随着对人工智能的需求激增，人工智能供应商正在投入更多精力解决数据安全问题。他们不仅被迫遵守新兴的数据隐私法规（例如欧盟数据法案），而且还发现自己受到客户的密切关注，这些客户对他们的数据的使用和处理方式持怀疑态度。
问题在于，在加强人工智能数据安全实践方面，许多组织都无法很好地执行。根据数据控制平台 BigID 的一项调查，一半的组织将数据安全列为实施人工智能的最大障碍。
Abhi Sharma 和 Leila Golchehreh 均来自应用工程和法律领域，对这里面临的挑战了如指掌。两人相信自己可以开发出某种解决方案来解决数据安全难题，于是推出了Relyance AI，这是一个检查公司数据使用是否符合治理政策的平台。
“一天晚上，我们在旧金山吃披萨时突然想到了如何创建 Relyance，”Sharma 告诉 TechCrunch。“尽管我们的背景截然不同，但我们一起意识到，可以做更多的事情来确保组织数据处理的可见性。”
Golchehreh 是一名律师，曾担任 Workday 和自动驾驶汽车初创公司 Cruise 的高级法律顾问。软件开发人员 Sharma 曾是 AppDynamics 的平台工程师，后来帮助创立了 FogHorn，这是一个边缘 AI 平台，江森自控于 2022 年收购了它。
Sharma 表示，大多数公司在采用人工智能方面面临三大障碍：缺乏对人工智能数据的可视性、数据处理方式的复杂性以及创新速度的快节奏。Sharma 表示，所有这些都会增加声誉风险，并使公司面临法律威胁。
Relyance 的解决方案是一个引擎，它可以扫描组织的数据源（例如第三方应用程序、云环境、AI 模型和代码存储库），并检查它们是否符合政策。Relyance 创建了一个“数据清单”和“数据图”，并将其与客户协议、全球隐私法规和合规框架同步。
Sharma 表示：“Relyance 使组织能够监控外部供应商风险，同时其数据沿袭功能可以跟踪跨应用程序的数据流，以主动识别潜在风险。”
现在，Relyance 并没有实施一个全新的概念。Sharma 承认，OneTrust、Transcend、DataGrail和Securiti AI等供应商在某种程度上与其存在竞争。例如，DataGrail 提供自动化风险监控工具，帮助公司快速构建第三方应用风险评估。
但 Relyance 似乎保持了原有的势头。Sharma 声称，该公司今年的年度经常性收入有望翻一番，而 Relyance 的客户群（包括 Coinbase、Snowflake、MyFitnessPal 和 Plaid）在上半年增长了 30%。
为了进一步发展，Relyance 本月完成了由 Thomvest 领投的 3200 万美元 B 轮融资，其他参投方包括 M12（微软的风险投资基金）、Cheyenne Ventures、Menlo Ventures 和 Unusual Ventures。新资金将使这家初创公司的总融资额达到 5900 万美元，用于在年底前将 Relyance 的团队扩大到 90 名员工。
“我们决定筹集资金，因为对人工智能的需求不断增长，而且全球范围内正在实施新的隐私和人工智能法规，”夏尔马说。“我们的招聘工作将主要集中在扩大我们的工程团队和提高我们的上市能力，以支持我们的产品开发和增长势头。”
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/relyance-huo-de-3200-wan-mei-yuan-rong-zi-bang-zhu-gong-si
