Jedify Kumpulkan $24 Juta Untuk Memberi Konteks pada Agen AI Perusahaan

Jedify, startup yang mengembangkan lapisan konteks untuk agen kecerdasan buatan perusahaan, menutup pendanaan Seri A sebesar $24 juta pada 10 Juni 2026. Putaran ini dipimpin oleh modal ventura Norwest dengan partisipasi strategis dari Snowflake Ventures serta kontribusi dari investor sebelumnya S Capital VC, Cerca Partners, dan investor baru Oceans Ventures. Perusahaan mengatakan dana itu akan digunakan untuk mengembangkan produknya—termasuk integrasi lebih dalam dengan layanan AI Snowflake—dan mempercepat penjualan ke perusahaan skala menengah hingga besar.

Jedify memposisikan diri sebagai penyelesai masalah konteks pada implementasi agen AI di perusahaan. Menurut pendiri dan CEO Assaf Henkin, model dasar dan layanan LLM saat ini masih sering menghasilkan jawaban yang salah atau relevan secara parsial karena kekurangan representasi hubungan bisnis—seperti terminologi perusahaan, aturan izin akses, alur kerja operasi, dan asumsi operasional.

Platform Jedify membuat context graph otomatis yang menggabungkan data terstruktur (database, data warehouse), sumber tidak terstruktur (dokumen, transkrip rapat, screenshot), serta metadata dari aplikasi SaaS dan BI. Dengan demikian agen AI dapat membatasi ruang pencarian informasi ke konteks yang relevan untuk tugas tertentu, mengurangi risiko hallucination dan tindakan yang salah dalam proses bisnis sensitif.

Putaran Seri A senilai $24 juta dipimpin Norwest; Snowflake Ventures hadir sebagai investor strategis. Investor lain yang tercatat antara lain S Capital VC, Cerca Partners, dan Oceans Ventures. Menurut rilis, Assaf Harel dari Norwest akan bergabung ke dewan direksi Jedify. Sebelumnya Jedify mengumpulkan putaran seed sekitar $8,5 juta pada 2023, sehingga total pendanaan sekarang mendekati lebih dari $33 juta.

Keterlibatan Snowflake bukan sekadar modal—perusahaan data raksasa itu berencana mengintegrasikan teknologi Jedify ke produk AI-nya seperti Snowflake Cortex AI, Semantic Views, dan CoWork. Integrasi ini memberi Jedify akses distribusi ke pelanggan enterprise Snowflake dan validasi teknis terhadap skenario penggunaan data intensif.

Jedify menyebut beberapa pelanggan awal, termasuk platform keamanan dan kepatuhan Kiteworks serta referensi industri seperti The Weather Company. Di kasus Kiteworks, Jedify menghubungkan Snowflake, Tableau, Notion dan playbook internal untuk membentuk konteks yang memungkinkan pengembangan agen otomatis untuk alur kerja pelanggan tertentu.

Sektor yang menunjukkan permintaan kuat meliputi gaming, industri manufaktur, dan barang konsumen—segmen di mana kompleksitas operasional dan konsekuensi kesalahan agen AI membuat kebutuhan konteks semakin mendesak.

Pendanaan ini mempertegas tren 2026: perusahaan lebih fokus pada lapisan data dan semantik yang memungkinkan agen AI beroperasi secara andal di lingkungan korporasi. Produk seperti yang ditawarkan Jedify menargetkan celah implementasi—bukan model dasar atau infrastruktur komputasi—yang sering menjadi penghambat skala adopsi AI agentik.

Integrasi strategis dengan penyedia data besar seperti Snowflake dapat mempercepat adopsi karena mengurangi pekerjaan rekayasa data yang harus dilakukan pelanggan. Namun hal ini juga menempatkan Jedify dalam persaingan dengan solusi internal atau penyedia lain yang menawarkan kemampuan serupa untuk menata konteks bisnis.

Meskipun nilai kasus penggunaan jelas, Jedify menghadapi tantangan umum startup enterprise: pembuktian nilai (ROI) pada skala, interoperabilitas dengan ekosistem SaaS perusahaan yang beragam, serta memastikan keamanan dan kepatuhan data lintas sumber. Perusahaan berencana menggunakan modal Seri A untuk memperkuat engineering, memperluas tim penjualan enterprise, dan memperdalam integrasi dengan Snowflake serta alat BI populer.

Dengan board seat dari Norwest dan investasi strategis Snowflake Ventures, Jedify mendapat dukungan finansial dan akses pasar yang dapat mempercepat uji coba di perusahaan besar. Keberhasilan komersialnya akan ditentukan oleh kemampuan menghadirkan pengurangan kesalahan agen AI yang terukur dan pengembalian investasi dalam beberapa kasus penggunaan operasional.