Deasie, AI 분야의 데이터 거버넌스 촉진을 위해 290만 달러 자금 조달

기술 스타트업 Deasi는 최근 290만 달러의 성공적인 종자 자금 조달 라운드를 확인했습니다. 이러한 자본 투입은 기술 회사가 텍스트 생성 인공 지능(AI) 모델에 대해 더 나은 명령을 내릴 수 있도록 하기 위한 혁신적인 툴킷의 확장 및 개발을 촉진하는 데 도움이 될 것입니다. 투자는 Y Combinator, General Catalyst, RTP Global, Rebel Fund 및 J12 Ventures를 포함한 주요 투자자 풀에서 조달되었습니다.

데이터 거버넌스 및 관리 방식을 혁신하는 데 중점을 두고 있는 Deasie는 경험이 풍부한 창립자 세 명(Reece Griffiths, Mikko Peiponen 및 Leo Platzer)을 모았습니다. 이 스타트업 그룹은 이전에 McKinsey에서 데이터 관리 도구 작업을 해왔습니다. 그들은 기업 데이터 거버넌스와 관련된 상당한 문제를 인식하면서 기업에서 생성 AI 채택에 영향을 미칠 수 있는 영향 요인과 솔루션을 이해했습니다.

OpenAI의 GPT-4와 같은 대규모 언어 모델(LLM) 측면에서 Deasie는 파일, 보고서, 메시지 등 구조화되지 않은 회사 데이터를 연결하는 시스템을 만들어 신뢰성을 높이기 위해 노력하고 있습니다. 목표는 포함된 내용과 민감도에 따라 분류를 자동화하는 것입니다. 시스템은 사전 설정된 태그와 라벨을 사용하여 데이터를 구성하고 지정하며, 이는 Deasie의 알고리즘에 향후 데이터를 분류하는 방법을 알려주는 접근 방식입니다.

Deasie에는 보고서에 '개인 식별 가능' 또는 '독점' 정보가 포함된 것으로 자동으로 태그를 지정하고, 보고서의 타사 버전을 강조 표시하고, 액세스 권한을 제한하는 기능이 있습니다. 자동 태그 추가 프로세스 이후 Deasie는 각 태그를 스캔하여 해당 데이터의 관련성과 중요성을 검사합니다. 이 분석은 텍스트 생성 모델에 수집할 데이터에 대한 의사 결정을 안내합니다.

Griffiths는 "기업에는 엄청난 양의 구조화되지 않은 데이터가 존재하지만 거버넌스 관점에서 간과되는 경우가 많습니다."라고 설명합니다. Deasie는 데이터 관리에 대한 새로운 접근 방식을 통해 생성 AI 애플리케이션의 데이터 보안과 품질을 향상시키는 역할을 합니다. 플랫폼은 회사당 수천 개의 문서를 선별하여 선택된 정보가 고품질이고 적절하며 사용하기에 안전한지 확인합니다.

시장에 나와 있는 기존 제품은 LLM 거버넌스에 대해 '데이터 안전' 또는 '구조화된 데이터에 대한 데이터 거버넌스' 접근 방식을 취합니다. Deasie는 데이터 품질과 비정형 데이터의 관련성을 평가하는 방법의 격차를 메웁니다. 이러한 충족되지 않은 요구 사항을 해결함으로써 회사는 모든 생성 AI 사용 사례를 가장 호환 가능한 데이터 세트와 일치시키는 문제를 해결하기 위해 한 발 더 나아가고 있습니다.

이 독특한 접근 방식을 통해 Deasie는 Unstructured.io, Scale AI, Collibra 및 Alation과 같은 기존 이름과 경쟁하게 됩니다.

앞으로 Deasie는 엔지니어링 팀과 채용 노력을 강화하여 기술적으로 진보된 데이터 거버넌스의 세계에서 틈새 시장을 개척하고 최근 자금 조달 성공을 최대한 활용할 계획입니다.