据 TechCrunch 报道，智能RPA（机器人流程自动化，软件机器人）平台Ikigai在A轮融资中筹集了2500万美元。此轮融资由Premji Invest领投，Foundation Capital和e& Capital参投。截止目前，Ikigai筹集总额达到38万美元。该公司打算利用这笔资金扩大运营和业务范围，并计划在今年年底将团队从30人增加到70人。

　　Ikigai是由Shah与Vinayak Ramesh共同创立的一家智能RPA平台，提供无代码 AI 解决方案，主要帮助用户自动处理冗长、跨平台的超长非结构化数据业务流程，实现数字化转型。具体而言，Ikigai 的平台旨在使公司能够创建和部署图形模型，以支持其组织内的应用程序，使客户可以根据其企业数据按需训练模型，创建有助于预测、场景规划和分析的模型。该公司的创新方法将最先进的时间序列预测与三个核心工具相结合：用于数据协调的aiMatch，用于预测的aiCast和用于情景规划的aiPlan。

　　如今，大数据、信息化的时代背景下，企业和组织都充斥着各种数据，但在实际使用、组织和分析这些数据方面却面临着一系列挑战。根据一项估计，截至目前，只有13%的组织正在实施他们的分析和数据战略。

　　Devavrat Shah认为，使公司能够有效地预测和进行基于场景的规划需要利用整个企业中数百个来源、复杂的数据类型，而人工智能是实现这一目标的关键。于是Shah在早年创建了一款名为Celect的程序，用于分配和履行大型零售订单的人工智能应用程序（于2019年被耐克收购），并指导麻省理工学院的统计和数据科学中心。

　　Shah说：“如今，人工智能最好的大胆创新计划项目是将其带给组织或企业。企业由专家运营，我们相信这些专家需要能够与人工智能无缝合作，以利用它带来的好处。”为了实现“用AI赋能每个企业”的使命，Shah与Vinayak Ramesh共同创立了Ikigai，提供了一个建立在专有图形模型之上的无代码平台，用于预测、协调和优化数据。

　　从技术上讲，在神经网络家族中，图形模型表示一组变量之间的概率关系，Shah解释说。“大多数企业数据都是表格状的，分散的，并且通常带有时滞。大型图形模型非常适合处理这样的情况。可以说，大型图形模型是表格数据的生成式AI。

　　关于Ikigai的图形模型是否优于近年来流行的大语言模型（LLM）的质疑方面。Shah指出，LLM适用于文本和其他非结构化数据，但操作成本很高，与图形模型相比，需要大量的存储空间。对此，Shah说：“我们提供的构建模块使客户能够解决广泛的用例。我们希望让每个人都能驾驭人工智能的浪潮，而不是淹没在其中。”

　　对于市场格局的认知，Shah将 C3.ai、Anaplan、Dataiku和Hugging Face列为顶级竞争对手。但就Ikigai的价值而言，Premji Invest的管理合伙人Sandesh Patnam对Ikigai脱颖而出的能力充满信心。Sandesh Patnam说：“Ikigai的创始团队拥有深厚的行业和上市专业知识，可以将AI前沿推向业务运营和决策的中心。他们在大型图形模型方面的创新将被所有希望利用生成式AI进行自动化数据分析流程的企业所接受。”