Bergabunglah dengan buletin harian dan mingguan kami untuk pembaruan terbaru dan konten eksklusif tentang liputan AI terkemuka di industri. Pelajari lebih lanjut
Relyance AI, penyedia platform tata kelola data yang mendapatkan $ 32,1 juta dalam pendanaan Seri B Oktober lalu, meluncurkan solusi baru yang bertujuan menyelesaikan salah satu tantangan paling mendesak dalam adopsi AI perusahaan: memahami dengan tepat bagaimana data bergerak melalui sistem yang kompleks.
Platform Data Journeys baru perusahaan, mengumumkan hari ini, membahas titik buta kritis untuk organisasi yang menerapkan AI-melacak tidak hanya di mana data berada, tetapi bagaimana dan mengapa itu digunakan di seluruh aplikasi, layanan cloud, dan sistem pihak ketiga.
“Premis mendasar adalah memastikan bahwa pelanggan kami memiliki AI ini, pandangan yang sadar konteks, pandangan yang sangat visual dari seluruh perjalanan data lintas aplikasi, layanan, infrastruktur, pihak ketiga,” kata Abhi Sharma, CEO dan salah satu pendiri Relyance AI, dalam sebuah wawancara eksklusif dengan VentureBeat. “Anda benar -benar bisa mendapatkan inti mengapa pemrosesan data, yang merupakan lapisan paling mendasar yang dibutuhkan untuk tata kelola AI umum.”
Peluncuran datang pada saat yang sangat penting bagi tata kelola AI perusahaan. Ketika perusahaan mempercepat implementasi AI, mereka menghadapi tekanan yang meningkat dari regulator di seluruh dunia. Lebih dari seperempat perusahaan Fortune 500 telah mengidentifikasi regulasi AI sebagai risiko dalam pengajuan SEC, dan denda terkait GDPR mencapai € 1,2 miliar pada 2024 saja (sekitar $ 1,26 miliar dengan nilai tukar saat ini).
Bagaimana Perjalanan Data Melacak Aliran Informasi di mana orang lain gagal
Platform ini mewakili evolusi yang signifikan dari pendekatan garis keturunan data konvensional, yang biasanya melacak pergerakan data pada basis tabel-ke-meja atau kolom-ke-kolom dalam sistem tertentu.
“Status quo untuk garis keturunan data pada dasarnya adalah tabel ke tabel dan level level kolom. “Tapi tidak ada yang bisa menjawab: dari mana asalnya? Transformasi bernuansa apa yang terjadi antara pipa data, vendor pihak ketiga, panggilan API, arsitektur kain, untuk akhirnya mendarat di sini?”
Perjalanan data bertujuan untuk memberikan tampilan komprehensif ini, menunjukkan siklus hidup data lengkap dari pengumpulan asli melalui setiap transformasi dan kasus penggunaan. Sistem dimulai dengan analisis kode daripada sekadar menghubungkan ke repositori data, memberikan konteks tentang mengapa data sedang diproses dengan cara tertentu.
Lawrence Schoeb, Direktur Senior dan DPO di Samsara, salah satu pelanggan Relyance, mengatakan dalam sebuah pernyataan, “Kemampuan garis keturunan data yang otomatis dan sadar akan mengatasi tantangan kami yang paling mendesak. Ini mewakili apa yang telah kami cari untuk mendukung kerangka kerja tata kelola AI global kami.”
Empat masalah bisnis yang dijanjikan visibilitas data untuk dipecahkan
Menurut Sharma, perjalanan data memberikan nilai di empat bidang kritis:
Pertama, manajemen kepatuhan dan risiko: “Hari ini, Anda agak diharuskan untuk menjamin integritas pemrosesan data, tetapi Anda tidak dapat melihat di dalam. Ini pada dasarnya tata kelola buta,” kata Sharma. Platform ini memungkinkan organisasi untuk membuktikan integritas praktik data mereka saat menghadapi pengawasan peraturan.
Kedua, deteksi bias yang tepat: daripada hanya memeriksa dataset langsung yang digunakan untuk melatih model, perusahaan dapat melacak bias potensial ke sumbernya. “Bias sering terjadi pada waktu inferensi, bukan karena Anda memiliki bias dalam dataset,” kata Sharma. “Intinya adalah, sebenarnya bukan dataset. Ini adalah perjalanan yang dibutuhkan.”
Ketiga, kemampuan penjelasan dan akuntabilitas: Untuk keputusan AI berisiko tinggi seperti persetujuan pinjaman atau diagnosis medis, memahami sumber data yang lengkap menjadi penting. “Mengapa di belakang itu sangat penting, dan berkali -kali, perilaku model yang salah sepenuhnya tergantung pada beberapa langkah yang diambil sebelum waktu kesimpulan,” Sharma menjelaskan.
Akhirnya, Kepatuhan Regulasi: Platform memberikan apa yang Sharma sebut sebagai “titik bukti matematika” bahwa perusahaan menggunakan data dengan tepat, membantu mereka menavigasi peraturan global yang semakin kompleks.
Dari jam hingga menit: Pengembalian yang terukur pada pengawasan data yang lebih baik
Relyance mengklaim platform ini memberikan pengembalian investasi yang terukur. Menurut Sharma, pelanggan telah melihat 70-80% penghematan waktu dalam dokumentasi kepatuhan dan pengumpulan bukti. Apa yang dia sebut “waktu untuk kepastian” – kemampuan untuk dengan cepat menjawab pertanyaan tentang bagaimana data spesifik digunakan – telah dikurangi dari jam menjadi menit.
Dalam satu contoh Sharma dibagikan, perusahaan langsung-ke-konsumen sedang mengganti prosesor pembayaran dari Braintree ke Stripe. Seorang insinyur yang bekerja pada proyek yang secara tidak sengaja membuat kode yang menyimpan informasi kartu kredit dalam teks biasa dengan nama kolom yang salah di Snowflake.
“Kami menangkap bahwa pada saat kode itu diperiksa,” kata Sharma. Tanpa representasi visual data aliran data, insiden keamanan potensial ini mungkin tidak terdeteksi sampai jauh kemudian.
Menyimpan data sensitif di dalam dinding Anda: Opsi yang diselenggarakan sendiri
Bersamaan dengan perjalanan data, Relyance memperkenalkan Inhost, model penyebaran yang diselenggarakan sendiri yang dirancang untuk organisasi dengan persyaratan kedaulatan data yang ketat atau yang ada di industri yang sangat diatur.
“Industri yang paling tertarik pada opsi in-host adalah industri yang lebih diatur-Fintech dan Healthcare,” kata Sharma. Ini termasuk perbankan, deteksi penipuan, aplikasi kelayakan kredit, genetika, dan layanan perawatan kesehatan pribadi.
Fleksibilitas untuk menggunakan baik di cloud atau di dalam infrastruktur perusahaan sendiri membahas kekhawatiran yang berkembang tentang data sensitif meninggalkan batas organisasi, terutama untuk aplikasi AI yang dapat memproses informasi yang diatur.
Rencana Ekspansi Relyance AI menunjuk ke pasar tata kelola AI
Relyance memposisikan perjalanan data sebagai bagian dari strategi yang lebih luas untuk menjadi apa yang Sharma sebut sebagai “platform asli AI yang terpadu” untuk kepatuhan privasi global, manajemen postur keamanan data, dan tata kelola AI.
“Di paruh kedua tahun ini, saya meluncurkan solusi tata kelola AI yang akan menjadi manajemen 360 derajat dari semua jejak AI di lingkungan Anda,” ungkap Sharma, mencakup kepatuhan, pemantauan etika real-time, deteksi bias, dan akuntabilitas untuk sistem AI pihak ketiga dan in-house.
Visi jangka panjang perusahaan ambisius. “Agen AI akan menjalankan dunia, dan kami ingin menjadi perusahaan yang menyediakan infrastruktur bagi organisasi untuk mempercayai dan mengaturnya,” kata Sharma. “Kami ingin membantu meningkatkan indeks utilitas data dunia.”
Investor bertaruh besar pada tata kelola data saat persaingan memanas
Relyance menghadapi persaingan dari pemain mapan di ruang yang berdekatan. Dalam wawancara sebelumnya dengan TechCrunch, Sharma mengakui pesaing termasuk Onetrust, Transcend, DataGrail, dan Securiti AI, meskipun ia menekankan bahwa pendekatan terintegrasi Relyance membedakannya.
Investor tampaknya yakin akan potensi perusahaan. Babak Seri B senilai $ 32,1 juta pada Oktober 2024, dipimpin oleh Thomvest Ventures dengan partisipasi dari Dana Ventures M12 Microsoft, membawa total dana Relyance menjadi $ 59 juta.
Umesh Padval, direktur pelaksana di Thomvest Ventures, menyoroti urgensi masalah yang diatasi Relyance: “Relyance AI memberdayakan kepala privasi, keamanan, dan petugas informasi untuk mengelola privasi dan kepatuhan data, menghindari hukuman yang mahal sambil mendorong adopsi AI yang aman dan bertanggung jawab.”
Mengapa Pengawasan Data mungkin menentukan keberhasilan AI di perusahaan
Sharma membingkai misi perusahaan sebagai bagian dari keharusan yang lebih luas untuk organisasi yang menerapkan teknologi AI.
“AI menjadi semacam keharusan default dalam organisasi Anda, dan semua orang perlu memikirkan inti, pilar dasar di organisasi Anda, yang akan menjadi infrastruktur untuk kepercayaan dan tata kelola,” katanya.
“Apakah para pemimpin menggunakan ombak atau tidak, itu adalah aspek penting untuk dipikirkan, karena itu akan benar -benar membuka seberapa cepat Anda bisa mendapatkan adopsi AI dengan cara yang bermakna dalam suatu organisasi.”
Ketika perusahaan bergegas untuk mengimplementasikan AI, kemampuan untuk mempertahankan visibilitas ke dalam proses data telah berevolusi dari kotak centang kepatuhan sekadar menjadi kebutuhan bisnis yang mendasar. Pergeseran ini mewakili salah satu perubahan yang tenang namun mendalam yang tidak menjadi berita utama tetapi membentuk kembali industri. Perusahaan yang membangun alat visibilitas ini pada dasarnya menciptakan sistem kontrol lalu lintas udara untuk AI – bukan jet yang mencolok sendiri, tetapi infrastruktur yang mencegah mereka saling menabrak. Tanpa itu, bahkan algoritma yang paling mengesankan menjadi kewajiban perusahaan.
