Pendanaan ini dipimpin oleh Norwest, dengan partisipasi dari S Capital VC, Cerca Partners, dan Oceans Ventures. Menariknya, raksasa data Snowflake juga ikut sebagai investor strategis lewat Snowflake Ventures. Kemitraan ini menandai integrasi teknologi Jedify ke dalam lini produk AI Snowflake, seperti Cortex AI, Semantic Views, dan CoWork.
Mengapa Agen AI Gagal Paham Konteks Perusahaan?
Vendor AI kerap menjual produk agen mereka sebagai solusi siap pakai. Kenyataannya, agen AI butuh pelatihan spesifik agar mengerti definisi "pendapatan" versi perusahaan A, atau siapa saja yang berhak mengakses file tertentu. Tanpa konteks ini, agen AI hanya akan bekerja setengah hati.
Jedify hadir untuk menjembatani kesenjangan itu. Platform mereka terhubung ke berbagai sumber data perusahaan melalui API—mulai dari database, data warehouse, aplikasi SaaS, hingga sumber tak terstruktur seperti Slack, rekaman rapat, dan dokumentasi internal. Semua data ini kemudian diolah menjadi "context graph" yang bisa dipakai agen AI untuk bekerja lebih presisi.
Bukan Sekadar Layer Data Biasa
CEO dan Co-founder Jedify, Assaf Henkin, menegaskan bahwa context graph buatannya berbeda dari semantic layer atau knowledge graph yang sudah lazim dipakai perusahaan. "Context graph kami multi-dimensi. Ia menangkap relasi antar entitas, data, orang, izin akses, hingga pelanggan. Ia juga agnostik terhadap model AI dan diperbarui secara real-time," ujar Henkin.
Ia memberi contoh Kiteworks, perusahaan compliance yang menjadi klien awal Jedify. Kiteworks menghubungkan Snowflake, Tableau, Notion, dan playbook internal ke platform Jedify. Hasilnya, tim penjualan dan akun mereka punya aplikasi dashboard sekaligus asisten percakapan yang secara proaktif menyajikan data spesifik saat berhadapan dengan klien.
Izin Akses Jadi Tembok Pembatas Pertama
Salah satu masalah krusial dalam penerapan agen AI adalah izin akses. Tidak mungkin seorang agen memberikan proyeksi pendapatan CFO kepada seorang magang. Henkin menjelaskan platformnya mewarisi aturan izin dari sistem identitas, database, dan aplikasi SaaS yang sudah ada—termasuk aturan akses level baris, kolom, dan tabel. Pelanggan juga bisa membuat grup akses kustom dan memantau perilaku agen lewat alat observabilitas dan tata kelola.
Siapa yang Membutuhkan Ini?
Saat ini Jedify menyasar perusahaan skala menengah hingga enterprise yang sudah memiliki tumpukan data matang dengan banyak database atau data warehouse. Henkin menyebut mereka sudah memiliki 10 hingga 20 pelanggan awal, termasuk The Weather Company. Sektor yang paling menunjukkan minat adalah game, industri manufaktur, dan barang konsumen cepat saji.
Investasi Snowflake menjadi sorotan karena raksasa data itu juga tengah mengembangkan kemampuan serupa. Namun Henkin berargumen bahwa Jedify justru bersifat komplementer. "Perusahaan besar akan bilang, 'Bawa saja semua data ke sini.' Tapi kenyataannya, sebagian besar data dan pengetahuan institusional tidak tersimpan di satu cloud provider," tegasnya.
Ia menambahkan, bagi perusahaan yang mencoba membangun lapisan konteks serupa secara mandiri, biaya pelatihan model AI bisa sangat mahal—terutama di saat banyak perusahaan mulai membatasi konsumsi token AI mereka.
