Deasie获290万美元种子轮融资，赋能企业生成式AI数据治理
专注于提升企业对文本生成式AI模型控制权的初创公司Deasie今日宣布，完成290万美元种子轮融资。本轮融资由Y Combinator、General Catalyst、RTP Global、Rebel Fund及J12 Ventures共同参与。
Deasie创始人Reece Griffiths、Mikko Peiponen和Leo Platzer此前在麦肯锡共同开发数据治理工具时，发现企业数据治理存在严重问题，这直接影响了企业采用生成式AI的能力。IDC近期针对900多家大型企业高管的调查显示，86%的受访者认为需加强治理以确保生成式AI洞察的“质量和完整性”，但仅30%表示已做好充分准备。
为提升大型语言模型（LLM）的可靠性，Deasie开发了可连接文档、报告及邮件等未结构化数据的平台，并根据内容敏感性自动分类。例如，系统可将报告标记为“个人身份信息”或“专有信息”，并识别版本与访问权限。Griffiths表示，客户定义的标签能“教会”算法优化后续数据分类。
自动标记后，平台会评估标签库中数据的整体相关性与重要性，据此筛选输入文本生成模型的数据集。Griffiths指出：“随着数据量增加，LLM检索到错误答案或暴露敏感信息的风险随之放大。Deasie通过智能过滤数千份文档，确保输入生成式AI的数据具备相关性、高质量且安全。”
尽管限制LLM仅使用验证数据是合理方向，但算法分类的一致性及重要性判断的准确性仍是关键挑战。目前，仅有三名员工的Deasie已与一家美国数十亿美元级企业签署首个试点协议，并拥有超30家潜在客户管道，其中包括五家财富500强公司。
Deasie强调，现有产品多聚焦于“数据安全”或“结构化数据治理”，缺乏衡量非结构化数据质量及相关性的有效方法。Deasie的创新在于直接解决将每个生成式AI用例与“最佳”数据集匹配的问题。未来数月，公司将扩大工程团队并进行多次招聘，重点打造差异化功能以应对Unstructured.io、Scale AI、Collibra及Alation等竞争对手。