Mga Pangunahing Pananaw sa Hebbia
Ano ang Hebbia?
Hebbia ay isang AI Pinapagana ng institutional intelligence platform na ginawa para sa mga propesyonal sa pananalapi, legal, at pagkonsulta na kailangang suriin ang napakaraming hindi nakabalangkas na mga dokumento nang may ganap na katumpakan at kakayahang masubaybayan. Itinatag noong 2020 at sinusuportahan ng $161 milyon na pondo mula sa Andreessen Horowitz at Index Ventures, ang pangunahing produkto ng Hebbia na Matrix ay gumaganap bilang isang tabular AI workspace kung saan maaaring magpatakbo ang mga analyst ng mga kumplikadong query sa libu-libong file nang sabay-sabay.
Gumagamit ito ng isang proprietary na pamamaraan na tinatawag na Iterative Source Decomposition upang hatiin ang mga tanong sa mga parallel na subtask, isagawa ang mga ito sa mga best fit model, at magbalik ng mga nabanggit at maaaring awditahan na sagot sa isang spreadsheet style grid.
Direktang nakikisama ang platform sa FactSet, PitchBook, Preqin, Fitch at Third Bridge, kaya halos kapareho ito ng isang AI Pinapagana ng Bloomberg terminal para sa mabibigat na pananaliksik sa dokumento. Tinutulungan ng Hebbia ang mga kumpanya na mabawasan ang oras ng analyst sa diligence, screening, at paggawa ng memo mula araw hanggang minuto.
Ang Matrix ang sentro ng Hebbia at gumagana ito nang eksakto sa paraan ng pag-iisip ng isang deal team. Sa halip na isang chat window, nagpapakita ito ng isang spreadsheet kung saan ang bawat column ay nagiging isang AI pinapagana ng query at bawat row ay nagiging isang kumpanya, filing o dokumento.
Maaaring mag-drag ang mga analyst ng libu-libong PDF at agad na magpatakbo ng structured extraction sa buong set. Nangangahulugan ito na ang isang credit analyst na nag-screen ng 200 CIM ay hindi na mano-manong kumokopya ng mga numero. Pinupuno ng Matrix ang grid ng mga sourced, cited na sagot sa halos real time.
Ang ISD ang nagpapaiba sa Hebbia mula sa mga generic na RAG tool . Kapag ang isang user ay nagtanong ng isang kumplikadong tanong, hinahati ito ng ISD sa magkakahiwalay na subtask, idinadaan ang bawat isa sa naaangkop na modelo at muling binubuo ang isang kumpletong sagot. Inaalis nito ang problema sa halusinasyon na sumasalot sa mga single pass retrieval system. Para sa isang private equity associate na nagpapatakbo ng quality of earnings check sa isang virtual data room, tinitiyak ng ISD na ang bawat numero ay masusubaybayan pabalik sa source page at talata nito.
Kumokonekta ang Hebbia nang natively sa datos ng merkado ng FactSet, PitchBook deal intelligence, datos ng pribadong merkado ng Preqin sa pamamagitan ng BlackRock Aladdin, Fitch credit ratings, ICE equity pricing at mga transcript ng eksperto ng Third Bridge. Maaaring i-query ng mga user ang lahat ng mga mapagkukunang ito sa iisang daloy ng trabaho kasama ang kanilang sariling mga na-upload na file. Inaalis nito ang paglipat-lipat sa pagitan ng anim na magkakaibang terminal at pinagsasama ang lahat ng datos sa iisang pagsusuri.
Maaaring bumuo ang mga team ng mga custom agent para sa mga paulit-ulit na gawain o pumili mula sa daan-daang pre-built na template na sumasaklaw sa credit agreement abstraction, VDR screening, precedent transaction analysis at marami pang iba. Maaari ring maglagay ang mga analyst ng isang umiiral na deliverable at awtomatikong lilikha ang Hebbia ng isang reusable agent na magre-reproduce ng output format na iyon sa bagong data. Ginagawa nitong scalable at repeatable ang kaalaman ng institusyon. AI Workflows.
Sa pamamagitan ng pagkuha nito ng FlashDocs, ang Hebbia ngayon ay nakakabuo ng mga pinakintab na PowerPoint deck, memo, at ulat nang direkta mula sa mga resulta ng pagsusuri. Ang update noong Hunyo 2026 ay nagdagdag ng mga inline citation marker sa bawat slide, kaya ang bawat claim ay nananatiling masusubaybayan. Bine-verify din ng isang tick and tie agent ang mga numero sa mga presentasyon laban sa mga source file, na mahalaga para sa mga regulated na output.
Ang Hebbia API ay nagbibigay-daan sa mga kumpanya na direktang ikonekta ang platform sa mga internal system para sa automated at real-time na intelligence. Ang MCP (Model Context Protocol) integration ay nagbibigay-daan sa mga user na mag-query sa kanilang mga proyekto at data source ng Hebbia mula sa loob ng Claude at ChatGPT gamit ang mga inline citation. Pinalalawak nito ang analytical power ng Hebbia na lampas sa sarili nitong interface.
Mga Plano sa Pagpepresyo ng Hebbia
| Pangalan ng Plano | gastos | Mga Pangunahing Limitasyon at Tampok |
|---|---|---|
| Propesyonal na Upuan | ~$10,000/upuan/taon | Walang limitasyong pangangatwiran, pagbuo ng ahente, mga advanced na integrasyon ng data, automation ng daloy ng trabaho |
| Maliit na Upuan | ~$3,000 hanggang $3,500/upuan/taon | Magpatakbo ng mga pre-built agent, malalim na paghahanap, at ubusin ang mga output |
| Custom na Enterprise | Batay sa sipi | Pasadyang pag-deploy, pangkat ng mga serbisyong inilunsad nang maaga, mga pasadyang integrasyon ng datos, minimum na 1 taong kontrata |
Paano Awtomatiko ng Hebbia ang mga Daloy ng Trabaho sa Deal
Hebbia's Ang platform ng Matrix ay ginawa upang paikliin ang buong daloy ng trabaho ng deal mula araw hanggang minuto. Ang mga investment banker ay nakakatipid ng 30 hanggang 40 oras bawat deal sa mga materyales sa marketing, paghahanda ng meeting, at mga tugon ng counterparty. Ang mga private equity team ay nagbabawas ng 20 hanggang 30 oras bawat deal sa screening, due diligence, at pananaliksik sa network ng eksperto. Nakakamit ito ng platform sa pamamagitan ng mga agent swarm na naghahati sa isang kumplikadong gawain sa mga parallel subtask, na bawat isa ay iniruruta sa pinakaangkop na modelo.
Hindi na mano-manong binabasa ng isang credit analyst na nagsusuri ng 200 kasunduan sa pautang ang bawat isa. Sa halip, kinukuha ng Matrix ang mga tipan, sinusuri ang mga tuntunin at minamarkahan ang panganib sa bawat dokumento nang sabay-sabay. Iniulat ng mga law firm ang 75% na pagbawas sa oras ng pagsusuri ng kasunduan sa kredito, na katumbas ng humigit-kumulang $2,000 kada oras sa natipid na bayarin sa legal. Hindi ito mga teoretikal na pakinabang. Hebbia's Mas maraming unstructured data ang naproseso ng mga customer sa isang nakaraang buwan kaysa sa pinagsamang bilang ng mga naunang labindalawang buwan.
Mga kalamangan at kahinaan
- Walang kapantay na pangangatwiran sa maraming dokumento sa malawakang saklaw.
- Kumpletong mga citation trail sa bawat output.
- Naka-built-in na premium na integrasyon ng datos pinansyal.
- Angkop ang interface ng Matrix grid para sa mga daloy ng trabaho ng analyst.
- Kasama ang onboarding team na naka-deploy sa unahan.
- Mabilis na lumalawak na library ng ahente at template.
- Walang libreng tier o self-service access.
- Hindi malinaw ang presyo at para lamang sa mga negosyo.
- Matarik na kurba ng pagkatuto para sa mga gumagamit na hindi gumagamit ng pananalapi.
- Limitadong gamit sa labas ng mabibigat na industriya ng dokumento.
Paglago at Posisyon ng Hebbia sa Pamilihan
Ang Hebbia ay lumaki mula sa $10 milyong ARR noong 2023 patungo sa tinatayang $48 milyong ARR noong Agosto 2026, na sumasalamin sa malakas na pag-akit ng mga negosyo. Ang platform ay nakapagproseso na ng mahigit 1 bilyong pahina, mula sa 47 milyon isang taon lamang ang nakalilipas. Mahigit 40% ng pinakamalalaking pandaigdigang tagapamahala ng asset ayon sa AUM ay gumagamit na ngayon ng Matrix.
Ang kita ng EMEA ay lumago ng 373% taon-taon mula FY25 hanggang FY26 nang gamitin ng mga internasyonal na kumpanya ng advisory at PE ang plataporma. May halagang $700 milyon matapos ang 2024 Series B nito na pinamumunuan ni Andreessen Horowitz, ang Hebbia ay matatag na nangunguna sa kategorya sa AI para kaalaman sa institusyon trabaho. Ang mga pakikipagsosyo nito sa datos kasama ang FactSet, PitchBook, Fitch at Third Bridge ay lumilikha ng mga gastos sa paglipat na hindi kayang gayahin ng karamihan sa mga kakumpitensya.
Pinakamahusay na Alternatibo sa Hebbia
| enterprise AI Plataporma para sa Gawaing Kaalaman | Lalim ng Datos sa Pananalapi | Pangangatwiran sa Maraming Dokumento |
|---|---|---|
| AlphaSense | Malawakan (pananaliksik ng broker, mga transcript, mga pag-file) | Limitado sa paghahanap at pagbubuod |
| rogo | Katamtaman (nakatuon sa pananaliksik sa panig ng nagbebenta) | Pagbuo ng iisang dokumento at memo |
| Mamulot | Minimal (pangkalahatang datos ng negosyo) | Malawak na paghahanap para sa negosyo, hindi partikular sa pananalapi |
| Harvey | Minimal (nakatuon sa legal na aspeto, walang mga feed ng datos pinansyal) | Mahusay sa pagsusuri ng mga legal na dokumento |
