Uzņēmumi pēdējos divus gadus ir iztērējuši miljardus mākslīgajam intelektam. Tomēr daudzi no šiem centieniem nekad nepārvar izmēģinājuma posmu.
Problēma bieži vien nav pati AI. Tie ir dati.
Saskaņā ar Gartner teikto, 38% tehnoloģiju vadītāju identificēja sliktu datu kvalitāti vai ierobežotu datu pieejamību kā tiešu AI projekta neveiksmes cēloni. Atsevišķā 2026. gada janvāra ziņojumā Gartners atklāja, ka vismaz puse ģeneratīvo AI projektu tika pamesti pēc koncepcijas pierādīšanas, un datu kvalitātes problēmas ir viens no galvenajiem iemesliem.
Šis izaicinājums ir radījis arvien lielākas iespējas jaunizveidotiem uzņēmumiem, kas koncentrējas uz AI mazāk krāšņo pusi: datu slāņa labošanu.
Upriver, mākslīgā intelekta datu inženierijas platforma, ceturtdien paziņoja, ka tā ir piesaistījusi 14 miljonus USD sākuma finansējumu, ko vada Valley Capital Partners un Hetz Ventures. Starta uzņēmums apgalvo, ka veido aģentu platformu, kas var automātiski organizēt, apstiprināt un uzturēt uzņēmuma datu sistēmas, lai AI lietojumprogrammām būtu uzticama informācija, ar ko strādāt.
Uzņēmums jau ir piesaistījis klientus, tostarp Unity un DMGT, un tam ir partnerattiecības ar lielākajām datu platformām, piemēram, Databricks un Snowflake.
AI projekti cieta neveiksmi sliktu datu dēļ. AI Data Engineering Startup Upriver tikko savāca 14 miljonus USD, lai to labotu
Laiks atspoguļo plašākas pārmaiņas, kas notiek visā uzņēmuma AI tirgū. Uzņēmumi atklāj, ka jaudīgu AI modeļu izvietošana bieži vien ir vienkārša. Ir daudz grūtāk panākt, lai šie modeļi darbotos konsekventi lielās organizācijās.
Gadiem ilgās atvienotās datu bāzes, slēgtās biznesa sistēmas, sadrumstaloti cauruļvadi un nekonsekventi ieraksti daudziem uzņēmumiem ir atstājuši datu vidi, kurai darbinieki paši pilnībā neuzticas. AI sistēmas pārmanto tās pašas problēmas.
“Pastiprinoties spiedienam uz uzņēmumiem pieņemt AI, datu komandas uzņemas šīs transformācijas smagumu,” sacīja Stīvs O’Hara, Valley Capital Partners dibinātājs un vadošais partneris. “Tagad katra uzņēmuma vienība ir atkarīga no tām, lai AI darbotos, pārvēršot datu inženieriju par vienu no lielākajām uzņēmuma vājajām vietām. Upriver mums izcēlās ar to, ka viņi izveidoja aģentu sistēmu, kas ļauj organizācijām ātrāk pārvietoties ar AI, neapgrūtinot datu komandas.”
Upriver pieeja koncentrējas uz tā darba automatizāciju, ko tradicionāli veic datu inženieri. Platforma savienojas tieši ar organizācijas datu vidi, identificē kvalitātes problēmas, uztur cauruļvadus, izveido datu kopas un izpilda datu inženierijas darbplūsmas, neprasot komandām manuāli pārvaldīt katru darbību.
Starta uzņēmums apgalvo, ka datu inženierijai ir vajadzīgas iespējas, kuru mūsdienu vispārēja pielietojuma AI modeļiem bieži trūkst. Tās platforma apvieno konteksta dzinēju, kas kartē organizācijas datu ekosistēmu, ar spriešanas dzinēju, kas ietver koordinētus AI aģentus. Šie aģenti izmanto kontekstuālo informāciju, lai pieņemtu lēmumus un apstiprinātu rezultātus lielās, sadrumstalotās sistēmās.
Uzņēmums ir integrējis savu tehnoloģiju ar izstrādātāju rīkiem, tostarp Claude un Cursor, ļaujot inženieriem piekļūt datu inženierijas iespējām jau izmantotajā programmatūrā.
“Mēs redzam, ka uzņēmumi iegulda lielus ieguldījumus AI, bet cīnās, lai redzētu reālu ietekmi, jo viņu dati vienkārši nav gatavi,” sacīja Ido Bronšteins, Upriver izpilddirektors un līdzdibinātājs. “Mēs izveidojām Upriver, lai pilnībā noņemtu šo slogu no datu komandām. Tā vietā, lai pastāvīgi iegrimtu atkārtotā tehniskajā darbā, datu komandas var pacelt galvu virs ūdens un koncentrēties uz to, kas virza uzņēmuma adatu, vienlaikus apstrādājot slikto darbu. Mūsu mērķis ir padarīt datu infrastruktūru neredzamu, lai uzņēmumi varētu iegūt savas organizatoriskās zināšanas no netīrajiem datiem un visbeidzot iegūt no AI to, kas sākotnēji bija daudzsolīts.”
Agrīnie klienti ziņo par nozīmīgiem ieguvumiem.
Uriels Knorovičs, Nimble izpilddirektors, sacīja, ka uzņēmumam pirms Upriver ieviešanas bija grūtības, lai datu darbības būtu saskaņotas ar biznesa izaugsmi.
“Pagājušā gada laikā mēs ievērojami paplašinājāmies, taču mūsu datu darbības nespēja sekot līdzi,” sacīja Knorovičs. “Mēs izmēģinājām vairākus AI rīkus, taču neviens nespēja tikt galā ar mūsu vides sarežģītību. Kad sākām lietot Upriver, tas ātri saprata mūsu datu kopu un sāka automatizēt mūsu darbības. Laika gaitā komanda redzēja 60% produktivitātes pieaugumu. Izmantojot Upriver, mēs varam pielāgot savu tīmekļa meklēšanas infrastruktūru pastāvīgi mainīgajam internetam, nodrošinot mūsu rezultātu uzticamību un kvalitāti plašā mērogā.”
Investori uzskata, ka uzņēmums ir daļa no lielākas kustības visā uzņēmuma AI, kur uzmanība tiek novirzīta no modeļa veiktspējas uz sistēmām, kas baro šos modeļus.
“AI iniciatīvas apstājās uz tā paša bojātā slāņa, kas atrodas apakšā,” sacīja Gajs Fighels, Hetz Ventures partneris. “Ido un komandai bija asa, tehniska atbilde uz to. Lielākā daļa platformu šajā telpā atrodas virs skursteņa. Upriver tajā iekļaujas, un tā ir atšķirība starp tīrākiem informācijas paneļiem un AI, ko jūs faktiski varat ieviest ražošanā.”
Upriver dibināja operatori, kuri gadiem ilgi veidoja un uzturēja liela mēroga datu un AI sistēmas. Uzņēmums plāno izmantot jauno finansējumu, lai palielinātu inženieru un tirgus dalībnieku komandas, paplašinātu produktu izstrādi un palielinātu uzņēmumu izvietošanu.
Jaunuzņēmums ienāk tirgū, kurā uzņēmumi sacenšas, lai ieviestu AI, tomēr daudziem joprojām trūkst uzticama datu pamata, kas nepieciešams, lai šie ieguldījumi atmaksātos. Uzņēmumiem pārejot no eksperimentēšanas uz ražošanu, jaunuzņēmumi, kas risina datu problēmu, var kļūt tikpat svarīgi kā paši AI modeļi.
