The Pulse

PuppyGraph raccoglie 10 milioni di dollari per strumenti di gestione dei dati destinati agli agenti di IA aziendali

Particle Future ha guidato il round di serie A di PuppyGraph, portando a 15 milioni di dollari i finanziamenti complessivi raccolti dalla società. L’azienda intende ampliare le attività di sviluppo e di accesso al mercato aziendale per il suo motore di query su grafi.

AI.info Team · · verificato · su 1 fonte ↓ · Pubblicato 11 nov 2026

PuppyGraph ha raccolto 10 milioni di dollari in un round di serie A per espandere il suo motore di query su grafi destinato agli agenti di IA aziendali. In un post del 10 novembre, l’amministratore delegato e cofondatore Weimo Liu ha dichiarato che Particle Future ha guidato il round, con la partecipazione di defy.vc, portando a 15 milioni di dollari i finanziamenti complessivi raccolti dalla società.

La società intende utilizzare i fondi per ampliare le attività di sviluppo e di accesso al mercato aziendale. Tra le priorità figurano la riduzione del lavoro necessario per creare un modello a grafo, il supporto alle query sulle relazioni su scala aziendale e l’aiuto a un maggior numero di team nel mettere in produzione gli agenti.

Interrogare le relazioni nei dati esistenti

PuppyGraph 1.0 esegue query su grafi nei database, nei data warehouse e nei data lake supportati. I dati sottostanti restano nei sistemi già in uso nell’azienda; i team non devono caricarli in un database a grafo dedicato né mantenere una copia separata del grafo e pipeline di caricamento.

La società afferma che il software consente già agli agenti di interrogare 3.000 tabelle aziendali come un unico grafo. Il suo approccio è pensato per permettere agli agenti di scoprire relazioni e recuperare elementi di prova man mano che un’indagine si sviluppa, invece di inserire la definizione di ogni tabella in un unico prompt.

Il prodotto utilizza un’ontologia, ovvero un modello delle entità aziendali, come clienti, trattative e prodotti, e delle loro relazioni. Il suo strumento di creazione degli schemi, assistito dall’IA, esamina le tabelle esistenti e propone entità e relazioni; il team dei dati esamina e approva il modello, compreso il significato aziendale che le sole strutture delle tabelle non possono stabilire.

Controlli sulle query degli agenti

Se un agente fa riferimento a un’entità o a una relazione che l’ontologia non definisce, PuppyGraph rifiuta il riferimento e restituisce un riscontro strutturato. L’agente può quindi esaminare il modello e correggere la query, eventualmente trovando un percorso attraverso altre entità o stabilendo che la relazione non è stata modellata.

Liu ha precisato che il modello non garantisce una conclusione corretta: un agente può comunque formulare un’ipotesi errata o condurre un’analisi incompleta. Il controllo mira a impedire che un agente consideri come prova una relazione inventata, esterna al modello approvato.

PuppyGraph supporta MCP, che consente agli strumenti di IA compatibili e al suo agente integrato di accedere ai dati aziendali tramite query su grafi. I sistemi supportati includono Apache Iceberg, Databricks, Snowflake, ClickHouse, DuckDB, PostgreSQL, Microsoft Fabric e Cloudera.

Le applicazioni possono anche utilizzare un motore di query SQL esistente per filtri e aggregazioni e ricorrere alle query su grafi per seguire le relazioni tra entità. La versione 1.0 applica i permessi configurati a livello di singola riga durante l’attraversamento dei grafi, compresi i passaggi intermedi. I controlli di accesso basati sui ruoli e l’impersonificazione degli utenti legano l’accesso ai dati all’identità dell’utente.

Prestazioni e clienti

PuppyGraph afferma di supportare query su grafi in meno di un secondo per i carichi di lavoro supportati. In un benchmark aziendale separato, ha completato una query a 10 passaggi su miliardi di archi in 2,26 secondi su un cluster di quattro macchine. Il post precisa che le prestazioni dipendono dal carico di lavoro.

La società annovera tra i suoi clienti AMD, Palo Alto Networks, Datadog, Netskope, Coinbase, Trend Micro, Baker Hughes e Sola Security. Secondo PuppyGraph, i ricavi annuali ricorrenti sono cresciuti di 7 volte nell’ultimo anno.

Liu ha dichiarato che AMD ha iniziato con carichi di lavoro IT e che questo lavoro ha aperto la strada al collegamento dei dati sulla sicurezza delle informazioni e sul marketing digitale. La società ha inoltre descritto clienti che hanno esteso l’utilizzo dall’osservabilità al rilevamento delle frodi e dai carichi di lavoro iniziali degli agenti ad altri ambiti aziendali.