Prevalent AI будує на їхній основі єдину, придатну для запитів модель організації — граф знань. Компанія описує свій продукт як ШІ-платформу data fabric, тобто «тканину даних», що з’єднує інформацію з різних корпоративних систем у спільний контекст.

Такий граф може показувати зв’язки між:

• активами та ІТ-системами;
• користувачами, ідентичностями та правами доступу;
• засобами контролю безпеки;
• даними й бізнес-процесами;
• операційними проблемами та прогалинами в контролях.

Платформа має постійно оновлювати цю картину. Завдяки цьому команди безпеки можуть з’ясовувати, які активи існують у корпоративному середовищі, як вони пов’язані між собою та які з них можуть залишатися без належного моніторингу.

Що означає «суверенний» граф знань

Термін «суверенний» у цьому контексті стосується контролю клієнта над основою даних. За словами компанії, замовник сам визначає, де фізично зберігаються його дані, замість розміщення їх у спільному хмарному середовищі.

Це важливо не лише для кібербезпеки. Надійний і актуальний контекст потрібен також бізнес-користувачам і ШІ-агентам, які мають ухвалювати рішення або виконувати дії від імені організації. Без розуміння того, які системи, правила, залежності та обмеження діють усередині компанії, автоматизація може бути непослідовною або небезпечною.

Хто заснував Prevalent AI

Компанію заснували 2017 року Пол Стоукс, нині її генеральний директор, і Арун Радж, який обіймає посаду операційного директора. До команди засновників також увійшли фахівці з британським досвідом у розвідці та кібербезпеці, зокрема колишній директор GCHQ сер Ієн Лоббан і Ендрю Франс, колишній керівник кіберзахисту GCHQ та співзасновник Darktrace.

Такий досвід пояснює перший фокус компанії. Розвідувальна й кібербезпекова робота потребує зібрати цілісну картину з неповної та розподіленої інформації, а потім виявити зв’язки, прогалини й потенційні ризики.

Чому компанія почала саме з кібербезпеки

Кібербезпека стала для Prevalent AI найочевиднішим середовищем для перевірки технології. Тут фрагментовані дані можуть безпосередньо спричинити операційні збитки: командам доводиться ухвалювати критично важливі рішення щодо великої кількості систем, облікових записів, засобів контролю та джерел даних, які не завжди узгоджуються між собою.

Гендиректор Пол Стоукс назвав безпеку сферою, «де фрагментовані дані завдають найбільшої шкоди».

Після роботи з таким високоризиковим сценарієм Prevalent AI вважає, що та сама проблема існує й в інших підрозділах: усюди, де люди або автоматизовані системи мають ухвалювати рішення на основі інформації, розподіленої між різними частинами організації.

Куди Prevalent AI рухається далі

Наступним напрямом компанія називає ширше управління корпоративними ризиками, а не лише кібербезпеку. Серед потенційних сфер розширення — комплаєнс, протидія фінансовим злочинам та операційні ризики.

Базова ідея продукту при цьому не змінюється: з’єднати розрізнені відомості, зберегти зв’язки між записами та надати людям і ШІ-системам актуальне уявлення про організацію.

Іншими словами, платформа може відповідати на різні бізнес-запитання: від того, чи захищений конкретний актив, до того, які зобов’язання з комплаєнсу пов’язані з певним процесом або де виникає залежність, здатна порушити операційну діяльність. Доступні повідомлення описують ці напрями як розширення технології, розробленої для кібербезпеки та корпоративних ризиків, а не як підтвердження, що всі заплановані застосування вже повністю запущені.

На що підуть $22 млн

За заявами компанії та інвестора, фінансування має підтримати кілька ключових напрямів:

1. Розвиток глобальної комерційної команди. Prevalent AI планує посилити продажі, маркетинг, клієнтську підтримку та партнерську мережу.
2. Експансію у США. Компанія хоче прискорити зростання на американському ринку та зміцнити позиції в уже наявних регіонах.
3. Розширення керівної команди. Кошти мають допомогти поглибити управлінську структуру в міру масштабування бізнесу.
4. Розвиток продукту та нових ринків. Інвестиції підуть на подальше вдосконалення data fabric і графа знань, а також на вихід у ширші сценарії корпоративних ризиків і застосування ШІ.

Раунд привертає увагу ще й тим, що став першим первинним залученням капіталу в історії компанії. За повідомленнями компанії та галузевих видань, до цього Prevalent AI розвивалася завдяки попиту клієнтів і прибутковості, без інституційного фінансування.

Чому це важливо для корпоративного ШІ

Prevalent AI продає не просто чергове сховище даних для служб безпеки. Її ширша теза полягає в тому, що корпоративному ШІ потрібен надійний шар організаційного контексту — своєрідна пам’ять компанії — перш ніж ШІ-агенти зможуть діяти стабільно та безпечно.

Інвестиція IGP дає компанії ресурси, щоб перевірити цю ідею у значно більших масштабах: спочатку через розбудову глобальної комерційної структури й присутності у США, а потім — через перенесення перевіреної в кібербезпеці основи даних на ширший спектр рішень у сфері корпоративних ризиків. Успіх залежатиме від того, наскільки ефективно Prevalent AI зможе підтримувати складні дані клієнтів пов’язаними, актуальними та придатними до використання в нових напрямах.

Prevalent AI будує на їхній основі єдину, придатну для запитів модель організації — граф знань. Компанія описує свій продукт як ШІ-платформу data fabric, тобто «тканину даних», що з’єднує інформацію з різних корпоративних систем у спільний контекст.

Такий граф може показувати зв’язки між:

• активами та ІТ-системами;
• користувачами, ідентичностями та правами доступу;
• засобами контролю безпеки;
• даними й бізнес-процесами;
• операційними проблемами та прогалинами в контролях.

Платформа має постійно оновлювати цю картину. Завдяки цьому команди безпеки можуть з’ясовувати, які активи існують у корпоративному середовищі, як вони пов’язані між собою та які з них можуть залишатися без належного моніторингу.

Що означає «суверенний» граф знань

Термін «суверенний» у цьому контексті стосується контролю клієнта над основою даних. За словами компанії, замовник сам визначає, де фізично зберігаються його дані, замість розміщення їх у спільному хмарному середовищі.

Це важливо не лише для кібербезпеки. Надійний і актуальний контекст потрібен також бізнес-користувачам і ШІ-агентам, які мають ухвалювати рішення або виконувати дії від імені організації. Без розуміння того, які системи, правила, залежності та обмеження діють усередині компанії, автоматизація може бути непослідовною або небезпечною.

Хто заснував Prevalent AI

Компанію заснували 2017 року Пол Стоукс, нині її генеральний директор, і Арун Радж, який обіймає посаду операційного директора. До команди засновників також увійшли фахівці з британським досвідом у розвідці та кібербезпеці, зокрема колишній директор GCHQ сер Ієн Лоббан і Ендрю Франс, колишній керівник кіберзахисту GCHQ та співзасновник Darktrace.

Такий досвід пояснює перший фокус компанії. Розвідувальна й кібербезпекова робота потребує зібрати цілісну картину з неповної та розподіленої інформації, а потім виявити зв’язки, прогалини й потенційні ризики.

Чому компанія почала саме з кібербезпеки

Кібербезпека стала для Prevalent AI найочевиднішим середовищем для перевірки технології. Тут фрагментовані дані можуть безпосередньо спричинити операційні збитки: командам доводиться ухвалювати критично важливі рішення щодо великої кількості систем, облікових записів, засобів контролю та джерел даних, які не завжди узгоджуються між собою.

Гендиректор Пол Стоукс назвав безпеку сферою, «де фрагментовані дані завдають найбільшої шкоди».

Після роботи з таким високоризиковим сценарієм Prevalent AI вважає, що та сама проблема існує й в інших підрозділах: усюди, де люди або автоматизовані системи мають ухвалювати рішення на основі інформації, розподіленої між різними частинами організації.

Куди Prevalent AI рухається далі

Наступним напрямом компанія називає ширше управління корпоративними ризиками, а не лише кібербезпеку. Серед потенційних сфер розширення — комплаєнс, протидія фінансовим злочинам та операційні ризики.

Базова ідея продукту при цьому не змінюється: з’єднати розрізнені відомості, зберегти зв’язки між записами та надати людям і ШІ-системам актуальне уявлення про організацію.

Іншими словами, платформа може відповідати на різні бізнес-запитання: від того, чи захищений конкретний актив, до того, які зобов’язання з комплаєнсу пов’язані з певним процесом або де виникає залежність, здатна порушити операційну діяльність. Доступні повідомлення описують ці напрями як розширення технології, розробленої для кібербезпеки та корпоративних ризиків, а не як підтвердження, що всі заплановані застосування вже повністю запущені.

На що підуть $22 млн

За заявами компанії та інвестора, фінансування має підтримати кілька ключових напрямів:

1. Розвиток глобальної комерційної команди. Prevalent AI планує посилити продажі, маркетинг, клієнтську підтримку та партнерську мережу.
2. Експансію у США. Компанія хоче прискорити зростання на американському ринку та зміцнити позиції в уже наявних регіонах.
3. Розширення керівної команди. Кошти мають допомогти поглибити управлінську структуру в міру масштабування бізнесу.
4. Розвиток продукту та нових ринків. Інвестиції підуть на подальше вдосконалення data fabric і графа знань, а також на вихід у ширші сценарії корпоративних ризиків і застосування ШІ.

Раунд привертає увагу ще й тим, що став першим первинним залученням капіталу в історії компанії. За повідомленнями компанії та галузевих видань, до цього Prevalent AI розвивалася завдяки попиту клієнтів і прибутковості, без інституційного фінансування.

Чому це важливо для корпоративного ШІ

Prevalent AI продає не просто чергове сховище даних для служб безпеки. Її ширша теза полягає в тому, що корпоративному ШІ потрібен надійний шар організаційного контексту — своєрідна пам’ять компанії — перш ніж ШІ-агенти зможуть діяти стабільно та безпечно.

Інвестиція IGP дає компанії ресурси, щоб перевірити цю ідею у значно більших масштабах: спочатку через розбудову глобальної комерційної структури й присутності у США, а потім — через перенесення перевіреної в кібербезпеці основи даних на ширший спектр рішень у сфері корпоративних ризиків. Успіх залежатиме від того, наскільки ефективно Prevalent AI зможе підтримувати складні дані клієнтів пов’язаними, актуальними та придатними до використання в нових напрямах.