Finansiering

Square Peg bakker op om Future Secure AI, der udvikler AI-kolleger til virksomheder

Evan Mercer
Føj Unite.AI til dine foretrukne kilder på Google
NøglepunkterFuture Secure AI sigter mod tværsystemarbejdsgange, hvor nøjagtighed og tilsyn betyder…
Vis mere
  • Future Secure AI sigter mod tværsystemarbejdsgange, hvor nøjagtighed og tilsyn betyder mere end hurtige prompt-svar.
  • Fremadudsendte teams knytter softwaren til ledelsesrelationer og praktisk implementering i kundernes processer.
  • Square Peg satser på, at succes med AI i virksomheder afhænger af levering og styring snarere end af modelkapacitet alene.

Square Peg meddelte den 6. november 2026, at selskabet bakker op om Future Secure AI, hvis AI-kolleger til virksomheder er udviklet til at gennemføre komplekse forretningsprocesser side om side med medarbejderne og i kundernes eksisterende systemer.

Future Secure AI designer, bygger og driver disse multiagentsystemer. Hver AI-kollega har et navn, et ansigt og en plads i organisationsdiagrammet, mens de underliggende agenter håndterer modtagelse af sager, vurderinger, systemopdateringer og overdragelser. Der anvendes deterministisk logik, når en sprogmodel ikke er det rette værktøj, og mennesker inddrages, hvor det er hensigtsmæssigt.

Virksomheden kalder sit fokusområde for AI i den “røde zone”: arbejdsgange, der går på tværs af flere systemer og teams og kræver nøjagtighed, sikkerhed og tilsyn. Det omfatter blandt andet månedsafslutning, skatteberegninger, afstemninger og kundeservice, som kan være placeret i årtier gamle systemer, der fungerer som officielle datakilder, og være underlagt strenge regler for data. Derfor er det centrale produktkrav at gennemføre hele driftsprocessen frem for blot at give hurtigere svar på enkeltstående forespørgsler.

Leverancemodellen bygger på relationer til ledelsen og tæt integreret implementering. Future Secure AI sælger til topledere, administrerende direktører og bestyrelser og tager udgangspunkt i deres største forretningsmæssige udfordringer. Erfarne tidligere konsulenter og ingeniører arbejder derefter sammen med kundernes teams om at afgrænse, opbygge og drive AI-kollegerne. Denne model med fremskudte teams knytter softwaren til et team, der har ansvaret for at tilpasse den til kundens faktiske processer.

AI-kolleger til specifikke roller

Future Secure AI siger, at virksomhedens AI-kolleger udfører komplekse arbejdsgange med store behandlingsmængder i stedet for kun enkeltstående opgaver, og beskriver dem som uafhængige af bestemte store sprogmodeller (LLM’er), robuste og fuldt ud reviderbare. Hver AI-kollega er specialudviklet til en forretningsrolle og tilpasset organisationens medarbejdere, processer og systemer. Blandt de navngivne eksempler er Amy AI, en analytiker, der håndterer månedsafslutning inden for økonomi for en global investeringsbank; Ari AI, en analytiker af skat på personalegoder for en global investeringsbank; Leo AI, en vagtplanlægningschef for en virksomhed inden for medicinsk diagnostik; og Billie AI, en faktureringsassistent for et globalt advokatfirma.

Kontrol med implementering og styring

Future Secure AI siger, at virksomhedens teknologi ikke er bundet til én bestemt stor sprogmodel, cloududbyder eller virksomhedsplatform og er udviklet til at kunne integreres med kundens eksisterende it-miljø. Løsningerne kan implementeres på privat cloud-infrastruktur med én kunde pr. instans og som containerbaserede applikationer i et virksomhedsnetværk. Med denne konfiguration forbliver følsomme data i miljøet og bruges ikke til at træne offentlige AI-modeller.

Virksomheden beskriver en driftsplatform, der koordinerer langvarige arbejdsgange på tværs af systemer, godkendelser, beslutninger og forretningsprocesser. Kontrollerne omfatter konfigurerbare sikkerhedsrammer, overvågning og menneskeligt tilsyn samt operationelt overblik, forklarlighed og revisionsspor. Livscyklusstyringen omfatter implementering, overvågning, support og løbende optimering. Medarbejdere kan samarbejde med AI-kolleger via e-mail, tale, Slack og Teams, mens den tilknyttede dataadgang dækker både strukturerede og ustrukturerede oplysninger.

Grundlæggerne og Square Pegs tese

Future Secure AIs ledelsesside angiver Mehrdad Baghai og Michael Hunter som medstiftere og administrerende direktører. Baghais biografi beskriver ham som tidligere partner hos McKinsey og rådgiver for administrerende direktører og bestyrelser, mens Hunters baggrund omfatter iværksætteri og investeringsbankvirksomhed hos Macquarie Capital.

Square Pегs beretning tilføjer, at Baghai var med til at lede McKinseys globale vækstpraksis og var medforfatter til The Alchemy of Growth, hvorefter han stod for vækst og kommercialisering hos CSIRO, Australiens nationale videnskabsagentur. Hunter arbejdede i mere end et årti som investeringsbankmand hos Macquarie, hvor han havde et tæt samarbejde med den øverste ledelse. Deres karrierer er med til at forklare, hvorfor investoren betragter relationer til ledende medarbejdere og troværdighed som en del af virksomhedens leverancemodel.

Square Pegs tese er, at virksomheders anvendelse af AI vil kombinere produkter og tjenester, at leverandører skal definere forretningsproblemerne og tage ansvar for leverancen, og at teknologien alene ikke afgør, hvem der vinder inden for komplekse, regulerede arbejdsgange, hvor tillid fra ledelsen og dokumenterede leverancer er afgørende. Dette synspunkt knytter investeringen til grundlæggernes baggrund og Future Secure AIs fremskudte teams – ud over de underliggende modellers muligheder.

For Future Secure AI er Square Pegs opbakning en blåstempling af en AI-model til virksomheder, der bygger på eksekvering, integration og styring. Den afgørende prøve bliver, om virksomhedens AI-kolleger til specifikke roller og erfarne leveranceteams kan omsætte disse kontroller til pålidelig drift på tværs af de arbejdsgange i den røde zone, som virksomheden retter sig mod.

Evan Mercer er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI‑startups, venturekapital og de finansieringsdynamikker, der former næste generation af teknologivirksomheder. Hans rapportering fokuserer på innovation i de tidlige faser, kapitalstrømme og de strategiske beslutninger, som grundlæggere og investorer træffer, når AI‑virksomheder vokser fra koncept til global indflydelse.

Med et strategisk og analytisk perspektiv undersøger Evan finansieringsrunder, markedspositionering og fremvoksende tendenser i AI‑startup‑økosystemet. Han følger, hvordan venturekapital, virksomhedsinvesteringer og de børsnoterede markeder krydser med gennembrud inden for kunstig intelligens, og adskiller holdbare signaler fra kortvarig hype.

Artikler skrevet af Evan Mercer er AI‑genererede og gennemgået af Unite.AI’s redaktionsteam for at sikre nøjagtighed, kontekst og ansvarlig dækning af det globale AI‑investeringslandskab