojui paaiškina, kodėl ji mano, kad ji gali būti neteisinga“, – teigė Zhao. „Ir tai daro geras duomenų analitikas. Jie ne tik pateikia jums ataskaitą ar diagramą, bet ir pateikia jums santrauką, kurioje paaiškinama, kaip jūs turėtumėte tai interpretuoti ir ką jie padarė, kad atliktumėte šią analizę. “
Bendrovė buvo įkurta 2022 m. Ir išleido savo produktą 2022 m. Vasarą. Nuo tada, kai ji buvo pradėta, „Atėnė“ galėjo nusileisti klientams, pradedant mažais startuoliais ir baigiant didelėmis įmonėmis, įskaitant „Additel“ ir PMC. „Zhao“ teigė, kad bendrovė rado daugybę mažesnių klientų per išvykstančiųjų pardavimo klientus, tačiau dauguma jų įmonių klientų atsirado iš atvykstančių susidomėjimo.
San Fransiske įsikūrusi „AthEnic“ dabar skelbia 4,3 mln. USD sėklų turą, kuriam vadovauja „BMW I Ventures“, dalyvaujant „TenVC“, „Scrum Ventures“ ir „2 Stage Capital“. Zhao sakė, kad pinigai bus skirti samdyti ir sukurti naujas technologijų galimybes.
„Šiandien vartotojas užduoda klausimus ir ištraukia įžvalgas iš sistemos, kurią jie nori pamatyti“, – sakė Zhao. „Taip pat yra pasaulis, kuriame duomenys turi tam tikrą įžvalgą, įgimtą duomenims, kuriuos norėsime pasiūlyti vartotojui, kol jie net neprašys“.
„BMW I Ventures“ direktorė Samantha Huang pasakojo „TechCrunch“, kad ji buvo supažindinta su „AthEnic“ savotiškai atsitiktiniu būdu. Huang teigė, kad jos įmonė nusprendė geriau pajusti AI startuolio ekosistemą apskritai ir „virti vandenyną“, pasiekdama kuo daugiau AI startuolių, kad galėtų patikrinti vibe.
„Athentic“ buvo vienas iš jų. Huangas teigė, kad įmonė išsiskyrė iš kitų duomenų analizės kompanijų dėl to, kad ji padeda įmonėms gauti AI modelius, sukurtus atsižvelgiant į konkrečią įmonės kontekstą ir žinias.
„Daugelis kompanijų naudos šiuos bendrus, piniginius, pagrindinius modelius, tačiau problema yra ta, kad modelis yra toks kvailas, jei nežinote, kaip atrodo kliento aplinkos duomenys“, – sakė ji. „Jaredas ėmėsi naujo požiūrio, derindamas žinių grafiką ir pagrindinius modelius, kurie leido jam įveikti šią problemą“.
Duomenų analizės rinka yra perpildyta ir greičiausiai vis labiau padidės, todėl pagerės generatyvinė AI ir daugiau kompanijų siekia išnaudoti, kaip AI gali pagerinti savo duomenų valdymą ir naudojimą. „Databricks“ yra tik vienas pavyzdys šiame sektoriuje, kuris surinko daugiau nei 19 milijardų dolerių rizikos kapitalo ir šiuo metu yra vertinamas 62 milijardais dolerių. Taip pat yra daugybė duomenų saugojimo ir optimizavimo įmonių, kurios galėtų lengvai išsiplėsti į tą erdvę.
„Zhao“ mano, kad įmonės daug dėmesio skiria vartotojų patirčiai ir užtikrinant, kad AI modeliai turėtų tinkamą įmonės kontekstą, padėtų jas atskirti.
„Mes tiesiog manome, kad yra per daug įmonių, kurios vykdomos be tinkamų žinių, net jei visi duomenys yra techniškai“, – teigė Zhao. „Viršuje žmonės kartais, ne iš nežinojimo, daugybę kartų skraido aklai, ir tai yra problema, kurią mes tikrai norime išspręsti“.
