Como o mapeamento de contexto de IA da Connecty pode acabar com o caos nas pipelines de dados empresariais

Os conjuntos de dados empresariais são notoriamente diversos, caóticos e fragmentados. Com dados fluindo de várias fontes para plataformas complexas de múltiplas nuvens e, em seguida, distribuídos em variadas aplicações de IA, BI e chatbots, gerenciar esses ecossistemas se tornou um desafio formidável e que consome muito tempo. Hoje, Connecty AI, uma startup com sede em São Francisco, emergiu do modo oculto com US$ 1,8 milhão para simplificar essa complexidade com uma abordagem ciente do contexto.

A inovação central da Connecty é um motor de contexto que abrange todos os pipelines de dados horizontais das empresas — analisando ativamente e conectando diversas fontes de dados. Ao vincular os pontos de dados, a plataforma captura uma compreensão sutil do que está acontecendo nos negócios em tempo real. Essa “consciência contextual” alimenta tarefas automatizadas de dados e, em última análise, permite insights empresariais precisos e acionáveis.

Embora ainda esteja em seus estágios iniciais, a Connecty já está agilizando tarefas de dados para várias empresas. A plataforma está reduzindo o trabalho das equipes de dados em até 80%, executando projetos que antes levavam semanas em questão de minutos.

Connecty trazendo ordem ao ‘caos dos dados’

Mesmo antes da era dos modelos linguísticos, o caos dos dados era uma dura realidade.

Com informações estruturadas e não estruturadas crescendo em um ritmo sem precedentes, as equipes têm lutado continuamente para manter suas arquiteturas de dados fragmentadas em ordem. Isso manteve seu contexto empresarial essencial espalhado e esquemas de dados desatualizados — levando a aplicações secundárias com baixo desempenho. Imagine o caso de chatbots de IA sofrendo alucinações ou painéis de BI fornecendo insights comerciais imprecisos.

Os fundadores da Connecty AI, Aish Agarwal e Peter Wisniewski, viram esses desafios em suas respectivas funções na cadeia de valor dos dados e observaram que tudo se resume a uma grande questão: entender as nuances dos dados empresariais espalhados pelos pipelines. Essencialmente, as equipes tinham que fazer muito trabalho manual para a preparação de dados, mapeamento, análise exploratória de dados e preparação de modelos de dados.

Para resolver isso, a dupla começou a trabalhar na startup e no motor de contexto que está em seu coração.

“O núcleo de nossa solução é o motor de contexto proprietário que, em tempo real, extrai, conecta, atualiza e enriquece dados de diversas fontes (por meio de integrações sem código), incluindo feedback de humanos para ajustar definições personalizadas. Fazemos isso com uma combinação de bancos de dados vetoriais, bancos de dados de grafos e dados estruturados, construindo um ‘grafo de contexto’ que captura e mantém uma visão sutil e interconectada de todas as informações,” disse Agarwal ao VentureBeat.

Uma vez que o grafo de contexto específico da empresa cobrindo todos os pipelines de dados está pronto, a plataforma o utiliza para gerar automaticamente uma camada semântica dinâmica e personalizada para cada persona do usuário. Essa camada opera em segundo plano, gerando proativamente recomendações dentro dos pipelines de dados, atualizando documentação e permitindo a entrega de insights contextualmente relevantes, ajustados instantaneamente às necessidades de diferentes partes interessadas.

“A Connecty AI aplica aprendizado profundo de contexto em conjuntos de dados díspares e suas conexões com cada objeto para gerar documentação abrangente e identificar métricas de negócios com base na intenção empresarial. Na fase de preparação dos dados, a Connecty AI gerará uma camada semântica dinâmica que ajuda a automatizar a geração de modelos de dados enquanto destaca inconsistências e as resolve com feedback humano que enriquece ainda mais o aprendizado de contexto. Além disso, capacidades de autoatendimento para exploração de dados capacitarão gerentes de produto a realizar análises ad-hoc de forma independente, minimizando sua dependência de equipes técnicas e facilitando a tomada de decisões ágeis e orientadas por dados,” explicou Agarwal.

Os insights são entregues por meio de ‘agentes de dados’ que interagem com os usuários em linguagem natural, considerando sua expertise técnica, nível de acesso à informação e permissões. Em essência, o fundador explica, cada persona de usuário recebe uma experiência personalizada que se adapta ao seu papel e conjunto de habilidades, facilitando a interação eficaz com os dados, aumentando a produtividade e reduzindo a necessidade de treinamento extensivo.

Resultados significativos para parceiros iniciais

Enquanto muitas empresas, incluindo startups como DataGPT e gigantes multimilionários como Snowflake, têm prometido um acesso mais rápido a insights precisos com interfaces baseadas em grandes modelos de linguagem, a Connecty afirma se destacar com sua abordagem baseada em grafo de contexto que cobre todo o stack, não apenas uma ou duas plataformas.

De acordo com a empresa, outras organizações automatizam fluxos de trabalho de dados ao interpretar esquemas estáticos, mas a abordagem falha em ambientes de produção, onde há a necessidade de ter uma compreensão coesa e em constante evolução dos dados entre sistemas e equipes.

Atualmente, a Connecty AI está em estágio pré-receita, embora esteja trabalhando com várias empresas parceiras para melhorar ainda mais o desempenho de seu produto em dados e fluxos de trabalho do mundo real. Isso inclui Kittl, Fiege, Mindtickle e Dept. As quatro organizações estão executando POCs da Connecty em seus ambientes e conseguiram otimizar projetos de dados, reduzindo o trabalho de suas equipes em até 80% e acelerando o tempo para insights.

“A complexidade dos nossos dados está crescendo rapidamente, e leva mais tempo para preparar dados e analisar métricas. Esperávamos em média de 2 a 3 semanas para preparar dados e extrair insights acionáveis de nossos dados de uso de produtos e mesclá-los com dados transacionais e de marketing. Agora, com a Connecty AI, isso leva apenas minutos,” disse Nicolas Heymann, CEO da Kittl.

Como próximo passo, a Connecty planeja expandir as capacidades de entendimento de seu motor de contexto, apoiando fontes de dados adicionais. Também lançará o produto para um conjunto mais amplo de empresas como um serviço de API, cobrando por assento ou modelo de preços baseado em uso.