Piloto de dados empresariais são notoriamente diversos, caóticos e fragmentados. Com dados fluindo de múltiplas fontes para plataformas complexas em múltiplas nuvens e depois distribuídos em diversas aplicações de IA, BI e chatbots, gerenciar esses ecossistemas se tornou um desafio formidável e que consome muito tempo. Hoje, a Connecty AI, uma startup com sede em San Francisco, surgiu do modo stealth com $1,8 milhão para simplificar essa complexidade com uma abordagem consciente do contexto.
A inovação central da Connecty é um motor de contexto que abrange todos os pipelines de dados horizontais das empresas – analisando e conectando ativamente 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 instância, possibilita insights comerciais precisos e acionáveis.
Embora ainda esteja em seus primeiros dias, a Connecty já está simplificando 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 apenas alguns minutos.
A Connecty trazendo ordem ao ‘caos dos dados’
Mesmo antes da era dos modelos de linguagem, o caos dos dados era uma realidade sombria.
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 os esquemas de dados desatualizados – levando a aplicações downstream com desempenho ruim. Imagine o caso de chatbots de IA sofrendo alucinações ou painéis de BI fornecendo insights empresariais imprecisos.
Os fundadores da Connecty AI, Aish Agarwal e Peter Wisniewski, viram esses desafios de perto em seus respectivos papéis na cadeia de valor de dados e notaram que tudo se resume a um grande problema: compreender as nuances dos dados empresariais espalhados pelos pipelines. Essencialmente, as equipes tinham que fazer muito trabalho manual para 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 no seu coração.
“O núcleo da 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), que inclui feedback humano 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 interconectada e sutil 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 de usuário. Essa camada opera em segundo plano, gerando proativamente recomendações dentro dos pipelines de dados, atualizando a documentação e permitindo a entrega de insights contextualizados relevantes, adaptados instantaneamente às necessidades de várias partes interessadas.
“A Connecty AI aplica aprendizado profundo de contexto de conjuntos de dados díspares e suas conexões com cada objeto para gerar documentação abrangente e identificar métricas de negócios com base na intenção comercial. Na fase de preparação de 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 uma tomada de decisão mais ágil e orientada por dados”, explicou Agarwal.
Os insights são entregues por meio de ‘agentes de dados’ que interagem com os usuários em linguagem natural, considerando sua experiência técnica, nível de acesso às informações 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, tornando mais fácil interagir com os dados de forma eficaz, aumentando a produtividade e reduzindo a necessidade de treinamento extensivo.
Interface do usuário da Connecty AI
Resultados significativos para parceiros iniciais
Embora muitas empresas, incluindo startups como DataGPT e gigantes de bilhões de dólares como Snowflake, tenham prometido acesso mais rápido a insights precisos com interfaces impulsionadas por modelos de linguagem grandes, a Connecty afirma se destacar com sua abordagem baseada em grafos de contexto que cobre toda a pilha, não apenas uma ou duas plataformas.
De acordo com a empresa, outras organizações automatizam fluxos de trabalho de dados interpretando esquemas estáticos, mas essa abordagem falha em ambientes de produção, onde a necessidade é ter uma compreensão coesa e continuamente evolutiva dos dados em sistemas e equipes.
Atualmente, a Connecty AI está na fase pré-receita, embora esteja trabalhando com várias empresas parceiras para melhorar ainda mais o desempenho do produto em dados e fluxos de trabalho do mundo real. Estas incluem Kittl, Fiege, Mindtickle e Dept. Todas as quatro organizações estão executando provas de conceito 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.
“Nossa complexidade de dados está crescendo rapidamente, e leva mais tempo para preparar dados e analisar métricas. Nós esperávamos em média de 2 a 3 semanas para preparar dados e extrair insights acionáveis a partir dos dados de uso do nosso produto e mesclá-los com dados transacionais e de marketing. Agora, com a Connecty AI, é uma questão de minutos”, disse Nicolas Heymann, CEO da Kittl.
Como próximo passo, a Connecty planeja expandir as capacidades de compreensão 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-as com base no número de assentos ou modelo de preços baseado em uso.