Hebbia получает 130 млн долларов для создания ведущей платформы ИИ для поиска знаний.

В эпоху искусственного интеллекта организации стремятся улучшить ключевые внутренние функции с помощью больших языковых моделей (LLM). Несмотря на значительные инвестиции, добиться ощутимой отдачи от этих технологий сложно. Стартап Hebbia из Нью-Йорка, ориентированный на упрощение поиска информации, недавно объявил о завершении раунда финансирования серии B на сумму 130 миллионов долларов, который возглавили Andreessen Horowitz, Index Ventures, Питер Тиль и венчурное подразделение Google.

Hebbia разрабатывает удобный интерфейс для повышения производительности, основанный на LLM, который упрощает принятие решений на основе данных, независимо от типа или объема информации. Платформа уже сотрудничает с крупными игроками на рынке финансовых услуг, включая хедж-фонды и инвестиционные банки, и планирует расширить свои технологии на широкий круг предприятий.

«ИИ, безусловно, является самой важной технологией нашего времени. Однако технологии не ведут к революциям—это продукты делают. Hebbia создает человеческий слой—слой продукта—для ИИ»,—сказал Джордж Сивулка, основатель и CEO Hebbia, в своем блоге. Ранее компания привлекла 31 миллион долларов в нескольких раундах финансирования.

Что предлагает Hebbia

Чат-боты на основе LLM часто испытывают трудности с комплексными бизнес-запросами из-за ограничений контекстного окна или сложности вопросов. Это может снижать уверенность команд в возможностях языковых моделей.

Основанный в 2020 году, Hebbia решает эту проблему с помощью своего связанного с LLM помощника Matrix, предназначенного для корпоративной среды. Matrix позволяет знанием работникам задавать сложные вопросы, касающиеся внутренних документов—от PDF и таблиц до аудиозаписей—с использованием бесконечного контекстного окна.

Когда пользователь отправляет запрос вместе с соответствующими документами, Matrix разбивает запрос на управляемые задачи для выполнения LLM. Этот процесс позволяет одновременно анализировать большие объемы информации, что обеспечивает структурированные результаты. По данным Hebbia, платформа может анализировать миллионы или миллиарды документов и типов данных, предоставляя ссылки для прозрачности и отслеживаемости.

«Созданный для знаний работников, Hebbia позволяет вам инструктировать ИИ-агентов выполнять задачи точно так, как вы бы это сделали, обрабатывая сложные данные и большие наборы данных с гибкостью и прозрачностью, подобно электронным таблицам или человеческому аналитику»,—объяснил Сивулка.

Будущее влияние

Изначально Сивулка ставил цель упростить рабочие процессы финансовых специалистов, часто просматривающих объемные документы. Однако платформа быстро завоевала популярность в различных секторах. Сейчас Hebbia заявляет о более чем 1000 применений в производстве с такими клиентами, как CharlesBank, American Industrial Partners, Oak Hill Advisors, Center View Partners, Fisher Phillips и ВВС США.

«За последние 18 месяцев мы увеличили выручку в 15 раз, утроили штат сотрудников и составили более 2% от ежедневного объема OpenAI, создавая условия для трансформации рабочих методологий наших клиентов»,—отчетливо отметил Сивулка. Остается неясным, является ли OpenAI единственной LLM, используемой на платформе Matrix, или существуют и другие варианты для пользователей.

С недавним финансированием Hebbia планирует далее развивать свою платформу, упрощая поиск знаний для еще большего числа крупных предприятий.

«Я envision мир, где ИИ-агенты значительно увеличивают глобальный ВВП, превосходя всех человеческих сотрудников. Я верю, что Hebbia приведет нас к этому»,—подчеркнул Сивулка, добавив, что компания стремится создать один из самых значительных программных продуктов следующего столетия.

Тем не менее, важно признать, что Hebbia сталкивается с конкуренцией. Другие компании, такие как Glean—стартап из Пало-Альто, который добился статуса "единорога" в 2022 году с помощью продуктивного помощника, похожего на ChatGPT, также продвигают AI-решения для поиска знаний. Кроме того, такие фирмы, как Vectara, сосредоточены на создании генеративных ИИ-опытов на основе корпоративных данных.