บริษัท Hebbia ในนิวยอร์กได้ประกาศเมื่อเร็ว ๆ นี้ว่าการระดมทุน Series B มูลค่า 130 ล้านดอลลาร์เสร็จสิ้นแล้ว โดยมีกลุ่มนักลงทุนที่แข็งแกร่งรวมถึง Andreessen Horowitz, Index Ventures, Peter Thiel และ Google Ventures Hebbia มุ่งมั่นที่จะสร้างอินเทอร์เฟซการผลิต LLM ที่แปลเป็นภาษาท้องถิ่น ซึ่งออกแบบมาเพื่อลดความซับซ้อนของกระบวนการดึงค่าจากข้อมูลทุกประเภทและขนาด ฐานลูกค้าเป้าหมายครอบคลุมบริการทางการเงิน เช่น กองทุนป้องกันความเสี่ยงและธนาคารเพื่อการลงทุน และวางแผนที่จะขยายไปยังบริษัทอื่นๆ เพิ่มเติม
Hebbia ในนิวยอร์กประกาศว่าสามารถระดมทุนได้ 130 ล้านดอลลาร์ในการระดมทุน Series B จากนักลงทุนรวมถึง Andreessen Horowitz, Index Ventures, Peter Thiel และบริษัทร่วมลงทุนของ Google
สิ่งที่ Hebbia กำลังสร้างนั้นค่อนข้างเรียบง่าย นั่นคืออินเทอร์เฟซการผลิตแบบ LLM ซึ่งช่วยให้รับค่าจากข้อมูลได้ง่ายขึ้น โดยไม่คำนึงถึงประเภทหรือขนาด บริษัทกำลังทำงานร่วมกับผู้เล่นรายใหญ่ที่สุดในอุตสาหกรรมบริการทางการเงิน ซึ่งรวมถึงกองทุนป้องกันความเสี่ยงและธนาคารเพื่อการลงทุน และวางแผนที่จะนำเทคโนโลยีนี้ไปสู่ธุรกิจต่างๆ มากขึ้นในอีกไม่กี่วันข้างหน้า
ทางเข้าผลิตภัณฑ์: https://top.aibase.com/tool/hebbia
แม้ว่าแชทบอตที่ใช้ LLM จะอิงตามเอกสารภายในหรือเอกสารพร้อมท์ก็ตาม หลายๆ คนทราบว่าผู้ช่วยเหล่านี้ไม่สามารถตอบคำถามที่ซับซ้อนเกี่ยวกับฟังก์ชันทางธุรกิจได้ ในบางกรณี ปัญหาคือหน้าต่างบริบท ซึ่งไม่สามารถจัดการขนาดของเอกสารที่ให้มาได้ ในขณะที่ในกรณีอื่นๆ ความซับซ้อนของการสืบค้นทำให้แบบจำลองไม่สามารถแก้ไขได้อย่างแม่นยำ ข้อผิดพลาดอาจส่งผลต่อความมั่นใจของทีมในรูปแบบภาษาด้วยซ้ำ
Hebbia จัดการกับช่องว่างนี้ด้วยการจัดหาเมทริกซ์ร่วมนำร่องตัวแทนที่เกี่ยวข้องกับ LLM ผลิตภัณฑ์นี้อยู่ในสภาพแวดล้อมทางธุรกิจของบริษัท ช่วยให้ผู้ปฏิบัติงานที่มีความรู้สามารถถามคำถามที่ซับซ้อนเกี่ยวกับเอกสารภายในได้ ตั้งแต่ PDF สเปรดชีต และเอกสาร Word ไปจนถึงการถอดเสียง ด้วยหน้าต่างตามบริบทที่ไม่จำกัด
เมื่อผู้ใช้จัดเตรียมการสืบค้นและเอกสาร/ไฟล์ที่เกี่ยวข้อง Matrix จะแบ่งการดำเนินการออกเป็นการดำเนินการเล็กๆ ที่ LLM สามารถทำได้ ซึ่งช่วยให้สามารถวิเคราะห์ข้อมูลทั้งหมดที่มีอยู่ในเอกสารได้ในคราวเดียว และแยกเนื้อหาที่ต้องการในรูปแบบที่มีโครงสร้าง Hebbia กล่าวว่าแพลตฟอร์มดังกล่าวช่วยให้โมเดลสามารถให้เหตุผลเกี่ยวกับปริมาณข้อมูล (เอกสารล้านถึงพันล้าน) และการปรับเปลี่ยนข้อมูล ขณะเดียวกันก็ให้การอ้างอิงที่เกี่ยวข้องเพื่อช่วยให้ผู้ใช้ติดตามแต่ละการกระทำ และทำความเข้าใจว่าแพลตฟอร์มมาถึงคำตอบในท้ายที่สุดได้อย่างไร
ด้วยการระดมทุนรอบล่าสุดนี้ บริษัทหวังที่จะสร้างรากฐานนี้และดึงดูดองค์กรขนาดใหญ่จำนวนมากขึ้นให้ใช้แพลตฟอร์มเพื่อลดความซับซ้อนของวิธีที่พนักงานรับความรู้
Hebbia ไม่ใช่บริษัทเดียวในพื้นที่นี้ บริษัทอื่นๆ ยังได้สำรวจการดึงความรู้โดยใช้ AI สำหรับองค์กรต่างๆ รวมถึง Glean Palo Alto สตาร์ทอัพในแคลิฟอร์เนียก้าวขึ้นสู่สถานะยูนิคอร์นในปี 2022 และสร้างผู้ช่วยที่คล้ายกับ ChatGPT เพื่อเพิ่มประสิทธิภาพการทำงานในที่ทำงานโดยเฉพาะ นอกจากนี้ยังมีผู้เล่นอย่าง Vectara ที่กำลังทำงานเพื่อเปิดใช้งานประสบการณ์ AI สากลโดยอิงจากข้อมูลองค์กร
ไฮไลท์:
Hebbia ได้รับเงินทุน Series B มูลค่า 130 ล้านเหรียญสหรัฐ เพื่อสร้างส่วนต่อประสานประสิทธิภาพการทำงานแบบท้องถิ่นสำหรับ LLM เพื่อให้รับคุณค่าจากข้อมูลได้ง่ายขึ้น
? Matrix ผู้ร่วมนำร่องตัวแทนของ Hebbia สามารถวิเคราะห์ข้อมูลที่มีอยู่ในเอกสารทั้งหมดและแยกเนื้อหาที่ต้องการออกมาในรูปแบบที่มีโครงสร้าง
? Hebbia เป็นพันธมิตรกับสถาบันต่างๆ เช่น CharlesBank, Center View Partners และกองทัพอากาศสหรัฐฯ และมีกรณีการใช้งานจริงมากกว่า 1,000 กรณี
บรรณาธิการของ Downcodes สรุป: การจัดหาเงินทุนและการวางตำแหน่งผลิตภัณฑ์ของ Hebbia สมควรได้รับความสนใจ การพัฒนาในอนาคตเป็นสิ่งที่ควรค่าแก่การรอคอย