Как Платформа Jedify Меняет Подход К Внедрению Ии‑Агентов В Крупных Компаниях

Ключевые выводы

• Jedify построила «контекстный граф», который объединяет разрозненные источники данных и знания компании, делая ИИ‑агентов полезными сразу после внедрения.
• Компания привлекла $24 млн в раунде Series A, среди инвесторов – Snowflake, Norwest, S Capital VC и др.
• Контекстный граф решает проблему доступа и согласованности, позволяя агентам работать в рамках корпоративных прав и терминологии.

Эпоха «ключа в замок» для ИИ‑агентов наступила: теперь они понимают, кто может видеть какие файлы, как считать доход и какие процессы влияют на решение.

Почему готовый ИИ‑продукт часто не работает «из коробки»

Многие поставщики обещают готовые решения, но без обучения модели на специфике компании ИИ‑агент не поймёт, что для вас значит «выручка», какие документы доступны только CFO и т.д. Поэтому фирмы нанимают инженеров‑интеграторов, которые тратят недели, а то и месяцы, на подключение ИИ к внутренним системам.

Проблема в том, что бизнес‑данные разбросаны по базам, хранилищам, SaaS‑приложениям и даже по чатам. Без единой «карты» ИИ будет «искать» нужную информацию везде, теряя время и генерируя ошибки.

Jedify решила эту задачу, создав сервис, который собирает всю эту информацию в один «контекстный граф».

Что такое контекстный граф от Jedify?

Контекстный граф — многомерная модель, где узлами являются сущности (таблицы, файлы, пользователи), а ребрами — отношения: кто имеет доступ к чему, какие данные связаны, какие бизнес‑термины употребляются.

Главные свойства графа:

• Мульти‑источник: подключение к БД, хранилищам данных, BI‑инструментам (Tableau, Snowflake), SaaS‑сервисам (Notion, Slack) и неструктурированным материалам (отчеты, код, записи встреч).
• Модель‑агностичность: работает с любой AI‑модель, обновляется в реальном времени.
• Контроль доступа: наследует права из систем Identity, файлохранилищ и баз данных, позволяя создавать группы с ограниченными привилегиями для агентов.
• Наблюдаемость и управление: встроенные инструменты мониторинга и аудита поведения ИИ‑агентов.

В результате агент «знает», какие данные релевантны задаче, и не теряется в море информации.

Кто уже использует решение Jedify?

Первый клиент — компания Kiteworks, предоставляющая решения для соответствия требованиям (compliance). Она подключила Snowflake, Tableau, Notion и внутренние руководства к графу, а затем создала агентные инструменты для продаж и аккаунт‑менеджеров.

Во время звонка с клиентом агент в реальном времени собирает нужные цифры, документы и ответы, показывая их продавцу «на лету». Это экономит время и повышает точность данных.

Среди прочих ранних клиентов – The Weather Company, а также компании из гейминга, промышленного сектора и FMCG, где объёмы данных особенно велики.

Инвестиции и партнерства: почему Snowflake вложился в Jedify?

В июне 2024 года Jedify закрыла раунд Series A на $24 млн. Ведущий инвестор — Norwest, с участием S Capital VC, Cerca Partners и Oceans Ventures. Стратегический инвестор — Snowflake, который планирует интегрировать технологию в свои сервисы Cortex AI, Semantic Views и CoWork.

Snowflake видит в контекстном графе дополнение к своим собственным семантическим слоям: многие компании используют несколько облаков и локальных систем, а не только Snowflake. Jedify заполняет этот «пазл», позволяя собрать полную картину данных.

Технические детали: как работает граф в реальном времени

1. Сбор метаданных – API‑коннекторы сканируют схемы БД, каталоги файлов, структуры SaaS‑приложений.

2. Создание сущностей – каждое «таблица», «документ», «пользователь» превращается в узел графа.

3. Определение связей – правила доступа, foreign‑key, ссылки в тексте, упоминания в Slack формируют ребра.

4. Обновление потока – при изменении прав, добавлении новых файлов или записи в БД граф автоматически корректируется.

5. Запросы от ИИ‑модели – агент формирует запрос к графу, получает только релевантные узлы и атрибуты, затем использует их в своей генерации.

Преимущества перед традиционными семантическими слоями

Традиционный семантический слой обычно хранит только схемы и метаданные. Он не учитывает динамические права доступа и не соединяет неструктурированные источники. Контекстный граф от Jedify объединяет:

• Сущности + права доступа (row‑, column‑, table‑level).
• Бизнес‑термины и их синонимы.
• Реальные рабочие процессы (workflow), что позволяет агенту предлагать действия, а не просто ответы.

Это делает его более пригодным для автономных решений, где агент может, к примеру, автоматически открыть тикет в Zendesk, добавить данные в CRM или проанализировать телеметрию.

Экономика и масштабируемость

Обучить собственный контекстный слой в крупной компании дорого: нужны дата‑инженеры, лицензии на инструменты, а также постоянный контроль расходов на токены ИИ‑моделей. По оценкам отрасли, такие проекты могут обходиться в миллионы долларов в год.

Jedify предлагает «as‑a‑service» модель: клиент платит за подключение и обновление графа, а не за разработку с нуля. Это снижает барьер входа и ускоряет ROI.

Будущее: как контекстный граф может стать «эрой» в ИИ‑стеке

По мере того как модели становятся более мощными и взаимозаменяемыми, их «знание» о конкретных бизнес‑процессах будет важным конкурентным преимуществом. Компания, которая уже построит глубокий контекстный граф, получит «мост», через который любые новые модели смогут быстро адаптироваться.

В долгосрочной перспективе такие графы могут стать основой для:

• Автономных аналитических помощников.
• Систем рекомендаций, учитывающих корпоративные политики.
• Гибкой генерации отчетов с автоматическим соблюдением прав доступа.

Это делает платформу Jedify потенциальным «стойким барьером» для конкурентов.

Справка

Jedify – нью‑йоркский стартап, основанный в 2022 году. Разработал технологию контекстного графа, цель — ускорить внедрение ИИ‑агентов в предприятиях. Привлек $24 млн в Series A, среди инвесторов Snowflake, Norwest и др.

Assaf Henkin – соучредитель и генеральный директор Jedify. До основания компании работал в сфере облачных решений и бизнес‑аналитики. Является экспертом в построении графовых моделей данных.

Snowflake – облачная платформа для хранения и аналитики данных, основана в 2012 году. Предлагает сервисы Cortex AI, Semantic Views и CoWork, теперь сотрудничает с Jedify для расширения возможностей контекстных графов.

Kiteworks – компания, специализирующаяся на решениях по соответствию (compliance) и безопасному обмену файлами. Первым клиентом Jedify, использует граф для поддержки продаж.

The Weather Company – подразделение IBM, предоставляющее погодные данные и аналитические сервисы. Один из ранних клиентов Jedify, использует технологию для интеграции метеоданных с внутренними процессами.

Контекстный граф от Jedify показывает, что в эпоху распределённых данных ключ к эффективности ИИ — не просто модель, а понимание того, как бизнес организован. Если вы хотите, чтобы ваш ИИ‑агент «знал», что делать, начните с карты вашего бизнеса.