Graphon AI recauda 8,3 millones de dólares para una capa de procesamiento de datos para LLM

Graphon AI ha salido del modo stealth con una ronda semilla de 8,3 millones de dólares. La compañía desarrolla una capa de preprocesamiento de datos para modelos de lenguaje, lo que sus desarrolladores llaman pre-model intelligence layer.

¿Cuál es el problema?

La mayoría de los LLM actuales se entrenan con texto, que representa la información como una secuencia lineal de palabras. Pero en el mundo real la información suele organizarse de otra manera: en grafos, donde los nodos representan entidades y las aristas indican las relaciones entre ellas.

Las estructuras de grafos están en todas partes. En las redes sociales son los amigos y sus conexiones. En las organizaciones, las personas y la jerarquía. En las bases de conocimiento, los hechos y sus interrelaciones. En los sistemas de recomendación, los usuarios y sus preferencias. Cuando estos datos se convierten en texto plano para un LLM, se pierde gran parte de la información sobre las conexiones.

La solución de Graphon AI

La compañía toma su nombre del grafón, un objeto matemático de la teoría de grafos que describe el límite de una sucesión de grafos densos. La elección no es casual: entre los asesores de la empresa hay personas que ayudaron a concebir y desarrollar la propia teoría de los grafones. Esto apunta a una sólida base matemática en la solución.

Graphon AI propone una forma de organizar mejor los datos de grafos antes de que lleguen al LLM. Una preparación adecuada puede mejorar la calidad de los modelos, reducir los costes de cómputo y ayudar a los modelos a entender mejor las relaciones entre entidades.

Por qué importa

La arquitectura de datos suele convertirse en un cuello de botella en los pipelines de ML, y recibe menos atención que la arquitectura del modelo. Si Graphon AI logra automatizar la estructuración de datos de grafos, podría convertirse en una herramienta estándar del stack de ML. Es especialmente relevante para empresas que manejan grandes volúmenes de datos conectados: bases de conocimiento, redes sociales, sistemas financieros, estructuras organizativas y sistemas de gestión de relaciones.

Próximos pasos

En la fase semilla, las empresas suelen centrarse en el MVP y en validar el concepto. Graphon AI ha recibido financiación suficiente para demostrar que su enfoque funciona con datos reales. Los siguientes pasos son trabajar con los primeros clientes, optimizar la solución y, probablemente, cerrar una ronda mayor para escalar y desarrollar un ecosistema.