企业对人工智能提升生产力充满期待，但也对其风险保持警惕。Workday调查显示，数据时效性与可靠性、潜在偏见及安全隐私问题，是实施AI的主要障碍。
曾联合创立AI训练平台SigOpt（2020年被英特尔收购）的斯科特·克拉克，察觉商机后成立Distributional公司，致力于打造“使AI安全可靠的软件”，将测试标准化并扩展至不同应用场景。
克拉克表示：“Distributional正构建面向企业的现代AI测试评估平台。随着AI能力增强，危害风险同步上升。我们的平台专为AI产品团队设计，助其在生产环境中主动、持续地识别和应对风险，避免客户受损。”
在英特尔担任AI及高性能计算部门副总裁期间，克拉克发现难以保证高质量AI测试的频率，这激发了他创立Distributional的想法。他指出：“无论是幻觉、不稳定性还是集成挑战，团队往往难以通过测试有效识别和应对AI风险。正确的AI测试需要深度与分布理解能力，这是亟待解决的难题。”
Distributional核心产品旨在检测诊断大语言模型等AI模型的“危害”，半自动化厘清测试内容、方式及地点，为组织提供预生产环境中的AI风险全面视图。
针对现有手动测试耗时低效或被动监控不完整的问题，克拉克介绍道：“我们的平台包含可扩展测试框架，用于持续分析稳定性与鲁棒性；可配置仪表盘，可视化呈现测试结果；以及智能测试套件，用于设计和生成合适的测试组合。”
目前克拉克对功能细节及平台整体轮廓仍持保留态度，称项目处于早期阶段，正与合作伙伴共同设计产品。
面对Kolena、Giskard等竞品及科技巨头的模型评估工具，尚未产生收入的Distributional如何竞争？克拉克强调其企业级定位：“我们专注于满足大型企业在数据隐私、可扩展性及复杂性方面的需求，这与侧重个体开发者的现有产品形成差异化。”
按计划，Distributional将于明年正式商用并开始创收。今日，该公司宣布完成1100万美元种子轮融资，由Andreessen Horowitz领投，Operator Stack、Point72 Ventures、SV Angel、Two Sigma及天使投资人参与。
克拉克表示：“完善的测试将增强团队部署AI的信心。随着应用增多，影响呈指数级增长，进而推动解决更复杂的问题，而这又需要更多测试来确保安全稳固，从而开启良性循环。”