RapidCanvas：AI 项目数据任务自动化 70%

自 ChatGPT 出现以来，企业一直都在关注 AI，以及它如何帮助他们解决关键的业务挑战。这一切始于大型语言模型 (LLM) 驱动的聊天机器人和搜索工具，这些工具允许用户快速找到答案和见解。但如今，这一趋势已转向复合 AI 代理——能够执行多步骤推理并处理支持票管理、回复电子邮件和预订等任务的系统。

Salesforce 在几个月前宣布推出 AgentForce，从而引发了 AI 代理的浪潮。现在，这些系统正在更深入地进入企业堆栈。以 RapidCanvas 为例，这家总部位于德克萨斯州的初创公司声称，其上下文感知 AI 代理可以在自定义 AI 部署期间自动化 70% 的数据任务。

该公司已筹集了 1600 万美元的 A 轮融资，以进一步加速其基于代理的平台的扩展。事实上，PayPal、苏兹隆和 MTE Thomson 等企业已经在其工作流程中使用它，将价值实现时间提高了十倍，并将实施成本降低了高达 80%。

在执行 AI 项目时，组织通常会因技术人才短缺（由于需求量大）而陷入困境。即使他们设法聘请了熟练的工程师或外部顾问，这些团队也必须花费大量时间进行编码和数据科学任务——从集成数据资产到准备、转换和建模数据，再到生产化下游用例。这将实施时间延长了几个月，影响了 ROI 和业务增长。

为了解决这个问题，前 PayPal 高管 Rahul Pangam 和 Uttam Phalnikar——他们负责风险策略和架构——联手推出了 RapidCanvas。

“我们使用 RapidCanvas 的目标是彻底改变企业构建可靠、可定制的 AI 解决方案的方式，而无需技术专家团队；我们的平台通过使用结合 AI 代理和专家参与的混合方法，赋能业务和运营团队，”Pangam 告诉 VentureBeat。

RapidCanvas 平台的核心为企业提供上下文感知 AI 代理，这些代理可以使用自然语言提示来处理从数据摄取、编排和准备到启用分析、应用程序、管道、自动化和建模的多个数据工程和科学任务。

据 Pangam 介绍，代理通过使用直接收集的上下文信息（用户提供的业务术语）以及来自连接系统（CRM、数据平台、支持票系统）的信息来丰富其提示，从而代表用户执行这些任务。它还考虑了用户试图解决的问题，以及从以前项目中收集的上下文，以确保任务得到最佳运行。

Pangam 说，这使企业能够比人工更快、更经济高效地处理高达 70% 的数据任务。而且，他们可以将准备好的数据与可视化画布结合使用，以部署相关应用程序。

但这里有一个问题。虽然该产品减少了对数据工程师等技术人才的依赖，但并没有消除对他们的需求。工作流程中剩余的 30% 的工作——涵盖系统设计、假设检验和问题解决等方面——由人类专家负责。Pangam 说，一家以前可能雇用了 10 名专家工程师的公司，在使用 RapidCanvas 代理构建 AI 项目时，只需要一到两名工程师。

RapidCanvas 正在挑战 DataRobot、Dataiku、Palantir 和 Alteryx 等领先企业。然而，该公司表示，其人机混合方法是一个关键的差异化因素。

“在任何传统的机器学习数据科学供应商中，非编码人员构建端到端 AI 解决方案的主要方式是使用无代码模板，”Pangam 解释说。“例如，如果我想合并两个数据集，我必须从 UI 中选择‘连接’模板，添加数据集，添加连接条件来指示要匹配哪些列作为索引，设置连接类型，然后定义输出列。另一方面，使用 RapidCanvas，用户指示代理合并两个特定数据集，它会自动生成合并它们的代码。这是因为代理已经了解了表格类型、索引和模式、大小、连接类型、数据类型等的先前上下文。”

此外，首席执行官指出，该公司在其订阅中提供了一名人类专家。这个人担任顾问，在关键决策点为团队提供想法，以及支持执行复杂操作、验证结果和了解行业最佳实践。用户可以选择这种由人类专家支持的计划，也可以选择以固定每月费用/用户的价格使用自助平台。

包括财富 200 强公司在内的多家企业，涵盖制造、零售、基础设施和金融服务领域，已经开始在其 AI 开发管道中采用 RapidCanvas。该公司的早期客户包括 PayPal、SFR、苏兹隆、AutoFi 和 MTE Thomson。

展望未来，该公司计划扩大客户群，并进一步增强其 AI 代理，以确保它们能够协同工作，在多代理、人机交互支持的设置中自动化和简化复杂的工作流程。