Nanonets، استارت‌آپی که از هوش مصنوعی برای خودکارسازی فرآیندهای پشتیبان استفاده می‌کند، ۲۹ میلیون دلار در دور جدید سرمایه‌گذاری به رهبری Accel India جمع‌آوری کرده است زیرا به دنبال بهبود دقت فرآیندهای اتوماسیون است که شامل مقادیر زیادی از داده‌های بدون ساختار است.

پردازش داده های بدون ساختار از اسنادی مانند فاکتورها، رسیدها و سفارشات خرید اغلب شامل کارهای تکراری و منابع انسانی زیادی است. نانوشبکه‌ها که عمدتاً بخش خدمات مالی را هدف قرار می‌دهند، او میگوید پلتفرم هوش مصنوعی آن‌ها با هدف بهبود کارایی این فرآیندها و مقرون‌به‌صرفه‌سازی آن‌ها است.

این استارت‌آپ یک پلتفرم هوش مصنوعی ساخته است که از طریق آن راه‌حل‌های بدون کد ارائه می‌کند که به گفته این شرکت، می‌تواند به کسب‌وکارها کمک کند اطلاعات را از اسناد، ایمیل‌ها، بلیط‌ها، پایگاه‌های داده و موارد مشابه استخراج کرده و آنها را به بینش‌های عملی تبدیل کنند. پلتفرم هوش مصنوعی این شرکت از معماری‌های یادگیری ماشین برای تجزیه و تحلیل داده‌های بدون ساختار از اسناد آپلود شده و استخراج اطلاعات مفید استفاده می‌کند. عوامل هوش مصنوعی بدون کد آن را می‌توان به پلتفرم‌های ERP مانند QuickBooks، Xero، Sage و NetSuite متصل کرد تا فرآیندهای قابل پرداخت حساب‌ها را خودکار کند، زنجیره‌های تامین را با گرفتن داده‌های تاریخی از Square و Tableau بهینه‌سازی کند و گزارش‌های سلامت از سیستم‌های مدیریت بیمار را خلاصه کند.

Nanonets ادعا می کند که در حالی که یک فاکتور معمولاً 15 دقیقه طول می کشد تا به صورت دستی پردازش شود، راه حل های مالی خودکار آن می تواند زمان صرف شده را به کمتر از یک دقیقه کاهش دهد. این راه حل ها می توانند برای فرآیندهایی مانند حساب های پرداختنی، تطبیق، حساب های دریافتنی و مدیریت هزینه ها کار کنند.

این استارتاپ قصد دارد از بودجه جدید برای تحقیق و توسعه برای بهبود دقت سیستم خود و سرمایه گذاری در فروش و بازاریابی استفاده کند. حدود 100 کارمند دارد که بیشتر تیم مهندسی آن مستقر در هند را شامل می شود. این شرکت همچنین از بودجه جدید برای افزایش تعداد کارکنان خود استفاده خواهد کرد.

دور تمام سهام سری B شاهد مشارکت سرمایه گذاران فعلی Nanonets Elevation Capital و Y Combinator بود. مجموع بودجه جمع‌آوری‌شده استارت‌آپ را به ۴۲ میلیون دلار می‌رساند که شامل ۱۰ میلیون دلار سری A در سال ۲۰۲۲ می‌شود.

پراتهامش جوواتکار، یکی از بنیانگذاران و مدیر ارشد فناوری Nanonets، به TechCrunch بيان کرد که این استارتاپ در ابتدا از شبکه های عصبی کانولوشنال (معماری های شبکه عصبی که در بینایی کامپیوتر برای طبقه بندی تصاویر و تشخیص اشیا استفاده می شود) برای تحلیل تصاویر و شناسایی اشیاء برجسته استفاده می کرد. این استارت‌آپ بعداً به فکر استقرار شبکه‌های عصبی گراف افتاد، اما در نهایت به سمت ترانسفورماتورها رفت و معماری‌های چندوجهی را پس از اینکه متوجه شد دقیق‌تر از فناوری‌های یادگیری ماشین موجود هستند، پذیرفت.

«در حال حاضر، در باطن، ما چندین معماری داریم. او در مصاحبه‌ای گفت: هر زمان که مشتری جدیدی دریافت می‌کنیم، همه این مدل‌ها را بر اساس داده‌های مشتری آموزش می‌دهیم و می‌بینیم که کدام یک از دقت بهتری برخوردار است.

دانش‌آموختگان IIT Gandhinagar Juvatkar و Sarthak Jain (مدیر عامل)، Nanonets را پس از فروش Cubeit، یک پلتفرم یادگیری ماشینی که صفحات وب را به کارت‌های موبایل قابل اشتراک‌گذاری تبدیل می‌کرد، به پورتال مد Myntra در سال 2016 بنیان‌گذاری کردند.

برخلاف بسیاری دیگر از استارتاپ‌های هوش مصنوعی که به مدل‌های زبان بزرگ (LLM) و GPT متکی هستند، نانونتز ترانسفورماتورها را برای دور زدن مسئله توهم ترجیح می‌دهد، این توهم زمانی رخ می‌دهد که یک سیستم هوش مصنوعی اطلاعاتی را تولید کند که در اسناد داده شده وجود ندارد، اما بر اساس دانش LLM.

اگرچه معماری‌های یادگیری ماشینی که نانوشبکه‌ها از آن استفاده می‌کنند، مستندسازی هستند، اما این استارت‌آپ فضای خدمات مالی را هدف قرار داده است زیرا حدود 50 تا 55 درصد مشتریان آن از آن حوزه هستند. طیف وسیعی از ادغام ها را برای ساده کردن عملیات مالی ارائه کرده است. جوواتکار گفت، با این حال، این شرکت به تدریج در حال گسترش به "فرایندهای مجاورتر" است و همچنین خدمات رسانی به مشتریان را در مراقبت های بهداشتی و تولید آغاز کرده است.

نانو شبکه ها در بازار جهانی برای اتوماسیون گردش کار مبتنی بر هوش مصنوعی تنها نیستند. بازار مملو از پلتفرم‌های سنتی تشخیص کاراکتر نوری (OCR) و همچنین استارت‌آپ‌هایی مانند Rossum AI و Hyperscience است. شرکت‌های بزرگ‌تری مانند UiPath نیز اتوماسیون گردش کار را ارائه می‌کنند، اما با داده‌های ساختاریافته. با این حال، جواتکار بيان کرد که نانو نت با ارائه نرخ پردازش مستقیم 90 درصدی - درصدی از داده‌های پردازش شده بدون مداخله دستی - رقابت را به عهده می‌گیرد.

او گفت: "ما در درجه اول به دلیل دقت، تجربه کاربری و کیفیت ادغام هایمان، برنده معاملات هستیم."

Nanonets راه حل های خود را در سه سطح قیمت گذاری مختلف ارائه می دهد: Starter، Pro و Enterprise. جواتکار به TechCrunch بيان کرد که از میان این سطوح، Pro و Enterprise با تقسیم مساوی، اصلی ترین مشارکت‌کنندگان در درآمد دوره‌ای سالانه استارت‌آپ هستند. این استارت آپ همچنین ابزارهایی برای تبدیل PDF به صفحات گسترده اکسل، CSV، JSON، XML و متن، تصویر به متن و تصویر به اکسل ارائه می دهد. به گفته این شرکت، این مبدل‌ها به جلب توجه کسب‌وکارهایی که نیاز به اتوماسیون دارند و به بیش از 34 درصد از 500 شرکت جهانی Fortune در دو سال گذشته رسیده‌اند، کمک کرده‌اند. علاوه بر این، این استارتاپ در 12 ماه گذشته پایگاه کاربران خود را چهار برابر افزایش داده است و در حال حاضر بیش از 10000 مشتری در سراسر جهان دارد.

جواتکار گفت: نانوشبکه ها در سرتاسر جهان کاربران دارند، اما ایالات متحده حدود 40 درصد از درآمدهای آن را به خود اختصاص می دهد و پس از آن اروپا که 30 تا 35 درصد سهم دارد.

جوواتکار بدون افشای اعداد به تک کرانچ بيان کرد که از دور سال 2022، درآمد نانونت ها به طور مداوم سه بار در سال افزایش یافته است. این استارت‌آپ قصد دارد در سال جاری نیز خط برتر خود را 2 برابر به 3 برابر افزایش دهد.

رشد مداوم درآمد یکی از دلایلی است که سرمایه گذاران علیرغم کندی بازارهای جهانی روی استارتاپ های هوش مصنوعی سرمایه گذاری کرده اند. بودجه به استارت آپ های هوش مصنوعی از 10 میلیارد دلار در سال 2022 به 21 میلیارد دلار در سال 2023 افزایش یافت، در حالی که تعداد معاملات در سال گذشته با 61 کاهش به 399 معامله در هر Tracxn رسید. استارت آپ های هوش مصنوعی در ایالات متحده بیشترین سرمایه گذاری را دریافت می کنند و پس از آن شرکت هایی در چین، بریتانیا، اسرائیل و هند قرار دارند.

ما از شراکت با نانونت ها در ماموریت آنها برای ایجاد انقلاب در عملیات پشتی با هوش مصنوعی بسیار هیجان زده هستیم. Sarthak و تیم او برای رسیدن به نقطه ضعف مشتری تلاش کرده‌اند و راه‌حلی قدرتمند ساخته‌اند که فرآیندهای تجاری را به‌طور کامل خودکار می‌کند. ابهیناو چاتورودی، شریک Accel، گفت: نانوشبکه‌ها به دلیل پلتفرم جامع و قابلیت پردازش مستقیم (STP) برای ما متمایز بودند - این ویژگی‌ها نانو شبکه‌ها را در زمینه اتوماسیون متمایز می‌کند و قبلاً تأثیر مثبت خود را بر مشتریان نشان داده است. در بیانیه آماده شده

خبرکاو