پرش به محتوای اصلی
دوشنبه ۲۷ مهر ۱۴۰۵به‌روزرسانی: ۱ ساعت پیش
کانال تلگرام
اخبار لحظه‌ای

Ascerta برای سنجش ارزش تجاری هوش مصنوعی ۱۸ میلیون دلار جذب کرد

استارتاپ Ascerta در دور Series A به رهبری Dell Technologies Capital، مبلغ ۱۸ میلیون دلار جذب کرد. این شرکت ابزارهایی برای سنجش بازده سرمایه‌گذاری هوش مصنوعی و شناسایی هزینه‌های هدررفته در سازمان‌ها می‌سازد.

نویا را به منابع منتخبت در گوگل اضافه کن (در زبانه جدید باز می‌شود)
Ascerta برای سنجش ارزش تجاری هوش مصنوعی ۱۸ میلیون دلار جذب کرد
فهرست مطالب
  1. ۱چرا سنجش ارزش هوش مصنوعی دشوار است؟
  2. ۲پلتفرم Ascerta چه چیزی را اندازه می‌گیرد؟
  3. ۳سرمایه‌گذاران و ادعاهای مربوط به نتایج
  4. ۴این خبر برای چه کسانی اهمیت دارد
خلاصه خبر در چند خط
  • Ascerta در دور Series A به رهبری Dell Technologies Capital، ۱۸ میلیون دلار جذب کرد.
  • این پلتفرم هزینه‌ها و میزان استفاده از ابزارهای هوش مصنوعی سازمانی را به نتایج تجاری پیوند می‌دهد.
  • Ascerta مدعی است مشتریانش به‌طور میانگین بازده سرمایه‌گذاری را ۴۷ درصد بهبود داده‌اند.
  • مجموع سرمایه جذب‌شده این شرکت به ۲۲٫۹ میلیون دلار رسیده است.

بازده سرمایه‌گذاری هوش مصنوعی برای بسیاری از شرکت‌ها هنوز به‌روشنی قابل‌اندازه‌گیری نیست؛ استارتاپ Ascerta می‌گوید برای کمک به حل این مسئله، در دور Series A مبلغ ۱۸ میلیون دلار جذب کرده است. این دور که در ۳۰ سپتامبر ۲۰۲۶ اعلام شد، با راهبری Dell Technologies Capital انجام گرفت و Hitachi Ventures، BGV و Wipro Ventures نیز در آن مشارکت داشتند. با این سرمایه، مجموع جذب سرمایه Ascerta به ۲۲٫۹ میلیون دلار رسیده است.

مسئله‌ای که Ascerta روی آن تمرکز دارد، فاصله میان هزینه‌کرد برای هوش مصنوعی و توانایی سازمان‌ها برای تشخیص نتیجه واقعی این هزینه‌هاست. شرکت‌ها ممکن است بدانند چه میزان توکن مصرف کرده‌اند یا ابزارهایشان چند بار اجرا شده‌اند، اما این شاخص‌ها به‌تنهایی نشان نمی‌دهند کدام پروژه درآمد ساخته، هزینه‌ای را کاهش داده یا ارزش دیگری برای کسب‌وکار ایجاد کرده است. Ascerta قصد دارد با گردآوری داده‌های استفاده و هزینه، تصویر دقیق‌تری از این رابطه در اختیار مدیران بگذارد.

چرا سنجش ارزش هوش مصنوعی دشوار است؟

به گفته شرکت، ابزارهای رایج مدیریت مالی فناوری اطلاعات معمولاً برای پیگیری هزینه‌های زیرساخت، از جمله خدمات ابری، طراحی شده‌اند. اصطلاح «FinOps» به همین رویکرد برای مدیریت مالی و بهینه‌سازی هزینه‌های فناوری اشاره دارد. اما در کاربردهای هوش مصنوعی، دانستن هزینه زیرساخت یا تعداد درخواست‌ها لزوماً روشن نمی‌کند که یک عامل هوش مصنوعی یا دستیار برنامه‌نویسی چه اثری بر عملکرد و نتایج تجاری گذاشته است.

دیوید تپر، هم‌بنیان‌گذار و مدیرعامل Ascerta، می‌گوید بسیاری از سازمان‌ها به شاخص‌هایی مانند مصرف توکن و تعداد اجرای عامل‌ها دسترسی دارند، ولی این آمارها برای فهم اثر واقعی بر کسب‌وکار کافی نیستند. او مسئله را در نبود اطلاعاتی می‌بیند که با نیازهای اختصاصی هر شرکت، کارکنان و موارد استفاده آن ارتباط داشته باشد. بنابراین، پرسش محوری فقط این نیست که یک ابزار چقدر استفاده شده؛ سازمان باید بتواند بررسی کند این استفاده چه پیامدی داشته است.

اهمیت این تمایز در آن است که گسترش ابزارهای هوش مصنوعی به‌خودی‌خود اثبات نمی‌کند سرمایه‌گذاری نتیجه‌بخش بوده است. وقتی تعداد اجراها یا مصرف منابع به‌عنوان معیار اصلی استفاده شود، ممکن است فعالیت زیاد با ارزش‌آفرینی اشتباه گرفته شود. راهکار Ascerta، دست‌کم بر اساس توضیح شرکت، می‌کوشد هزینه و استفاده را در کنار درآمد یا صرفه‌جویی احتمالی قرار دهد تا مدیران بتوانند درباره ادامه یا تغییر پروژه‌ها تصمیم آگاهانه‌تری بگیرند.

پلتفرم Ascerta چه چیزی را اندازه می‌گیرد؟

Ascerta پلتفرم خود را سامانه‌ای یکپارچه معرفی می‌کند که اتصال به ابزارهای سازمانی هوش مصنوعی را ممکن می‌سازد و استفاده از آن‌ها را در سطح کاربران، تیم‌ها و برنامه‌ها دنبال می‌کند. طبق اعلام شرکت، این سامانه می‌تواند به ابزارهایی از جمله Microsoft Copilot، Claude از Anthropic، Bedrock از Amazon Web Services و Agentforce از Salesforce متصل شود. هدف این است که سازمان‌ها بتوانند ببینند چه کسانی از ابزارها استفاده می‌کنند، استفاده در چه فعالیت‌هایی جریان دارد و آیا این فعالیت‌ها به نتایج تجاری تبدیل می‌شوند یا خیر.

تپر همچنین می‌گوید Ascerta هزینه‌هایی را بررسی می‌کند که ممکن است در ابزارهای دیگر به‌سادگی دیده نشوند؛ از جمله تخفیف‌های سازمانی، هزینه‌های پنهان و مخارجی که در سطحی پایین‌تر از مصرف توکن ایجاد می‌شوند. بر پایه ادعای شرکت، این جزئیات می‌توانند به شناسایی هزینه‌های غیرضروری و بهینه‌سازی نحوه استفاده از خدمات کمک کنند. با این حال، متن اعلام‌شده توضیحی درباره روش محاسبه مستقل این هزینه‌ها یا نحوه راستی‌آزمایی نتایج ارائه نمی‌دهد.

پلتفرم سه بخش اصلی دارد. Atlas میزان پذیرش هوش مصنوعی در سازمان، ارزش ایجادشده و بازده سرمایه‌گذاری را می‌سنجد. Forge برای بررسی نحوه استفاده تیم‌های مهندسی از عامل‌های کدنویسی و اثر آن‌ها بر بهره‌وری طراحی شده است. Convoy نیز منابع محاسباتی مصرف‌شده برای هوش مصنوعی را پایش می‌کند تا شرکت‌ها بتوانند بارهای کاری را تجمیع کنند و در صورت امکان، منابع را بهینه‌تر به کار بگیرند؛ آن هم با هدف جلوگیری از اختلال در فعالیت‌های سازمان.

سرمایه‌گذاران و ادعاهای مربوط به نتایج

جذب سرمایه اخیر به رهبری Dell Technologies Capital انجام شده و Hitachi Ventures، BGV و Wipro Ventures نیز در آن حضور داشته‌اند. شرکت هنوز به مرحله اعلام عرضه یک مدل هوش مصنوعی جدید نرسیده است؛ موضوع خبر، تأمین مالی یک کسب‌وکار نرم‌افزاری است که ابزارهای اندازه‌گیری و مدیریت ارزش هوش مصنوعی را به سازمان‌ها عرضه می‌کند.

Ascerta می‌گوید به شرکت‌هایی از جمله Atos و Wipro در ارزیابی سرمایه‌گذاری‌های اولیه هوش مصنوعی کمک کرده است. بنا بر ارقام اعلام‌شده از سوی استارتاپ، این مشتریان به‌طور میانگین بازده سرمایه‌گذاری خود را ۴۷ درصد بهبود داده‌اند، زمان راه‌اندازی عامل‌های هوش مصنوعی را ۲۴ درصد کاهش داده‌اند و هزینه هدررفته منابع هوش مصنوعی را ۸۶ درصد پایین آورده‌اند. این ارقام، ادعاهای شرکت درباره نتایج استفاده از پلتفرم است و در متن گزارش‌شده جزئیاتی درباره تعداد پروژه‌های بررسی‌شده یا مبنای محاسبه میانگین‌ها وجود ندارد.

فلورین راتار، مدیر ارشد هوش مصنوعی Atos Group، گفته است این پلتفرم برای گسترش ابتکار Sovereign Agentic Studios این شرکت مفید بوده و دیدپذیری و کنترل بیشتری فراهم کرده است. رامانا خانا، مدیرعامل Dell Technologies Capital، نیز سرمایه‌گذاری در Ascerta را با این دیدگاه توضیح داده که سازمان‌ها از مرحله آزمایش گسترده هوش مصنوعی عبور می‌کنند و به‌دنبال سرمایه‌گذاری‌هایی هستند که ارزش تجاری قابل‌سنجش ایجاد کنند. به گفته او، مدیران برای تشخیص فعالیت‌های مؤثر و بهینه‌سازی هزینه‌ها به اطلاعات دقیق‌تری نیاز دارند.

این اظهارنظرها نشان می‌دهد مسئله سنجش نتیجه، هم برای خریداران ابزارهای هوش مصنوعی و هم برای سرمایه‌گذاران این حوزه اهمیت پیدا کرده است. در عین حال، کارآمدی چنین پلتفرمی به کیفیت داده‌هایی وابسته است که از ابزارهای مختلف دریافت می‌کند و به این‌که سازمان چگونه «ارزش» را تعریف و اندازه‌گیری می‌کند. در اطلاعات منتشرشده، Ascerta بر امکان مشاهده و تحلیل این داده‌ها تأکید دارد، اما معیار واحدی برای مقایسه بازده پروژه‌های متفاوت ارائه نشده است.

این خبر برای چه کسانی اهمیت دارد

خبر جذب سرمایه Ascerta برای مدیران فناوری و مالی شرکت‌هایی اهمیت دارد که هزینه هوش مصنوعی را افزایش داده‌اند، اما هنوز نمی‌توانند اثر آن را به‌روشنی به درآمد، صرفه‌جویی یا بهره‌وری پیوند دهند. همچنین تیم‌های مهندسی می‌توانند به ابزارهایی مانند Forge توجه کنند، اگر می‌خواهند استفاده از دستیارهای برنامه‌نویسی را فراتر از شمارش فعالیت‌ها ارزیابی کنند.

برای خریداران سازمانی، ادعاهای Ascerta درباره بهبود بازده و کاهش هزینه‌ها می‌تواند نقطه شروعی برای بررسی باشد، نه تضمین نتیجه مشابه. ارزیابی این‌که راهکار واقعاً ارزشمند است یا نه، به داده‌های قابل‌اعتماد، تعریف روشن از هدف تجاری و مقایسه هزینه‌ها با پیامدهای قابل‌اندازه‌گیری نیاز دارد. سرمایه‌گذاری تازه به Ascerta منابع بیشتری برای پیشبرد این رویکرد می‌دهد؛ اما میزان پذیرش آن در بازار و توانایی‌اش برای اثبات نتایج در سازمان‌های گوناگون، در ادامه تعیین‌کننده خواهد بود.

پرسش‌های متداول

Ascerta چه مشکلی را برای شرکت‌ها حل می‌کند؟
این شرکت می‌خواهد به سازمان‌ها کمک کند بفهمند هزینه‌های هوش مصنوعی به درآمد، صرفه‌جویی یا بهبودهای قابل‌اندازه‌گیری منجر می‌شود یا نه.
Ascerta در دور اخیر چقدر سرمایه جذب کرد؟
این استارتاپ در دور Series A مبلغ ۱۸ میلیون دلار جذب کرد و مجموع سرمایه جذب‌شده‌اش به ۲۲٫۹ میلیون دلار رسید.
پلتفرم Ascerta از چه بخش‌هایی تشکیل شده است؟
این پلتفرم سه بخش Atlas برای سنجش پذیرش و بازده، Forge برای بررسی دستیارهای برنامه‌نویسی و Convoy برای تحلیل منابع محاسباتی دارد.
منبع خبرSiliconANGLE — AI
#بازده_سرمایه‌گذاری#جذب_سرمایه#مدیریت_هزینه#هوش_مصنوعی_سازمانی
درباره نویسندهپژوهشگر اقتصاد دیجیتال

دانش آموخته مدیریت کسب و کار گرایش استراتژی و پژوهشگر ، استراتژیست و توسعه دهنده اقتصاد دیجیتال

مطالب مرتبط

همه اخبار هوش مصنوعیتازه‌ترین خبرهای امروز را در هوش مصنوعی نویا دنبال کنید
این خبر را به اشتراک بگذارید