– Patronus AI anunció una ronda de financiación Serie A de 17 millones de dólares, ocho meses después de su ronda inicial de 3 millones de dólares.
– La empresa se centra en garantizar el cumplimiento y la gobernanza de modelos de lenguajes grandes, específicamente a través de su API Patronus Evaluators.
– La inversión fue liderada por Notable Capital con la participación de Lightspeed Venture Partners, Factorial Capital, Datadog y ángeles de la industria.
Patronus AI, una empresa centrada en ayudar a los clientes a garantizar que sus grandes modelos lingüísticos cumplan con las regulaciones y reglas, anunció una ronda de financiación Serie A de 17 millones de dólares. La empresa ha tenido un éxito temprano en el mercado, particularmente porque las empresas de industrias reguladas están reconociendo la necesidad de herramientas que les ayuden a cumplir con la gobernanza de LLM.
La principal oferta de la empresa, Patronus Evaluators, permite a los clientes medir el rendimiento de los LLM y los sistemas LLM en varias dimensiones con una sola línea de código. Esto incluye evaluar riesgos como la probabilidad de sufrir alucinaciones, problemas de derechos de autor, riesgos de seguridad y capacidades específicas de la empresa, como la detección de información empresarial sensible y la voz de la marca.
Con la creciente demanda de herramientas para garantizar el cumplimiento de LLM, Patronus AI se posiciona en un mercado en rápido crecimiento. La empresa ya ha trabajado con una variedad de empresas de cartera y empresas de inteligencia artificial, procesando cientos de miles de solicitudes a través de su plataforma desde su lanzamiento.
La inversión de 17 millones de dólares fue liderada por Notable Capital, con la participación de Lightspeed Venture Partners, Factorial Capital, Datadog y ángeles de la industria. Patronus AI ha duplicado su número de empleados desde su financiación inicial el año pasado y planea duplicar nuevamente este año. El enfoque de la compañía en la seguridad y el análisis de grandes modelos de lenguaje es oportuno, especialmente para abordar los riesgos potenciales de alucinaciones en las respuestas de los modelos.
