Maisa hæver 25 millioner dollars til at aktivere troværdige, gennemsigtige ‘digitale arbejdere’

Enterprise AI er ramt af fiaskoer – studier viser, at op til 95% af generative AI-piloter kollapser. Men Maisa, der brobygger mellem Valencia og San Francisco, indbygger ansvarlighed i automatiseringen. Efter en seed-runde på 25 millioner dollars ledet af Creandum med støtte fra Forgepoint Capital, NFX og Village Global, er Maisa parat til at transformere AI-arbejdsgange med agens-processautomatisering, der er lige så gennemskuelig som intelligent.

Inden i motoren: KPU & Chain-of-Work — Bygning af tillid fra bunden

I hjertet af Maisas platform er Knowledge Processing Unit (KPU) – en ny arkitektur, der genopfinder AI-resonnering. KPU omfatter:

• En Resonneringsmotor, drevet af et stort sprogmodel, der planlægger multi-trins arbejdsgange.
• En Eksekveringsmotor, der udfører disse planer og føder resultaterne tilbage for omkalibrering.
• Et Virtual Context Window, der strømliner informationsflowet, fokuserer modellen kun på relevante data for at mindske hallucinationer.

Genialiteten i KPU ligger i, hvordan den omdefinerer rollen for LLM. I stedet for at fungere som en probabilistisk tekstgenerator, behandles modellen som en komponent inden for et disciplineret beregningsramme. KPU orkestrerer resonnering som et operativsystem, bryder problemer ned i håndterbare, gennemskuelige trin og sikrer, at hver handling kan valideres. Denne struktur omdanner en tidligere uigennemsigtig model til et forudsigeligt logiksystem, hvor fejl kan detekteres, korrigeres og forhindres i at kaskade.
Komplementerende KPU er Chain-of-Work – en omhyggeligt loggede revisionshistorik, der sporer hver beslutning, handling og værktøj, der er involveret i en digital arbejders proces. I modsætning til typiske AI-outputs, der lader brugere gætte, fungerer Chain-of-Work som en sort boks-optager for automatisering. Hver beregning, hver datapull, hver resonneringstrin er bevaret i detalje. Dette giver virksomhederne mulighed for ikke kun at stole på resultaterne, men også at genspore dem, afspille dem og forfine dem over tid. For compliance-tyngede brancher er dette ikke kun en bekvemmelighed – det er grundlaget for sikker udvikling i stor målestok.

Maisa Studio i aktion: No-Code-agenter rodnet i gennemsigtighed

Med KPU og Chain-of-Work kan Maisa Studio aktivere “borger-udviklere” – ikke-teknisk personale – til at udrulle digitale arbejdere ved hjælp af almindelige sprog-instruktioner. Gennem Maisas HALP (Human-Augmented LLM Processing) interagerer systemet for at klargøre intention, konstruerer arbejdsgange, integrerer over hundredvis af API’er og begynder at lære dynamisk – alt uden udviklere eller datasæt.
I praksis har dette allerede leveret betydelig impact: et finansservicesfirma reducerede falske positiver med 99% og opnåede en 10× produktivitetsforbedring per medarbejder – med fuld udrulning opnået på kun tre onboarding-sessions. Globale banker, bilproducenter og energiselskaber er i gang med at udrulle platformen til at automatisere compliance-tyngede processer i stor målestok, hvor gennemsigtighed og revision er uafviselige.

Hvorfor det betyder noget – En vision for AI, du kan stole på og skala

Maisa tilbyder ikke kun automatisering – det leverer ansvarlig AI, der indbygger tillid gennem arkitektur. I brancher belastet af regulering, uigennemsigtighed og høje stakes – finans, sundhed, energi – er evnen til at spore hver automatiseret beslutning afgørende. Chain-of-Work giver virksomheder mulighed for at inspicere, auditere og validere AI-logik på ethvert trin, hvilket betyder, at regulatører og interne hold ikke behøver at gætte, hvordan konklusionerne blev nået. I stedet kan de verificere med præcision.
Samtidig undertrykker KPU’s design systematisk hallucinationer ved at isolere resonnering fra dataprimærer og strukturere eksekvering. Denne pålidelighed fjerner den uforudsigelighed, der ofte gør virksomheder forsigtige over for AI. I stedet for at producere outputs omgivet af mysterium leverer Maisas agenter logiske, forudsigelige og konsistente resultater.
Set fremad repræsenterer denne platform en grundlæggende ændring: AI bliver en troværdig samarbejdspartner – en, hvis resonnering er gennemsigtig, hvis handlinger er sporbare, og hvis “tænkeproces” kan forfineres og auditeres. Da Maisas system er model-agnostisk, beholder organisationer fleksibiliteten til at adoptere stærkere modeller i fremtiden – uden at miste rigor og oversigt over KPU-rammen. Denne tilpasning lægger grundlaget for bæredygtig, skalerbar udvikling på tværs af udviklende virksomhedsbehov.
I essensen tilbyder Maisa en skitse for AI, der ikke kun er kraftfuld – men også ansvarlig og robust. I en verden, hvor de fleste AI-projekter ikke leverer, tegner denne teknologi en sjælden vej fremad – kombinerer innovation med integritet.