Maisa تجمع 25 مليون دولار لتمكين العمال الرقميين الموثوقين والشفافين

يعاني الذكاء الاصطناعي في الشركات من الفشل – حيث تظهر الدراسات أن ما يصل إلى 95٪ من مشاريع الذكاء الاصطناعي التوليدية تفشل. لكن Maisa ، التي تجمع بين فالنسيا وسان فرانسيسكو ، تعمل على هندسة المساءلة في الأتمتة. بعد جولة تمويل البذور بقيمة 25 مليون دولار بقيادة Creandum مع دعم من Forgepoint Capital و NFX و Village Global ، تعتزم Maisa تحويل تدفقات العمل بالذكاء الاصطناعي مع أتمتة العمليات الوكيلية التي تكون قابلة للتدقيق مثلها مثل الذكاء.

داخل المحرك: KPU و Chain-of-Work – بناء الثقة من الأساس

في قلب منصة Maisa يوجد وحدة معالجة المعرفة (KPU) – وهي هندسة جديدة تعيد概念 الذكاء الاصطناعي. وتتضمن KPU:

• محرك الاستدلال ، مدعوم بموديل لغة كبير ، والذي يخطط تدفقات العمل متعددة الخطوات.
• محرك التنفيذ الذي ينفذ هذه الخطط ويعيد تغذية النتائج لاعادة التعيين.
• نافذة السياق الافتراضي التي تسهل تدفق المعلومات ، وتركز النموذج فقط على البيانات ذات الصلة لتقليل الوهم.

الجاذبية في KPU تكمن في كيفية إعادة تشكيل دور موديل اللغة الكبيرة. بدلاً من التصرف كمولد نص احتمالي ، يتم التعامل مع الموديل كعنصر داخل إطار حسابي منضبط. KPU توجيه الاستدلال مثل نظام تشغيل ، وتقسيم المشكلات إلى خطوات قابلة للإدارة والتدقيق ، وضمان كل إجراء يمكن التحقق منه. هذا الهيكل يحول نموذجًا معتمًا إلى نظام منطقي قابل للتنبؤ ، حيث يمكن اكتشاف الأخطاء وتصحيحها ومنعها من التكاثر.
تكميلاً لـ KPU هو Chain-of-Work – سجل تدقيق مخطط بدقة يتتبع كل قرار و إجراء وأداة متورطة في عملية العامل الرقمي. على عكس مخرجات الذكاء الاصطناعي النموذجية التي تترك المستخدمين في حالة تخمين ، يعمل Chain-of-Work مثل مسجل أسود للآلي. يتم الحفاظ على كل حساب وكل سحب بيانات وكل خطوة استدلال بالتفاصيل. هذا يعطي الشركات القدرة على الثقة ليس فقط في النتائج ، ولكن في إعادة تتبعها وإعادة تشغيلها وتحسينها مع مرور الوقت. بالنسبة للصناعات التي تتطلب امتثالًا ، هذه ليست مجرد وسيلة – إنها أساس النشر الآمن على نطاق واسع.

Maisa Studio في العمل: وكلاء بدون كود يعتمدون على الشفافية

باستخدام KPU و Chain-of-Work ، تمكن Maisa Studio “مطوري المواطنين” – الموظفين غير التقنيين – من نشر العمال الرقميين باستخدام تعليمات لغة بسيطة. من خلال HALP (Human-Augmented LLM Processing) من Maisa ، يتفاعل النظام لتوضيح النية ، وبناء تدفقات العمل ، وتكامل عبر مئات من واجهات برمجة التطبيقات ، والبدء في التعلم بشكل ديناميكي – كل ذلك بدون مطورين أو مجموعات بيانات.
في الممارسة ، هذا قد أدى بالفعل إلى تأثير معنوي: قامت شركة الخدمات المالية بقطع الإيجابيات الكاذبة بنسبة 99٪ وتحقيق زيادة في الإنتاجية بمقدار 10 مرات لكل موظف – مع إنجاز التوزيع الكامل في ثلاث جلسات تمهيدية فقط. تعمل البنوك العالمية وشركات السيارات وشركات الطاقة على اختبار المنصة لتأتمتة العمليات التي تتطلب امتثالًا على نطاق واسع ، حيث لا تُقبل الشفافية والقابلية للتدقيق.

لماذا يهم – رؤية للذكاء الاصطناعي الذي يمكن الثقة به وتوسيعه

Maisa لا تقدم فقط أتمتة – بل تقدم ذكاء اصطناعي مسؤول يدمج الثقة من خلال الهندسة. في الصناعات التي تعاني من التنظيم والopacity والمراهنات العالية – المالية والرعاية الصحية والطاقة – القدرة على تتبع كل قرار أتمتة هو أمر بالغ الأهمية. يسمح Chain-of-Work للشركات بفحص وتدقيق وتصديق منطق الذكاء الاصطناعي في أي خطوة ، مما يعني أن المنظمين والفرق الداخلية لا يحتاجون إلى تخمين كيفية الوصول إلى الاستنتاجات. بدلاً من ذلك ، يمكنهم التحقق بدقة.
في الوقت نفسه ، تصميم KPU يقمع بشكل منهجي الوهم عن طريق عزل الاستدلال من ضوضاء البيانات وهيكلة التنفيذ. هذا الموثوقية يزيل عدم التنبؤ الذي غالبًا ما يجعل الشركات حذرين من الذكاء الاصطناعي. بدلاً من إنتاج مخرجات غامضة ، تعمل وكلاء Maisa على تقديم نتائج منطقية وقابلة للتنبؤ ومستمرة.
نظرًا إلى الأمام ، تمثل هذه المنصة تحولًا أساسيًا: يصبح الذكاء الاصطناعي شريكًا موثوقًا به – شريك منطقي واضح ويمكن تتبعه و “عملية التفكير” يمكن تحسينها واعتمادها. نظرًا لأن نظام Maisa غير معتمد على النموذج ، فإن المنظمات تحتفظ بالمرونة لتبني نماذج أقوى في المستقبل – دون فقدان صرامة وإشراف إطار KPU. هذه المرونة توفر الأساس للنشر المستدام والقابل للتوسيع عبر احتياجات الشركات المتطورة.
في جوهرها ، تقدم Maisa مخططًا للذكاء الاصطناعي الذي ليس فقط قويًا – ولكن مسؤولاً ومستدامًا. في عالم حيث يفشل معظم مشاريع الذكاء الاصطناعي في التسليم ، تحدد هذه التكنولوجيا مسارًا نادرًا للمضي قدمًا – الجمع بين الابتكار والنزاهة.