La société new-yorkaise Hebbia a récemment annoncé la finalisation d'une ronde de financement de série B de 130 millions de dollars, avec une solide liste d'investisseurs, dont Andreessen Horowitz, Index Ventures, Peter Thiel et Google Ventures. Hebbia s'engage à créer une interface de productivité LLM localisée conçue pour simplifier le processus d'extraction de valeur à partir de données de tous types et de toutes tailles. Sa clientèle cible couvre les services financiers, tels que les hedge funds et les banques d'investissement, et prévoit de s'étendre davantage à davantage d'entreprises.
Hebbia, basée à New York, a annoncé avoir levé 130 millions de dollars en financement de série B auprès d'investisseurs tels qu'Andreessen Horowitz, Index Ventures, Peter Thiel et la branche de capital-risque de Google.
Ce que Hebbia construit est quelque chose d'assez simple : une interface de productivité native LLM qui facilite la valorisation des données, quel que soit leur type ou leur taille. La société travaille déjà avec certains des plus grands acteurs du secteur des services financiers, notamment des fonds spéculatifs et des banques d'investissement, et prévoit d'apporter la technologie à davantage d'entreprises dans les prochains jours.
Entrée du produit : https://top.aibase.com/tool/hebbia
Bien que les chatbots basés sur LLM puissent s'appuyer sur des documents internes ou rapides, de nombreuses personnes notent que ces assistants sont incapables de répondre à des questions complexes sur les fonctions métier. Dans certains cas, le problème vient de la fenêtre contextuelle, qui ne peut pas gérer la taille du document fourni, tandis que dans d'autres cas, la complexité de la requête empêche le modèle de la résoudre avec précision. Les erreurs peuvent même affecter la confiance de l’équipe dans le modèle linguistique.
Hebbia comble cette lacune en fournissant la matrice copilote d'agent liée au LLM. Le produit s'intègre dans l'environnement commercial d'une entreprise, permettant aux travailleurs du savoir de poser des questions complexes liées aux documents internes - des PDF, feuilles de calcul et documents Word aux transcriptions audio - avec des fenêtres contextuelles illimitées.
Une fois que l'utilisateur a fourni une requête et les documents/fichiers associés, Matrix la décompose en opérations plus petites que LLM peut effectuer. Cela lui permet d'analyser toutes les informations contenues dans le document en une seule fois et d'en extraire le contenu requis sous une forme structurée. Hebbia a déclaré que la plate-forme permet aux modèles de raisonner sur n'importe quel volume (des millions à des milliards de documents) et des modalités de données, tout en fournissant des références pertinentes pour aider les utilisateurs à suivre chaque action et à comprendre comment la plate-forme est finalement parvenue à la réponse.
Avec cette dernière ronde de financement, l'entreprise espère s'appuyer sur cette base et inciter davantage de grandes entreprises à utiliser sa plateforme pour simplifier la manière dont leurs travailleurs acquièrent des connaissances.
Hebbia n'est pas la seule entreprise dans ce domaine. D’autres entreprises explorent également la récupération de connaissances basée sur l’IA pour les entreprises, notamment Glean. La startup basée à Palo Alto, en Californie, a atteint le statut de licorne en 2022 et a créé un assistant de type ChatGPT spécifiquement pour la productivité sur le lieu de travail. Il existe également des acteurs comme Vectara qui s’efforcent de permettre des expériences d’IA universelles basées sur les données d’entreprise.
Souligner:
? Hebbia a reçu 130 millions de dollars américains en financement de série B pour créer une interface de productivité localisée pour LLM afin de faciliter l'obtention de valeur à partir des données.
? L'agent copilote d'Hebbia, Matrix, peut analyser les informations contenues dans tous les documents et en extraire le contenu requis sous une forme structurée.
? Hebbia s'est associé à des institutions telles que CharlesBank, Center View Partners et l'US Air Force, et compte plus de 1 000 cas d'utilisation en direct.
L’éditeur de Downcodes conclut : le financement et le positionnement produit d’Hebbia méritent qu’on s’y attarde. Sa capacité à résoudre des problèmes métiers complexes et son innovation dans les applications LLM en ont fait un acteur important dans le domaine des outils de productivité de l’IA. Le développement futur mérite d’être attendu.