Catch sale del modo sigiloso con $5M semilla para crear un asistente ejecutivo de IA autónomo

Catch ha salido del modo sigiloso con 5 millones de dólares en financiación semilla para ampliar un asistente de IA agente diseñado para asumir el trabajo administrativo que consume una parte significativa del día de un ejecutivo.

La ronda fue co-dirigida por Entrée Capital y Pitango, con la participación de Seedcamp y Factorial Capital. En lugar de crear otra herramienta de IA que resuma correos electrónicos o recomiende lo que el usuario debe hacer a continuación, Catch está intentando algo más difícil: permitir que los ejecutivos deleguen tareas administrativas completas al software y que estas se completen.

Fundada por Nir Sabato y Yoav Ramon, Catch se centra específicamente en la administración ejecutiva, incluyendo la programación, la gestión de correos, los viajes, los seguimientos, los conflictos de calendario, los recordatorios y las llamadas telefónicas salientes. La empresa afirma que su sistema ya ha programado más de 12 000 reuniones, gestionado más de 200 000 correos electrónicos y completado más de 20 000 tareas delegadas.

Moving AI from assistance to delegation

La distinción entre ayudar con una tarea y completarla realmente se ha convertido en uno de los desafíos centrales que enfrenta la IA agente.

Los modelos de lenguaje grande ya pueden resumir una bandeja de entrada, redactar un correo, sugerir vuelos o determinar cuándo están disponibles dos personas. Pero convertir esas capacidades individuales en un sistema que pueda coordinar de forma fiable con otra persona, actualizar un calendario, hacer una reserva y dar seguimiento cuando las circunstancias cambian requiere una capa de ejecución mucho más profunda.

Catch se construye alrededor de esa brecha.

En lugar de pedir a los usuarios que configuren flujos de trabajo o construyan sus propios agentes, el sistema se conecta a las herramientas que los ejecutivos ya utilizan. El sitio web de Catch muestra compatibilidad con servicios como Gmail, Outlook, Google Calendar, Slack, WhatsApp, iMessage y telefonía, lo que permite a los usuarios comunicarse con el asistente de la misma manera que lo harían con un asistente ejecutivo humano.

Una vez conectado, el sistema desarrolla una comprensión de preferencias como los hábitos de reuniones, las prioridades del calendario y los requisitos de viaje. Catch afirma que entonces puede actuar de forma proactiva. Una reunión cancelada, por ejemplo, puede desencadenar una reprogramación, mientras que un viaje próximo puede llevar al asistente a identificar la falta de reservas de hotel en lugar de esperar una solicitud explícita.

Esto representa un cambio importante en la forma en que se diseñan los productos de IA. En lugar de crear otra interfaz que los ejecutivos deban gestionar, Catch intenta desaparecer en los canales de comunicación y el software que ya utilizan.

Autonomy does not mean acting without limits

El problema más difícil con los agentes administrativos no es si un modelo de IA puede entender una solicitud. Es determinar cuándo el software debe actuar de forma autónoma y cuándo un humano debe seguir involucrado.

Catch parece estar adoptando un enfoque escalonado.

Para el trabajo administrativo rutinario, el objetivo es minimizar aprobaciones innecesarias. Pero las acciones con consecuencias financieras u otras consecuencias significativas pueden requerir confirmación. En el flujo de trabajo de viajes de la empresa, por ejemplo, Catch puede interpretar un resumen de viaje, comparar vuelos y hoteles contra restricciones y elaborar un itinerario, pero el usuario brinda una aprobación explícita antes de que se complete una reserva.

De manera similar, el producto de bandeja de entrada de Catch puede clasificar mensajes y redactar respuestas basándose en el estilo de escritura previo del usuario, mientras que su flujo de trabajo actual mantiene al usuario involucrado antes de que ciertos mensajes se envíen.

Ese límite podría resultar crucial para la adopción de IA agente. La autonomía total parece atractiva, pero en la práctica las empresas probablemente adoptarán agentes de forma gradual, ampliando su autoridad a medida que los sistemas demuestren que pueden tomar decisiones fiables dentro de dominios claramente definidos.

El trabajo administrativo podría ser un terreno de prueba particularmente útil porque combina tareas repetitivas con suficiente toma de decisiones contextual para probar si los sistemas de IA pueden ir más allá de la automatización simple.

Catch is building specialized AI underneath the assistant

Detrás de la interfaz conversacional, Catch también está desarrollando su propia arquitectura de IA en lugar de depender exclusivamente de un modelo de base de propósito general.

La empresa describe un sistema de «agentes fragmentados» de alcance estrecho, en el que a cada agente individual se le da acceso solo a la información necesaria para una tarea específica. La idea es reducir la cantidad de contexto sensible expuesto durante la ejecución, al mismo tiempo que se mejora la latencia y la fiabilidad.

Catch afirma que los datos de interacción anonimizada pueden usarse para mejorar sus propios modelos mediante aprendizaje supervisado y aprendizaje por refuerzo. Al mismo tiempo, su documentación de seguridad indica que los proveedores externos de IA están contractualmente prohibidos de retener datos de clientes o utilizarlos para entrenar sus propios modelos.

Dado que un asistente ejecutivo puede tener acceso a calendarios, correos, planes de viaje y potencialmente información sensible de la empresa, la seguridad se vuelve considerablemente más importante una vez que un sistema de IA puede tomar acciones en lugar de simplemente generar texto. Catch afirma que cumple con SOC 2 Tipo II, además de CASA Nivel 2 y la verificación de Google, y cifra los datos almacenados y transmitidos mientras utiliza permisos granulares para los servicios conectados.

Founders with backgrounds in AI and venture investing

La empresa fue fundada por dos ejecutivos que abordaron el problema administrativo desde diferentes perspectivas.

El CEO Nir Sabato pasó varios años invirtiendo en Entrée Capital, donde se centró en áreas como la inteligencia artificial y la tecnología empresarial. Antes de entrar en el capital de riesgo, ocupó cargos de estrategia en Fiverr y BLEND. Catch afirma que la experiencia de Sabato trabajando con fundadores ayudó a revelar cuánto tiempo ejecutivo de alto valor seguía consumiéndose en trabajos de coordinación relativamente rutinarios.

El CTO Yoav Ramon, por su parte, ha trabajado más de una década con sistemas de aprendizaje automático. Su trayectoria incluye tecnología de voz y lenguaje en Hi Auto y el cargo de CTO en la empresa de IA para salud Nym, donde los equipos desplegaron grandes modelos de lenguaje en entornos de salud regulados.

Esa combinación es relevante porque construir un agente administrativo requiere más que un chatbot eficaz. El sistema necesita comprender preferencias, mantener el contexto a lo largo de las interacciones, interactuar con software externo y determinar cuándo tiene suficiente confianza para actuar.

Agentic AI’s next battleground may be ordinary work

Catch está ingresando a un mercado de IA agente que se expande rápidamente, pero su mayor importancia podría derivarse de lo estrechamente que ha definido el problema.

Muchas empresas de IA intentan crear agentes cada vez más generales capaces de realizar docenas o cientos de tipos de trabajo. Catch adopta el enfoque opuesto: concentrarse en un dominio relativamente limitado y tratar de que el sistema sea lo suficientemente fiable como para que los usuarios dejen de realizar esas tareas por sí mismos.

Eso podría convertirse en un patrón importante para la siguiente etapa de la IA empresarial.

Los agentes comercialmente más útiles pueden no ser inicialmente empleados digitales autónomos capaces de realizar cualquier tarea. En su lugar, podrían surgir como sistemas altamente especializados que comprendan una categoría de trabajo lo suficientemente a fondo como para ser confiados con una autoridad progresivamente mayor.

La administración ejecutiva ofrece una prueba reveladora. Programar reuniones, gestionar viajes y coordinar correos puede parecer mundano comparado con la programación o la investigación científica, pero estos flujos de trabajo requieren que la IA interactúe con personas reales, comprenda instrucciones incompletas, recuerde preferencias individuales y tome decisiones que tengan consecuencias en el mundo real.

Si sistemas como Catch pueden manejar de forma fiable esos flujos de trabajo, la importancia va más allá de ahorrar a los ejecutivos unas pocas horas. Demostraría que los agentes de IA están comenzando a cruzar la frontera entre generar información útil y asumir la responsabilidad de realizar el trabajo.

La nueva ronda semilla de 5 millones de dólares brinda a Catch capital adicional para probar si esa transición puede escalar.