Enzzo, une spin-off de Pioneer Square Labs, lève 3 M$ pour utiliser l'IA afin de définir des produits matériels

Une startup de Seattle qui vend un abonnement mensuel aux fabricants de matériel dans l'électronique grand public, industrielle et médicale.

L'IA combinée aux données clients peut comprimer la « phase de définition » du matériel en un ensemble d'exigences rapide et complet.

Un tour d'amorçage de 3 M$ mené par Unlock Venture Partners, avec PSL Ventures, premier investissement du partenariat IA de PSL avec Mayfield.

Pioneer Square Labs a essaimé Enzzo, avec comme PDG Ford Davidson, ancien de Meta et Amazon et fondateur de Dashwire, et comme cofondateur Zheng Liu, ancien responsable de l'ingénierie chez Imprint.

Enzzo a été fondée en 2023 et comptait déjà des clients payants sur un abonnement mensuel. Elle utilise des modèles d'IA et les données téléversées par les clients pour générer des définitions de produit, des objectifs, des personas, des exigences, des analyses concurrentielles, des risques et des cas d'usage, ainsi que des présentations.

En mars 2024, Enzzo a annoncé son tour d'amorçage de 3 M$. Elle travaillait à intégrer les données clients via des API, avait pour vision d'entraîner son propre modèle d'IA à l'avenir, et prévoyait de doubler ses quatre employés en quatre mois.

Définir un produit matériel prend des semaines ou des mois et mobilise plusieurs spécialistes, si bien que tout temps gagné a de la valeur.

Les équipes matérielles assemblent actuellement des outils génériques comme Google Docs, Notion et ChatGPT.

La promesse que les données clients ne serviront pas à entraîner les modèles répond à une préoccupation des fabricants de matériel.

Choisir l'étape la plus lente et la plus dépendante des documents d'une industrie difficile et vendre l'accélération sous forme d'abonnement ; Enzzo a ciblé la phase de définition du matériel plutôt que la conception ou la fabrication.

Au 5 mars 2024, Enzzo comptait quatre employés, des clients payants, un projet de doubler ses effectifs et un objectif déclaré d'entraîner éventuellement son propre modèle d'IA.