Modus raccoglie 10 milioni di dollari in un round di finanziamento seed guidato da Insight Partners mentre l'AI aziendale crea domanda per un nuovo strato di contesto

      TL;DRModus ha raccolto 10 milioni di dollari in un round di seed guidato da Insight Partners per lanciare il Context Warehouse, uno strato fondamentale per l'AI aziendale che cattura come le informazioni aziendali vengono effettivamente utilizzate piuttosto che semplicemente archiviarle. L'azienda sostiene che collegare l'AI a più dati non la rende più intelligente e che le imprese hanno bisogno di un sistema che componga solo il contesto rilevante per ogni interazione, riducendo i costi di recupero e token non necessari fino a 10 volte.

      Il mercato dell'AI aziendale sta entrando in una nuova fase. Man mano che le aziende passano dall'esperimentare con singole applicazioni AI a distribuire agenti nelle operazioni aziendali, la sfida è sempre meno riguardo a dare ai modelli accesso alle informazioni e più riguardo ad aiutarli a capire quali informazioni siano realmente importanti.

      Questo è il problema che Modus sta affrontando mentre emerge dall'ombra con un round di seed da 10 milioni di dollari guidato da Insight Partners, come riportato per primo da Axios. Il round include anche Soma Capital, Bullet Ventures e fondatori e operatori tecnologici tra cui Eyal Kishon, Nadav Avrami di Wix e Dazl, i co-fondatori di Cyera e i fondatori di Epsagon.

      Insieme al finanziamento, Modus sta introducendo il Context Warehouse, che descrive come uno strato infrastrutturale progettato per fornire ai sistemi AI una comprensione continuamente mantenuta di come un'impresa opera realmente.

      Il Problema del Contesto dell'AI Aziendale

      Il 💜 della tecnologia UE Le ultime novità dalla scena tecnologica dell'UE, una storia del nostro saggio fondatore Boris e alcune opere d'arte AI discutibili. È gratuito, ogni settimana, nella tua casella di posta. Iscriviti ora! I moderni sistemi AI possono già recuperare informazioni da molti dei luoghi in cui le aziende le archiviano e gestiscono. I data warehouse, le piattaforme BI, la documentazione, i ticket, i repository di codice e i sistemi di collaborazione possono tutti essere resi accessibili a modelli e agenti.

      Ma semplicemente collegare un sistema AI a più dati non lo rende necessariamente più utile. Secondo Modus, gli agenti possono interrogare ripetutamente i sistemi aziendali, recuperare quantità eccessive di informazioni e consumare più token del necessario perché mancano di una comprensione di quali pezzi di contesto siano rilevanti per il compito in questione.

      Il risultato può essere costi più elevati, prestazioni più lente e risposte difficili da fidarsi per le organizzazioni.

      Modus chiama il problema sottostante il "Context Gap", la distanza tra ciò che l'AI può accedere e ciò che realmente comprende riguardo all'azienda. L'azienda sostiene che le imprese hanno bisogno di un sistema che possa colmare quel divario senza richiedere ai team di ingegneria di mantenere continuamente una crescente collezione di strati di contesto e infrastruttura AI specifica per l'azienda.

      "Le aziende non stanno più solo cercando di far usare l'AI ai loro team. Stanno chiedendo come scalare l'AI in tutta l'organizzazione senza che l'accuratezza diminuisca, la governance si rompa o i costi aumentino", ha detto Daniel Shimoni, CEO e co-fondatore di Modus. "Che lo chiamino cervello aziendale, strato di contesto o ingegneria del contesto, stanno tutti cercando di risolvere lo stesso problema. Crediamo che ogni impresa abbia bisogno di una comprensione continuamente mantenuta di come opera prima di poter costruire una di quelle cose. Questo è ciò che fornisce il Context Warehouse."

      Un Magazzino per la Comprensione Aziendale

      Modus sta posizionando il suo Context Warehouse come uno strato fondamentale per l'AI aziendale, tracciando un parallelo con il ruolo che i data warehouse hanno svolto nell'organizzare le informazioni aziendali.

      La distinzione è che il Context Warehouse è progettato per catturare come le informazioni vengono effettivamente utilizzate piuttosto che semplicemente archiviare le informazioni stesse. Impara dai metadati e dai modelli di utilizzo attraverso data warehouse, strumenti BI, pipeline, repository di codice, documentazione e sistemi di collaborazione.

      Può anche incorporare segnali dal modo in cui i dipendenti lavorano, comprese le query che gli analisti usano ripetutamente, i dashboard su cui i team fanno affidamento, pipeline, documentazione e thread decisionali. Modus afferma che queste fonti aiutano il sistema a sviluppare una comprensione basata sull'attività aziendale reale piuttosto che fare affidamento esclusivamente sulla documentazione o su modelli semantici mantenuti manualmente.

      L'azienda afferma quindi di comporre solo il contesto rilevante per una particolare interazione AI. Secondo Modus, questo approccio può ridurre il recupero e il consumo di token non necessari fino a 10 volte, consentendo agli agenti di concentrarsi su informazioni rilevanti piuttosto che elaborare quantità eccessive di dati.

      Progettato per Operare Attraverso lo Stack Aziendale

      Il Context Warehouse è progettato per operare indipendentemente dal data warehouse esistente di un'organizzazione, dal modello AI o dalla piattaforma applicativa. Questa architettura è intesa a consentire alle imprese di adottare nuovi modelli e strumenti AI senza ricostruire il modo in cui viene gestito il loro contesto.

      Modus afferma anche che la piattaforma funziona con agenti già utilizzati dai team, inclusi attraverso MCP. Piuttosto che richiedere alle aziende di centralizzare informazioni aziendali sensibili, la piattaforma impara dai metadati e dai modelli di utilizzo mantenendo i dati sensibili dei clienti all'interno dell'ambiente del cliente.

      La sicurezza e la governance sono anche integrate nell'approccio dell'azienda. Modus afferma che la governance è applicata prima che il contesto raggiunga il modello, garantendo che le interazioni AI ricevano solo informazioni a cui l'utente o il sistema è autorizzato ad accedere.

      L'azienda è stata fondata da Daniel Shimoni, ex VP di Prodotto presso Lusha, e Tomer Mesika, ex Responsabile Architettura presso Cyera. La loro esperienza li ha portati a quella che Modus descrive come una realizzazione condivisa: i sistemi di cui le imprese dipendono non sono stati originariamente progettati per agenti AI.

      Il Costo di Mantenere il Contesto Aggiornato

      L'ascesa di strati di contesto costruiti internamente e cervelli aziendali ha creato un'altra sfida. Mentre le imprese possono costruire sistemi che forniscono all'AI una comprensione aziendale aggiuntiva, mantenere quei sistemi accurati man mano che le organizzazioni evolvono può diventare una responsabilità ingegneristica continua.

      "Costruire uno strato di contesto non è la parte più difficile", ha detto Tomer Mesika, CTO e co-fondatore di Modus. "Mantenere il contesto aggiornato lo è. Ogni cambiamento che la tua azienda fa cambia il contesto di cui l'AI dipende. La vera decisione non è più comprare contro costruire. È se vuoi possedere il costo continuo di mantenere quella comprensione. Abbiamo costruito il Context Warehouse affinché i team di ingegneria possano costruire ciò che differenzia la loro azienda invece di mantenere l'infrastruttura sottostante."

      Modus afferma che la sua piattaforma è già implementata con clienti aziendali nei servizi finanziari, nella tecnologia e nel SaaS. L'azienda afferma che quelle organizzazioni hanno utilizzato il Context Warehouse per migliorare l'accuratezza dell'AI, rafforzare la governance, accelerare i tempi di risposta e ridurre il costo di gestione dell'AI su larga scala.

      Per Insight Partners, l'investimento riflette una visione secondo cui l'AI aziendale richiederà un'infrastruttura oltre ai modelli e all'accesso ai dati.

      "Ogni grande ondata di software aziendale ha richiesto una nuova base", ha detto Ganesh Bell, Managing Director di Insight Partners. "I data warehouse sono diventati infrastrutture fondamentali per i dati aziendali. Man mano che l'AI diventa infrastruttura di produzione, le organizzazioni hanno bisogno di un sistema di comprensione su cui ogni agente e applicazione possa costruire. Crediamo che Modus stia definendo quella categoria con il Context Warehouse."

      L'ambizione più ampia di Modus è fornire la base per ciò che le aziende stanno sempre più chiamando cervello aziendale o strato di contesto. Oggi, ciò significa aiutare gli agenti AI a fornire risultati più accurati, efficienti e governati. Nel tempo, l'azienda vede la stessa comprensione continuamente mantenuta supportare un'AI in grado di identific