استارتاپ کرهای ارزیابی ایمنی و کیفیت LLMها 15.5 میلیون دلار جذب کرد. دیتامو (Datumo)، استارتاپ سئولیِ فعال در ارزیابی کیفی و ایمنی مدلهای زبانی بزرگ، اعلام کرد دور سری B خود را با جذب 15.5 میلیون دلار بست. بهگفته شرکت، این سرمایه برای پاسخ به رشد تقاضا برای ابزارهای ارزیابی نسلزا و دادههای آموزش مدلها صرف خواهد شد.
حضور Salesforce Ventures در این راند—که نخستین سرمایهگذاری این صندوق در یک استارتاپ AI مستقر در کره جنوبی است—برای دیتامو علاوه بر نقدینگی، مزیتهای راهبردی به همراه دارد: از همکاری بالقوه روی AI agentها تا دسترسی به مشتریان سازمانی اکوسیستم Salesforce.
علاوه بر Salesforce Ventures، سرمایهگذاران دیگری همچون ACVC Partners (پالو آلتو)، SBI Investment (ژاپن)، KB Investment، Shinhan Venture Investment، Kiwoom Investment و Moorim Capital (بازوی مالی تولیدکننده کاغذ Moorim) در این راند مشارکت داشتند. دیتامو که پیشتر با نام SelectStar شناخته میشد، ارزشگذاری دوره را فاش نکرد. با این جذب، مجموع سرمایه دریافتی شرکت به حدود 25 میلیون دلار رسید.
چرا Salesforce وارد شد؟
Salesforce Ventures در بیانیهای اعلام کرد در دورهای که «نگرانیهای ایمنی AI بزرگترین مانع پذیرش گسترده است»، دیتامو راهکاری برای ارزیابی نسلزا ارائه میدهد که به سازمانها امکان میدهد خدمات مبتنی بر AI را با اطمینان و در هر دامنهای در مقیاس پیاده کنند. پشتیبانی Salesforce میتواند در عمل به معنی:
- همافزایی محصولی با Copilotها و AI agentهای Salesforce،
- دروازهگشایی به شبکه مشتریان سازمانی این شرکت،
- و تقویت اعتبار دیتامو در بازارهای تنظیمگریسنگین (مانند مالی و سلامت) باشد.
دیتامو دقیقاً چه میکند؟
دیتامو مجموعهای از ابزارها و سرویسها برای «تضمین کیفیت قبل از استقرار» ارائه میدهد:
- ارزیابی عملکرد و قابلیت اتکا: سیستمهایی برای سنجش پاسخهای LLM و تشخیص خطاهای محتوایی، توهم (hallucination)، نقض سیاستها و ناسازگاری با قواعد دامنهای.
- تولید خودکار سناریوهای تست: بهگفته مایکل هوانگ (همبنیانگذار و CSO)، پلتفرم دیتامو به شکل خودکار «مجموعه پرسشها و موارد آزمون» را میسازد، ارزیابی را اجرا و نتایج را تحلیل میکند—با استفاده از AI برای ساخت تست و ارزیابی AI.
- داده برای پیشتمرین: از جمله تبدیل محتوای چاپی کتابها با OCR به دیتاستهای آموزشی، با تمرکز بر کیفیت داده و پوشش دامنه.
چرا ارزیابی LLM سخت است؟
دیوید کیم، همبنیانگذار و CEO (عضو فهرست 30 زیر 30 آسیا در 2021)، میگوید ماهیت احتمالاتی مدلهای پایه باعث میشود خروجیها به تغییرات کوچک پرامپت یا ورودی حساس باشند؛ این رفتار غیردترمینیستیک، تضمین کیفیت را دشوار میکند. او تأکید میکند که بهویژه در صنایع تنظیمگریسنگین مانند مالی، «AI نمیتواند فقط خوب باشد؛ باید امن و همراستا با انتظارات دامنهای باشد.»
همکاریهای ملی و توسعه جغرافیایی
اوایل همین ماه، کنسرسیومی شامل دیتامو، SK Telecom، Krafton و استارتاپ تراشه Rebellions از سوی وزارت علم و ICT کره در میان پنج کنسرسیوم منتخب برای توسعه یک مدل پایه ملی قرار گرفت. دیتامو در این طرح مسئولیت مهندسی دادههای AI را بر عهده دارد. از نظر جغرافیایی، شرکت همزمان در ژاپن و آمریکا در حال توسعه حضور است و برای رهبری توسعه جهانی، هوانگ از سئول به سیلیکونولی نقل مکان کرده است.
چرا این خبر مهم است؟
- نقطه درد بازار: هر شرکت که بر LLM بنا میکند با چالش «قابلیت اتکا و ایمنی خروجی» روبهرو است. ابزارهای ارزیابی و QA پیش از استقرار، بهویژه با تولید خودکار تستکِیسها، سرعت و عمق ارزیابی را بالا میبرند.
- مزیت رقابتی در صنایع مقرراتمحور: ریسکهای حقوقی، شهرت و انطباق در صورت خطای AI بالاست. توانایی ارزیابی و اعمال خطمشیهای دامنهای، مزیتی کلیدی برای ورود به این بازارهاست.
- سیگنال سرمایهگذار استراتژیک: ورود Salesforce Ventures (از طریق برنامههای متمرکز بر AI) اعتبار و مسیر تجاریسازی دیتامو را تقویت میکند و احتمال ادغامهای محصولی با اکوسیستم Salesforce را بالا میبرد.
چشمانداز و ریسکها
- استانداردهای سنجش: بازار هنوز به معیارهای مشترک و بنچمارکهای مورد اجماع برای ایمنی/کیفیت LLM نرسیده است؛ مزیت امروز میتواند بهسرعت نیازمند بهروزرسانی شود.
- گسترش دامنه: تعمیم ارزیابی از متون عمومی به حوزههای تخصصی (حقوقی/مالی/پزشکی) مستلزم دیتاستهای باکیفیت و داوران دامنهای است.
- سرعت نوآوری: با شتاب انتشار مدلها و ابزارهای جدید، سکوی ارزیابی باید همواره سازگار، ماژولار و بهروز بماند.
برای مطالعه اخبار بیشتر اینجا کلیک کنید.
خلاصه خبر در یک نگاه
توسعه بینالمللی: گسترش در ژاپن و آمریکا؛ انتقال CSO به سیلیکونولی برای رهبری رشد جهانی.
دیتامو 15.5 میلیون دلار سری B جذب کرد؛ مجموع سرمایه به ~25 میلیون دلار رسید.
Salesforce Ventures بهعنوان نخستین سرمایهگذاری خود در یک استارتاپ AI کرهای به این راند پیوست.
تمرکز محصول: ارزیابی قابلیت اتکا و ایمنی LLM، تولید خودکار تستکِیسها، و دادههای پیشتمرین (از جمله OCR).
مشتریان هدف: صنایع تنظیمگریسنگین مانند مالی؛ تأکید بر همراستایی با انتظارات دامنهای.
همکاری ملی: حضور در کنسرسیوم مدل پایه کره با SK Telecom، Krafton و Rebellions.
نظر شما در مورد این مطلب چیه؟