Catch ने $5M सीड फंडिंग के साथ स्वायत्त AI कार्यकारी सहायक बनाने के लिए स्टेल्थ मोड से बाहर निकला

Catch ने $5 मिलियन की सीड फंडिंग के साथ स्टेल्थ मोड से बाहर निकलते हुए एक एजेंटिक AI सहायक को विकसित करने का लक्ष्य रखा है, जो कार्यकारी के दिन के एक महत्वपूर्ण हिस्से को घेरने वाले प्रशासनिक कार्यों को संभाल सके।

यह फंडिंग राउंड Entrée Capital और Pitango द्वारा सह-नेतृत्व किया गया, जिसमें Seedcamp और Factorial Capital की भागीदारी थी। ईमेल का सारांश बनाने या उपयोगकर्ता को अगला कदम सुझाने वाले एक और AI टूल बनाने के बजाय, Catch कुछ अधिक कठिन करने की कोशिश कर रहा है: कार्यकारियों को संपूर्ण प्रशासनिक कार्य सॉफ़्टवेयर को सौंपना और उन्हें पूरा करवाना।

निर सबातो और योआव रामोन द्वारा स्थापित Catch विशेष रूप से कार्यकारी प्रशासन पर केंद्रित है, जिसमें शेड्यूलिंग, ईमेल प्रबंधन, यात्रा, फॉलो‑अप, कैलेंडर टकराव, रिमाइंडर और आउटबाउंड फोन कॉल शामिल हैं। कंपनी का कहना है कि उसके सिस्टम ने अब तक 12,000 से अधिक मीटिंग शेड्यूल की हैं, 200,000 से अधिक ईमेल संभाले हैं और 20,000 से अधिक सौंपे गए कार्य पूरे किए हैं।

सहायता से कार्य सौंपने तक AI का परिवर्तन

कार्य में सहायता करने और वास्तव में उसे पूरा करने के बीच का अंतर एजेंटिक AI के सामने प्रमुख चुनौतियों में से एक बन गया है।

बड़े भाषा मॉडल पहले ही इनबॉक्स का सारांश बना सकते हैं, ईमेल ड्राफ्ट कर सकते हैं, उड़ानों का सुझाव दे सकते हैं या दो लोगों की उपलब्धता निर्धारित कर सकते हैं। लेकिन इन व्यक्तिगत क्षमताओं को एक ऐसे सिस्टम में बदलना जो भरोसेमंद रूप से दूसरे व्यक्ति के साथ समन्वय करे, कैलेंडर अपडेट करे, आरक्षण करे और परिस्थितियों के बदलने पर फॉलो‑अप करे, इसके लिए बहुत गहरा कार्यान्वयन स्तर आवश्यक है।

Catch इस अंतर को पाटने के लिए बनाया गया है।

उपयोगकर्ताओं को वर्कफ़्लो कॉन्फ़िगर करने या अपने स्वयं के एजेंट बनाने के लिए कहने के बजाय, सिस्टम उन टूल्स से जुड़ता है जो कार्यकारी पहले से उपयोग करते हैं। Catch की वेबसाइट Gmail, Outlook, Google Calendar, Slack, WhatsApp, iMessage और फोन सहित कई सेवाओं का समर्थन दिखाती है, जिससे उपयोगकर्ता सहायक के साथ उसी तरह संवाद कर सकें जैसे वे मानव कार्यकारी सहायक से करते हैं।

एक बार जुड़ने के बाद, सिस्टम मीटिंग की आदतें, कैलेंडर प्राथमिकताएँ और यात्रा आवश्यकताओं जैसी पसंदों को समझना शुरू करता है। Catch का कहना है कि वह फिर सक्रिय रूप से कार्य कर सकता है। उदाहरण के लिए, रद्द हुई मीटिंग पुनः शेड्यूलिंग को ट्रिगर कर सकती है, जबकि आगामी यात्रा के दौरान सहायक स्वचालित रूप से अनुपलब्ध होटल बुकिंग को पहचान सकता है, बिना स्पष्ट संकेत की प्रतीक्षा किए।

यह AI उत्पादों के डिजाइन में एक महत्वपूर्ण बदलाव को दर्शाता है। कार्यकारियों को प्रबंधित करने के लिए एक और इंटरफ़ेस बनाने के बजाय, Catch अपने आप को उन संचार चैनलों और सॉफ़्टवेयर में समाहित करने की कोशिश कर रहा है जिन्हें वे पहले से उपयोग करते हैं।

स्वायत्तता का अर्थ यह नहीं कि बिना सीमाओं के कार्य करना

प्रशासनिक एजेंटों के साथ कठिन समस्या यह नहीं है कि AI मॉडल अनुरोध को समझ सकता है या नहीं। बल्कि यह निर्धारित करना है कि सॉफ़्टवेयर को कब स्वायत्त रूप से कार्य करना चाहिए और कब मानव को शामिल रहना चाहिए।

Catch एक स्तरबद्ध दृष्टिकोण अपनाता दिखता है।

रूटीन प्रशासनिक कार्यों के लिए लक्ष्य अनावश्यक अनुमोदनों को कम करना है। लेकिन वित्तीय या अन्य महत्वपूर्ण परिणामों वाले कार्यों के लिए पुष्टि आवश्यक हो सकती है। कंपनी के यात्रा वर्कफ़्लो में, उदाहरण के लिए, Catch यात्रा ब्रीफ़ को समझ सकता है, उड़ानों और होटलों की तुलना प्रतिबंधों के आधार पर कर सकता है, और एक यात्रा कार्यक्रम तैयार कर सकता है, लेकिन बुकिंग पूरी होने से पहले उपयोगकर्ता स्पष्ट अनुमोदन देता है।

इसी तरह, Catch के इनबॉक्स उत्पाद से संदेशों को वर्गीकृत किया जा सकता है और उपयोगकर्ता की पूर्व लेखन शैली के आधार पर उत्तर ड्राफ्ट किए जा सकते हैं, जबकि वर्तमान वर्कफ़्लो में कुछ संदेश भेजे जाने से पहले उपयोगकर्ता को शामिल रखा जाता है।

यह सीमा एजेंटिक AI अपनाने के लिए महत्वपूर्ण साबित हो सकती है। पूर्ण स्वायत्तता आकर्षक लगती है, लेकिन वास्तविकता में व्यवसाय एजेंटों को क्रमशः अपनाने की संभावना रखते हैं, और सिस्टम जब स्पष्ट रूप से परिभाषित क्षेत्रों में विश्वसनीय निर्णय ले सकें, तो उनकी अधिकारिता को बढ़ाते हैं।

प्रशासनिक कार्य एक विशेष रूप से उपयोगी परीक्षण क्षेत्र हो सकता है क्योंकि यह दोहरावदार कार्यों को पर्याप्त संदर्भात्मक निर्णय लेने के साथ जोड़ता है, जिससे यह जांचा जा सके कि AI सिस्टम साधारण स्वचालन से आगे बढ़ सकते हैं या नहीं।

Catch सहायक के नीचे विशेषीकृत AI बना रहा है

संवादात्मक इंटरफ़ेस के पीछे, Catch केवल सामान्य प्रयोजन के फाउंडेशन मॉडल पर निर्भर रहने के बजाय अपनी स्वयं की AI आर्किटेक्चर विकसित कर रहा है।

कंपनी एक सीमित दायरे वाले “स्प्लिंटर एजेंट” प्रणाली का वर्णन करती है, जहाँ प्रत्येक एजेंट को केवल उस विशिष्ट कार्य के लिए आवश्यक जानकारी तक ही पहुंच दी जाती है। इसका उद्देश्य निष्पादन के दौरान उजागर होने वाले संवेदनशील संदर्भ की मात्रा को कम करना और साथ ही लेटेंसी और विश्वसनीयता में सुधार करना है।

Catch का कहना है कि अनामित इंटरैक्शन डेटा को सुपरवाइज़्ड लर्निंग और रिइनफ़ोर्समेंट लर्निंग के माध्यम से अपने मॉडलों को सुधारने में उपयोग किया जा सकता है। साथ ही, उसकी सुरक्षा दस्तावेज़ीकरण में कहा गया है कि बाहरी AI प्रदाताओं को ग्राहक डेटा को रखरखाव या अपने मॉडल को प्रशिक्षित करने के लिए उपयोग करने से अनुबंधात्मक रूप से प्रतिबंधित किया गया है।

चूँकि एक कार्यकारी सहायक को कैलेंडर, ईमेल, यात्रा योजनाओं और संभावित संवेदनशील कंपनी जानकारी तक पहुंच हो सकती है, सुरक्षा अधिक महत्वपूर्ण हो जाती है जब AI सिस्टम केवल टेक्स्ट उत्पन्न करने के बजाय कार्रवाई कर सकता है। Catch का कहना है कि वह SOC 2 Type II अनुपालन में है, साथ ही CASA Tier-2 और Google वेरिफिकेशन भी प्राप्त है, और जुड़े सेवाओं के लिए सूक्ष्म अनुमतियों का उपयोग करते हुए संग्रहीत और प्रसारित डेटा को एन्क्रिप्ट करता है।

AI और वेंचर निवेश में पृष्ठभूमि वाले संस्थापक

कंपनी दो कार्यकारियों द्वारा स्थापित की गई थी जिन्होंने प्रशासनिक समस्या को विभिन्न दृष्टिकोणों से देखा।

CEO निर सबातो ने पहले Entrée Capital में कई वर्षों तक निवेश किया, जहाँ उन्होंने कृत्रिम बुद्धिमत्ता और एंटरप्राइज़ तकनीक सहित क्षेत्रों पर ध्यान केंद्रित किया। वेंचर कैपिटल में प्रवेश करने से पहले, उन्होंने Fiverr और BLEND में रणनीति भूमिकाएँ निभाई। Catch का कहना है कि संस्थापकों के साथ काम करने का सबातो का अनुभव यह उजागर करने में मददगार रहा कि उच्च मूल्य वाले कार्यकारी समय का कितना हिस्सा अभी भी अपेक्षाकृत नियमित समन्वय कार्यों में खर्च हो रहा है।

CTO योआव रामोन ने एक दशक से अधिक समय तक मशीन लर्निंग सिस्टम्स पर काम किया है। उनका पृष्ठभूमि Hi Auto में स्पीच और लैंग्वेज टेक्नोलॉजी तथा हेल्थकेयर AI कंपनी Nym में CTO के रूप में कार्य करना शामिल है, जहाँ टीमों ने नियामक स्वास्थ्य देखभाल वातावरण में बड़े भाषा मॉडल लागू किए।

यह संयोजन प्रासंगिक है क्योंकि एक प्रशासनिक एजेंट बनाने के लिए केवल प्रभावी चैटबॉट से अधिक चाहिए। सिस्टम को पसंदों को समझना, इंटरैक्शन के बीच संदर्भ बनाए रखना, बाहरी सॉफ़्टवेयर के साथ संवाद करना और यह निर्धारित करना आवश्यक है कि कब उसके पास कार्रवाई के लिए पर्याप्त आत्मविश्वास है।

एजेंटिक AI का अगला युद्धक्षेत्र सामान्य कार्य हो सकता है

Catch तेज़ी से विस्तार कर रहे एजेंटिक AI बाजार में प्रवेश कर रहा है, लेकिन इसका बड़ा महत्व इस बात से आ सकता है कि उसने समस्या को कितनी संकीर्ण रूप से परिभाषित किया है।

कई AI कंपनियां ऐसे सामान्य एजेंट बनाने की कोशिश कर रही हैं जो दर्जनों या सैकड़ों प्रकार के कार्य कर सकें। Catch विपरीत दृष्टिकोण अपनाता है: एक तुलनात्मक रूप से सीमित डोमेन पर केंद्रित होकर सिस्टम को इतना विश्वसनीय बनाना कि उपयोगकर्ता वास्तव में उन कार्यों को स्वयं न करें।

यह एंटरप्राइज़ AI के अगले चरण के लिए एक महत्वपूर्ण पैटर्न बन सकता है।

सबसे व्यावसायिक रूप से उपयोगी एजेंट प्रारंभ में सभी कार्य करने वाले स्वायत्त डिजिटल कर्मचारी नहीं हो सकते। बल्कि वे अत्यधिक विशेषीकृत सिस्टम के रूप में उभर सकते हैं जो एक कार्य श्रेणी को इतनी गहराई से समझते हैं कि उन्हें धीरे-धीरे अधिक अधिकार दिया जा सके।

कार्यकारी प्रशासन एक स्पष्ट परीक्षण प्रदान करता है। मीटिंग शेड्यूल करना, यात्रा प्रबंधन और ईमेल समन्वय कोडिंग या वैज्ञानिक अनुसंधान की तुलना में सामान्य लग सकते हैं, लेकिन इन वर्कफ़्लो के लिए AI को वास्तविक लोगों के साथ संवाद करना, अधूरी निर्देशों को समझना, व्यक्तिगत पसंदों को याद रखना और वास्तविक दुनिया में प्रभाव डालने वाले निर्णय लेना आवश्यक है।

यदि Catch जैसे सिस्टम इन वर्कफ़्लो को भरोसेमंद रूप से संभाल सकते हैं, तो इसका महत्व कार्यकारियों के कुछ घंटे बचाने से परे जाता है। यह दर्शाएगा कि AI एजेंट उपयोगी जानकारी उत्पन्न करने और कार्य को पूरा करने की जिम्मेदारी लेने के बीच की सीमा को पार करना शुरू कर रहे हैं।

नया $5 मिलियन सीड राउंड Catch को अतिरिक्त पूंजी प्रदान करता है ताकि यह परीक्षण किया जा सके कि वह परिवर्तन बड़े पैमाने पर लागू हो सकता है या नहीं।