SynthAI 120 മില്യൺ ഡോളറിന്റെ Series B ഫണ്ടിംഗ് പൂർത്തിയാക്കി, ഇത് കമ്പനിയുടെ മൂല്യം 1.2 ബില്യൺ ഡോളറിലെത്തിച്ചു. Andreessen Horowitz ആണ് ഈ റൗഡിന് നേതൃത്വം നൽകിയത്; Sequoia Capital, Lightspeed Venture Partners എന്നിവരും ഇതിൽ പങ്കാളികളായി. പുതിയ ഉൽപ്പന്നങ്ങളുടെ വിപുലീകരണം, 150 പേരുടെ എഞ്ചിനീയറിംഗ്, പ്രൊഡക്റ്റ് ടീം നിയമനം, യൂറോപ്പ്, APAC മേഖലകളിലേക്കുള്ള വിപുലീകരണം എന്നിവയ്ക്കായി ഈ തുക ഉപയോഗിക്കും.

സംരംഭങ്ങൾക്കായി ഒരു മോഡുലാർ, ലോ-കോഡ് (low-code) AI പ്ലാറ്റ്‌ഫോം

നിലവിലുള്ള ബിസിനസ്സ് പ്രക്രിയകളിലേക്ക് എളുപ്പത്തിൽ കൂട്ടിച്ചേർക്കാവുന്ന മോഡുലാർ ജനറേറ്റീവ്-AI ടൂളുകളുടെ ഒരു കൂട്ടമാണ് SynthAI വാഗ്ദാനം ചെയ്യുന്നത്. ഇതിന്റെ പ്രധാന ഉൽപ്പന്നമായ SynthAI Studio ഒരു ലോ-കോഡ് എൻവയോൺമെന്റാണ്; ഇത് സാങ്കേതിക അറിവില്ലാത്ത ടീമുകൾക്ക് പോലും ഒരു മണിക്കൂറിൽ താഴെ സമയം കൊണ്ട് AI മോഡലുകൾ സജ്ജീകരിക്കാനും ഉപയോഗിക്കാനും സഹായിക്കുന്നു. Siemens, Capital One, Unilever തുടങ്ങിയ വൻകിട കമ്പനികൾ ഇതിനകം തന്നെ ഈ പ്ലാറ്റ്‌ഫോം ഉപയോഗിക്കുന്നുണ്ട്. ആഴത്തിലുള്ള ഡാറ്റാ സയൻസ് അറിവില്ലാതെ തന്നെ AI സാങ്കേതികവിദ്യ ഉപയോഗിക്കാൻ കമ്പനികൾ ആഗ്രഹിക്കുന്നു എന്നതിന്റെ തെളിവാണിത്.

നിക്ഷേപകർ എന്തിനാണ് ശ്രദ്ധ മാറ്റുന്നത്?

പൊതുവായ ഫൗണ്ടേഷൻ മോഡലുകളേക്കാൾ ഉപരിയായി, വർക്ക്ഫ്ലോ ടൂളുകളിൽ നേരിട്ട് ഉൾച്ചേർക്കാവുന്ന പരിഹാരങ്ങൾക്കാണ് ഇപ്പോൾ ഫണ്ടിംഗ് ലഭിക്കുന്നത്. ഗവേഷണ നിലവാരത്തിലുള്ള മോഡലുകളെ സെയിൽസ്, HR, സപ്ലൈ ചെയിൻ തുടങ്ങിയ മേഖലകളിലെ വിശ്വസനീയമായ സേവനങ്ങളാക്കി മാറ്റുന്ന പ്ലാറ്റ്‌ഫോമുകളെയാണ് നിക്ഷേപകർ പിന്തുണയ്ക്കുന്നത്. വേഗത, സുരക്ഷ, നിയമപരമായ അനുസരണം (compliance) എന്നിവ വാഗ്ദാനം ചെയ്യുന്ന SynthAI കൃത്യമായി ഈ മേഖലയിലാണ് പ്രവർത്തിക്കുന്നത്.

വിപണി സാഹചര്യം

2025-ഓടെ സംരംഭങ്ങൾ AI-യ്ക്കായി ചെലവാക്കുന്ന തുക 150 ബില്യൺ ഡോളറിലധികം ആകുമെന്ന് പ്രതീക്ഷിക്കുന്നു. രണ്ട് പ്രധാന കാരണങ്ങളാണ് കമ്പനികൾ ചൂണ്ടിക്കാട്ടുന്നത്: AI ശേഷികൾ വേഗത്തിൽ നടപ്പിലാക്കേണ്ടതിന്റെ ആവശ്യകതയും, ശക്തമായ സുരക്ഷയ്ക്കും റെഗുലേറ്ററി കംപ്ലയൻസിനും (regulatory compliance) വേണ്ടിയുള്ള ആവശ്യകതയും. മെഷീൻ ലേണിംഗ് സുരക്ഷയിലും കംപ്ലയൻസിനും SynthAI നൽകുന്ന മുൻഗണന ഈ വെല്ലുവിളികൾക്ക് പരിഹാരമാകുന്നു.

വെല്ലുവിളികളും തുറന്ന ചോദ്യങ്ങളും

ലോ-കോഡ് ടൂളുകൾ AI സാങ്കേതികവിദ്യയെ എല്ലാവരിലേക്കും എത്തിക്കാൻ സഹായിച്ചേക്കാം, എന്നാൽ മോഡലിന്റെ ഗുണനിലവാരത്തിൽ ബിസിനസ്സ് ഉപയോക്താക്കൾക്ക് സംശയമുണ്ടാവുകയോ അല്ലെങ്കിൽ പഴയ സിസ്റ്റങ്ങളുമായുള്ള (legacy systems) സംയോജനം പ്രയാസകരമാവുകയോ ചെയ്താൽ അതിന്റെ ഉപയോഗം കുറയാം. യൂറോപ്പ്, APAC എന്നിവിടങ്ങളിലെ വ്യത്യസ്തമായ നിയമവ്യവസ്ഥകൾക്ക് അനുസൃതമായി ഒരു മോഡുലാർ ആർക്കിടെക്ചർ വികസിപ്പിക്കുക എന്നത് സ്റ്റാർട്ടപ്പിന്റെ എഞ്ചിനീയറിംഗ് ശേഷിയെ പരീക്ഷിക്കും.

ഇനി ശ്രദ്ധിക്കേണ്ട കാര്യങ്ങൾ

  • ഉൽപ്പന്ന വിന്യാസം (Product rollout): SynthAI Studio-യുടെ ലോഞ്ച് ലോ-കോഡ് വാഗ്ദാനത്തിന്റെ ആദ്യത്തെ പ്രായോഗിക പരീക്ഷണമായിരിക്കും. "ഒരു മണിക്കൂറിൽ താഴെ" എന്ന വാഗ്ദാനം വലിയ തോതിൽ ഉപയോഗിക്കുമ്പോഴും നിലനിൽക്കുമോ എന്ന് ആദ്യകാല ഉപയോക്താക്കളുടെ പ്രതികരണം വ്യക്തമാക്കും.
  • നിയമന വേഗത (Hiring pace): 150 എഞ്ചിനീയർമാരെയും പ്രൊഡക്റ്റ് മാനേജർമാരെയും നിയമിക്കുക എന്നത് വലിയൊരു ലക്ഷ്യമാണ്; ഉൽപ്പന്നങ്ങൾ എത്ര വേഗത്തിൽ വികസിപ്പിക്കാനും പ്രാദേശിക നിയമങ്ങൾ പാലിക്കാനും സാധിക്കും എന്നത് കമ്പനിയുടെ പ്രവർത്തന വേഗതയെ ആശ്രയിച്ചിരിക്കും.
  • ഉപഭോക്താക്കളുടെ നിലനിൽപ്പ് (Customer churn): Siemens, Capital One തുടങ്ങിയ വൻകിട ഉപഭോക്താക്കളെ നിലനിർത്തുന്നത് കമ്പനിയുടെ ദീർഘകാല വളർച്ചയുടെ സൂചനയായിരിക്കും.

വേഗതയേറിയതും സുരക്ഷിതവും ലോ-കോഡ് അടിസ്ഥാനത്തിലുള്ളതുമായ AI നൽകാൻ SynthAI-ക്ക് സാധിച്ചാൽ, വരാനിരിക്കുന്ന വലിയൊരു സംരംഭക AI വിപ്ലവത്തിലെ പ്രധാന പ്ലാറ്റ്‌ഫോമായി മാറാൻ ഈ 120 മില്യൺ ഡോളർ നിക്ഷേപം സഹായിക്കും. സാങ്കേതിക അറിവില്ലാത്ത ടീമുകൾക്ക് ഈ ലോ-കോഡ് മോഡൽ യഥാർത്ഥത്തിൽ ഉൽപ്പാദനക്ഷമത വർദ്ധിപ്പിക്കാൻ സഹായിക്കുമോ എന്നതാണ് യഥാർത്ഥ പരീക്ഷണം.