“Brevian:为商业用户轻松定制AI代理”

旭谷总部位于的公司Brevian旨在简化为商业用户创建定制AI代理的流程目前,该公司的主要重点是支持团队

“`html

Brevian是一个专门为企业创建AI代理的无代码平台。

Brevian创始人Vinay Wagh(左)和Ram Swaminathan(右)

位于Sunnyvale的Brevian,或者如他们自称的那样,BREV/ΛN,在人工智能(AI)领域掀起了波澜,为企业用户创作定制AI代理变得更加简单。该公司目前的重点是支持团队和安全分析人员,其中使用案例和训练集已被明确定义,尽管他们计划未来扩展到其他领域。如今,Brevian正摆脱隐秘模式,揭示其在获得900万美元种子融资轮方面的成功。

Brevian由首席执行官Vinay Wagh和首席技术官Ram Swaminathan创立。这两位富有远见的领导者来自截然不同的背景。Wagh此前是Databricks的产品总监,以及Bracket Computing的产品负责人,具有构建面向企业的解决方案的丰富经验。当Wagh看到ChatGPT和其他类似技术的潜力时,他意识到企业采用的关键缺失是一个能够提供必要元素以使这些AI技术有效运行的平台。这一认识,再加上与Ram Swaminathan的偶然相遇,促成了Brevian的诞生。

Swaminathan将计算机科学和机器学习的深厚专业知识带到了桌子上。在贝尔实验室和惠普实验室的学术背景和研究经验之后,他的职业之旅在LinkedIn继续,那里他领导AI信任团队。Swaminathan渴望建立一款产品,可以积极影响大量人群,这导致他与Wagh联手创立了Brevian。

生成AI中安全性的重要性

Prompt injection attack vector

Brevian使命的核心是安全性。在生成AI领域,AI供应商必须确保个人信息的保护至关重要。实际上,许多企业最初禁止使用ChatGPT,原因是担心敏感数据泄露和无法保证数据保护。认识到这一挑战,Brevian迅速开发了用于检测可识别个人信息的模型,并构建了一个基于意图的系统来识别Prompt注入攻击。

<p有趣的是,wagh指出,即使在今天,安全性仍然是企业考虑大型语言模型时关注的头等大事。然而,许多组织很难表达除潜在数据泄漏之外的具体担忧。brevian意识到,企业采用的真正障碍不仅是安全顾虑,而是构建能够解决企业实际问题的ai系统的挑战。

让企业用户可以使用AI代理

Brevian的愿景是赋予企业中的业务用户使用AI简化其日常任务的能力。他们的目标是扩展到安全领域以外,构建适用于各种业务需求的AI代理。通过为业务用户提供利用AI技术的能力,Brevian旨在提高生产率并简化工作场所的流程。这一愿景与他们使AI对非技术专业人士可访问和用户友好的使命完美契合。

资金和未来发展

Brevian的融资轮

<p由felicis合伙人jake p="" storm领导的brevian最近的种子融资轮让他们能够加速产品开发并扩大团队。storm认为,过去一年主要关注ai基础设施,未来一年将转向ai应用程序以及确保其安全性的重要性。据storm称,brevian在这方面领先一步,将自身定位为ai应用程序领域的领导者。

🤔 读者问题解答

Q:Brevian的定制AI代理在其他领域的潜在应用有哪些?

“““html

随着最初专注于支持团队和安全分析师,Brevian认识到在这些领域需要AI代理的需求。但是,他们计划也要扩展到其他部门。客户服务、数据分析和销售等领域是利用Brevian的AI技术优化工作流程和提高生产力的主要候选方向。

问:Brevian在使用AI模型时如何确保数据安全?

Brevian通过实施模型来检测个人可识别信息和基于意图的系统来识别提示注入攻击,以解决数据安全问题。他们致力于保护敏感数据,从而能够解决企业关注的问题并确保在AI模型中保护个人信息。

问:Brevian与市场上其他AI供应商有何不同?

Brevian通过将企业用户的需求置于优先位置脱颖而出。他们专注于提供一个用户友好的平台,使非技术专业人员能够利用AI的强大功能。通过弥合企业用户与AI技术之间的差距,Brevian赋予个人简化日常工作任务并提高生产力的能力。

Brevian和AI应用的未来

随着Brevian继续发展其产品并扩大团队,其AI代理对企业市场的影响可能会增长。成功的种子轮融资显示了顾客的浓厚兴趣和需求。通过简化复杂任务、改善决策制定并提高效率的能力,Brevian有潜力革新企业如何利用AI技术。

随着AI应用在各行业中获得更多关注,关键是在享受AI技术的好处时解决潜在挑战并确保数据安全。Brevian对这些问题的积极应对将使他们成为AI应用领域的先驱,引领企业界增加对AI技术的采用和整合。

参考

“`

</p有趣的是,wagh指出,即使在今天,安全性仍然是企业考虑大型语言模型时关注的头等大事。然而,许多组织很难表达除潜在数据泄漏之外的具体担忧。brevian意识到,企业采用的真正障碍不仅是安全顾虑,而是构建能够解决企业实际问题的ai系统的挑战。