Jedify, 기업의 비즈니스 컨텍스트를 AI 에이전트에 제공하기 위해 2,400만 달러 투자 유치

AI 벤더들은 자신들의 기업용 제품을 마치 즉시 사용 가능한 턴키 솔루션(turnkey solutions)인 것처럼 홍보하지만, AI 에이전트가 즉시 현장에 투입되어 성과를 낼 가능성은 낮습니다. 귀사의 비즈니스 세부 사항에 맞춰 모델을 학습시키려는 노력을 기울이지 않는 한, 예를 들어 귀사가 수익(revenue)을 어떻게 정의하는지, 혹은 누가 어떤 파일에 접근할 수 있는지 등을 AI가 이해할 가능성은 희박합니다. 이것이 바로 AI 기업들이 고객의 시스템에 자사의 AI 제품을 통합할 수 있도록 엔지니어들을 파견하는 이유 중 하나입니다.

뉴욕에 본사를 둔 스타트업 Jedify는 바로 이 격차를 공략하고 있습니다. 이 회사는 자사의 플랫폼이 API를 통해 기업의 지식 소스에 연결되어, AI 에이전트가 더 잘 작동할 수 있도록 비즈니스에 관한 "컨텍스트 그래프 (context graph)"를 구축한다고 밝혔습니다. 이러한 소스에는 데이터베이스(databases), 데이터 웨어하우스(data warehouses) 및 데이터 레이크(lakes), SaaS 앱, BI 도구뿐만 아니라 보고서, 문서, 코드 베이스(code bases), 그리고 Slack 채널 및 회의 녹화물과 같은 비정형 소스(unstructured sources)가 포함될 수 있습니다.

TechCrunch가 독점적으로 파악한 바에 따르면, Jedify는 Norwest가 주도한 시리즈 A(Series A) 펀딩 라운드에서 2,400만 달러를 유치했습니다. 이번 라운드에는 기존 투자자인 S Capital VC와 Cerca Partners, 그리고 신규 투자자인 Oceans Ventures가 참여했습니다. 데이터 거물인 Snowflake 또한 전략적 투자자로 참여했으며, 자사의 Cortex AI 서비스, Semantic Views, CoWork와 같은 AI 제품에 이 스타트업의 기술을 통합하고 있습니다.

Jedify의 핵심 제안은 AI 에이전트가 기업 내에서 유용하게 쓰이려면 엔티티(entities) 간의 관계, 데이터, 권한, 도메인 지식(domain knowledge), 워크플로(workflows), 운영상의 가정, 그리고 기업 특유의 용어에 접근할 수 있어야 한다는 것입니다. 회사는 이러한 컨텍스트가 있으면 AI 에이전트가 기업이 보유한 모든 정보를 검색하는 대신, 특정 작업과 관련된 정보에만 주의를 집중할 수 있다고 설명합니다.

공동 창업자이자 CEO인 Assaf Henkin(위 사진의 맨 오른쪽)은 고객들이 Jedify를 어떻게 활용하고 있는지에 대한 사례로 컴플라이언스 (compliance) 기업인 Kiteworks를 언급했습니다. Kiteworks는 Snowflake, Tableau, Notion, 그리고 문서와 스크린샷을 포함한 내부 플레이북 (playbooks)을 Jedify에 연결한 다음, 다양한 고객 워크플로우 (workflows)를 위한 에이전트형 도구 (agentic tools)를 구축했습니다.

"그들은 영업 담당자와 어카운트 팀 (account teams)에게 정교한 앱을 제공하기를 원했습니다. 이는 대시보드 애플리케이션 (dashboard application)이자 실시간 대화형 애플리케이션 (conversational application)의 역할을 동시에 수행한다고 볼 수 있습니다. 고객과의 대화에 들어갈 때, Jedify는 그들이 알아야 할 모든 것을 즉석에서 구축해 줍니다. 그리고 대화 중에는 매우 구체적인 세부 정보를 실시간으로 선제적으로(proactively) 끌어올 수 있습니다."라고 Henkin은 말했습니다.

이미지 출처: Jedify

Henkin은 Jedify의 컨텍스트 그래프 (context graph)가 기업들이 이미 사용 중인 시맨틱 레이어 (semantic layers), 메타데이터 카탈로그 (metadata catalogs), 지식 그래프 (knowledge graphs)와는 다르다고 주장합니다. 그 이유는 이 그래프가 엔티티 (entities), 데이터 (data), 사람 (people), 권한 (permissions), 그리고 고객 (customers) 간의 관계를 포착하는 다차원적 (multi-dimensional) 구조이기 때문입니다. 또한, 이는 모델 불가지론적 (model-agnostic)이며, 연결된 시스템으로 정보가 유입되고 유출됨에 따라 실시간으로 업데이트됩니다.