WisdomAI

由 Rubrik 联合创始人 Soham Mazumdar 创立的 AI 数据分析初创公司 WisdomAI，已完成 5000 万美元 A 轮融资，由 Kleiner Perkins 领投，NVIDIA 的风投部门 NVentures 参投。

距离其 2300 万美元种子轮（Coatue 领投）仅过去六个月，公司已从早期两家客户增长至约 40 家企业客户，包括 Descope、ConocoPhillips、Cisco 和 Patreon。

核心创新：让大模型“只问，不答”

WisdomAI 的本质是一个自然语言驱动的数据分析平台——业务用户可以直接提问：

“本季度有多少客户进入了销售管道？”
“哪些因素导致他们没有成交？”

与多数 AI 分析工具不同，WisdomAI 不让 LLM 直接生成答案。

它的设计原则是：

LLM 只负责生成 SQL 或数据查询语句，不负责生成结论。

为什么这很重要？

• 如果 LLM 幻觉，它可能生成一个无效的 SQL 查询（例如拼错字段名、引用不存在的表）。
• 但不会伪造数据——系统会返回“无结果”或“查询错误”，而不是编造一个看似合理的数字。

“我们不信任 LLM 做判断，我们信任数据仓库。”
——Soham Mazumdar

这一架构将 LLM 的风险从“输出错误结论”降级为“生成错误指令”——后者更容易被验证、调试和拦截。

技术架构：企业上下文层 + 动态代理

1. 企业上下文层（Enterprise Context Layer）

WisdomAI 的核心是自研的“上下文层”——一个理解客户数据结构的智能中间件。

它自动：

• 解析数据仓库中的表结构、字段含义、业务术语
• 建立“自然语言 → 数据字段”的映射关系（例如，“客户”= users.status = 'active'）
• 学习组织内部术语（如“管道”= 销售漏斗，“成交”= closed-won）

这一层基于团队在 Rubrik 时期积累的企业数据治理经验，确保系统不依赖人工标注，能快速适配复杂、异构的数据环境。

2. 主动代理（Active Agent）

2024 年底，WisdomAI 推出“代理”功能，将分析从“被动查询”升级为“主动监控”。

用户可创建一个简单的代理指令，例如：

“监控我们的产品使用率和客户支持工单量，当两者出现异常波动时通知我。”

系统会：

• 持续监听指标变化
• 自动检测偏离基线的模式（如日活跃用户下降 15% + 工单量上升 40%）
• 仅在“有趣的事情发生时”触发警报，而非每日推送报表

“我花五分钟配置了一个代理，它现在每天只给我发一次消息——但那一次，值回所有时间。”
——某客户工程负责人

这标志着分析工具从“静态报告”向“动态感知系统”的演进。

客户采用：从试点到全员部署

• 客户使用量增长迅猛：部分客户在两个月内使用频次翻倍
• 一家客户从 10 个用户扩展到 450 个——几乎覆盖全公司
• 用户不再仅是数据团队，而是销售、运营、产品等业务角色

Mazumdar 表示，WisdomAI 的目标不是取代 BI 工具（如 Tableau），而是让非技术人员也能安全、快速地探索数据。

“我们不是在教他们写 SQL。我们是在教他们问对问题。”

融资背景：资本看好“可信赖的AI”

本轮投资方 Kleiner Perkins 与 NVentures 的加入，反映了市场对“可验证、可审计、低幻觉”AI 工具的强烈需求。

在 LLM 泛滥、幻觉频发的背景下，WisdomAI 的“查询-分离”架构提供了一种务实的工程解决方案：

• 不依赖模型“正确性”
• 不依赖人工校验
• 不牺牲自然语言交互的便利性