AI-агенты не знают, что такое «выручка» в вашей компании. Jedify взяла $24 млн, чтобы это исправить
Jedify привлекла $24 млн Series A от Norwest и Snowflake, чтобы дать AI-агентам реальный контекст о бизнесе — права доступа, терминологию и данные из всех систем.
Нью-йоркский стартап Jedify закрыл раунд Series A на $24 млн под руководством Norwest — со стратегическим участием Snowflake. Общий объём привлечённых инвестиций достиг $33 млн. Ставка компании простая: AI-агенты бесполезны без контекста о конкретном бизнесе, и именно этот контекст Jedify берётся строить.
Почему «умный» агент ведёт себя как новый стажёр
Вендоры продают AI-агентов для предприятий как готовые решения. На практике модель не знает, как ваша компания считает выручку, кто имеет доступ к каким файлам и что означает внутренний термин «горячий лид» именно у вас. Это не проблема качества модели — это проблема отсутствия контекста.
Самостоятельная дообучка модели под специфику бизнеса обходится дорого: нужно время, деньги и инженерные ресурсы. А учитывая, что компании сейчас активно режут расходы на AI-токены, обучать модель «с нуля» под каждый корпоративный кейс — не лучшая идея.
Что такое «контекстный граф» и чем он отличается от семантического слоя
Jedify строит то, что называет context graph — многомерную карту знаний о бизнесе. Платформа подключается к источникам данных компании через API: базы данных, дата-вархаусы и озёра данных, SaaS-приложения, BI-инструменты, а также неструктурированные источники — документация, кодовые базы, Slack-каналы и записи встреч.
Результат — граф, который описывает связи между сущностями, данными, людьми, правами доступа, рабочими процессами и корпоративной терминологией. AI-агент, работающий поверх этого графа, не ищет нужную информацию по всей компании — он сразу знает, где смотреть и что релевантно для конкретной задачи.
CEO и сооснователь Ассаф Хенкин разграничивает это с семантическими слоями и каталогами метаданных, которые уже используются в enterprise. По его словам, те инструменты одномерны: они описывают данные, но не захватывают отношения между людьми, правами доступа и операционными допущениями. Когда агенту нужно принимать решения одновременно по CRM, тикетам Zendesk и телеметрии в реальном времени — семантического слоя недостаточно.
Граф обновляется в реальном времени по мере изменения данных и не привязан к конкретной модели: он model-agnostic.
Права доступа — не мелочь, а ключевая проблема
Один из самых очевидных рисков AI-агентов в корпоративной среде — они могут показать стажёру финансовые прогнозы CFO, если не настроены правильно. Jedify решает это через наследование прав из identity-систем, файловых систем, SaaS-инструментов и баз данных — вплоть до уровня строк, столбцов и таблиц.
Поверх этого клиенты могут создавать собственные группы доступа: кому и что разрешено видеть агенту или конкретному рабочему процессу. Платформа также включает инструменты наблюдаемости (observability) и governance — чтобы компании могли контролировать, как именно агенты себя ведут.
Kiteworks и The Weather Company уже внутри
Среди ранних клиентов Jedify — от 10 до 20 компаний, в том числе The Weather Company. Compliance-компания Kiteworks подключила к платформе Snowflake, Tableau, Notion и внутренние playbook'и, затем построила агентские инструменты для команд продаж.
По словам Хенкина, результат — приложение, которое в реальном времени собирает всё нужное для переговоров с клиентом: и как дашборд, и как разговорный интерфейс. Во время звонка продавец получает проактивно всплывающие детали, не переключаясь между системами.
Jedify целится в средний и крупный enterprise с зрелым data-стеком и несколькими базами данных или вархаусами. Приоритетные вертикали — игровая индустрия, промышленность и FMCG (товары повседневного спроса).
Snowflake инвестирует — и одновременно конкурирует
Участие Snowflake как стратегического инвестора интересно по двум причинам. Во-первых, компания интегрирует технологию Jedify в собственные AI-продукты: Cortex AI, Semantic Views и CoWork. Во-вторых, крупные data-платформы сами строят похожие возможности.
Хенкин не видит в этом противоречия. Его аргумент: большинство корпоративных данных и почти всё институциональное знание компании не хранится у одного облачного провайдера. Snowflake или любой другой крупный игрок может предложить «принесите всё к нам» — но на практике у компаний десятки разрозненных систем, и значительная часть знаний вообще не оцифрована в структурированном виде.
Куда движется ставка
Деньги раунда пойдут на разработку продукта, найм и выход на рынок. Но за тактикой просматривается стратегическая идея: по мере того как AI-модели становятся всё более мощными и взаимозаменяемыми, конкурентное преимущество смещается к тому, кто лучше знает конкретный бизнес. Проприетарный контекст — корпоративная терминология, связи между данными, история решений — может стать тем самым рвом, который сложно скопировать.
Если эта ставка верна, инфраструктура для построения такого контекста окажется не вспомогательным инструментом, а критической частью AI-стека любого крупного предприятия.