Catch emerge dal stealth con $5M di finanziamento seed per costruire un assistente esecutivo IA autonomo

Catch è emersa dal stealth con $5 milioni di finanziamento seed per ampliare un assistente IA agentico progettato per assumere il lavoro amministrativo che consuma una parte significativa della giornata di un dirigente.

Il round è stato co-condotto da Entrée Capital e Pitango, con la partecipazione di Seedcamp e Factorial Capital. Invece di costruire un altro strumento IA che riassume le email o raccomanda cosa fare dopo, Catch sta tentando qualcosa di più difficile: consentire ai dirigenti di delegare interi compiti amministrativi al software e farli completare.

Fondata da Nir Sabato e Yoav Ramon, Catch si concentra specificamente sull’amministrazione esecutiva, includendo la programmazione, la gestione delle email, i viaggi, i follow‑up, i conflitti di calendario, i promemoria e le chiamate telefoniche in uscita. L’azienda afferma che il suo sistema ha già programmato più di 12.000 riunioni, gestito oltre 200.000 email e completato più di 20.000 compiti delegati.

Spostare l’IA dall’assistenza alla delega

La distinzione tra assistere in un compito e completarlo effettivamente è diventata una delle sfide centrali che l’IA agentica deve affrontare.

I grandi modelli linguistici possono già riassumere una casella di posta, redigere un’email, suggerire voli o determinare quando due persone sono disponibili. Tuttavia, trasformare queste capacità individuali in un sistema che possa coordinarsi in modo affidabile con un’altra persona, aggiornare un calendario, effettuare una prenotazione e fare follow‑up quando le circostanze cambiano richiede uno strato di esecuzione molto più profondo.

Catch è costruita attorno a quella lacuna.

Invece di chiedere agli utenti di configurare flussi di lavoro o costruire i propri agenti, il sistema si collega agli strumenti che i dirigenti già utilizzano. Il sito di Catch mostra il supporto per servizi tra cui Gmail, Outlook, Google Calendar, Slack, WhatsApp, iMessage e telefono, consentendo agli utenti di comunicare con l’assistente proprio come farebbero con un assistente esecutivo umano.

Una volta connesso, il sistema sviluppa una comprensione delle preferenze, come le abitudini di riunione, le priorità del calendario e le esigenze di viaggio. Catch afferma di poter quindi agire in modo proattivo. Una riunione annullata, ad esempio, può innescare una nuova programmazione, mentre un viaggio imminente può spingere l’assistente a identificare le sistemazioni alberghiere mancanti invece di attendere un prompt esplicito.

Ciò rappresenta un cambiamento importante nel modo in cui i prodotti IA vengono progettati. Invece di creare un’altra interfaccia che i dirigenti devono gestire, Catch sta cercando di scomparire nei canali di comunicazione e nel software che già utilizzano.

L’autonomia non significa agire senza limiti

Il problema più difficile con gli agenti amministrativi non è se un modello IA possa comprendere una richiesta. È determinare quando il software dovrebbe agire autonomamente e quando un umano dovrebbe rimanere coinvolto.

Catch sembra adottare un approccio a livelli.

Per il lavoro amministrativo di routine, l’obiettivo è ridurre al minimo le approvazioni non necessarie. Ma le azioni con conseguenze finanziarie o altre conseguenze significative possono richiedere una conferma. Nel flusso di lavoro per i viaggi dell’azienda, ad esempio, Catch può interpretare un brief di viaggio, confrontare voli e hotel rispetto a vincoli, e assemblare un itinerario, ma l’utente fornisce un’approvazione esplicita prima che la prenotazione sia completata.

Allo stesso modo, il prodotto inbox di Catch può smistare i messaggi e redigere risposte basate sullo stile di scrittura precedente dell’utente, mentre il suo attuale flusso di lavoro mantiene l’utente coinvolto prima che alcuni messaggi vengano inviati.

Questa soglia potrebbe rivelarsi cruciale per l’adozione dell’IA agentica. L’autonomia totale sembra allettante, ma nella pratica le aziende probabilmente adotteranno gli agenti gradualmente, ampliando la loro autorità man mano che i sistemi dimostrano di poter prendere decisioni affidabili all’interno di domini chiaramente definiti.

Il lavoro amministrativo potrebbe essere un terreno di prova particolarmente utile perché combina compiti ripetitivi con un’adeguata capacità decisionale contestuale per testare se i sistemi IA possono andare oltre la semplice automazione.

Catch sta costruendo un’IA specializzata sotto l’assistente

Dietro l’interfaccia conversazionale, Catch sta anche sviluppando una propria architettura IA anziché affidarsi esclusivamente a un modello di base a scopo generale.

L’azienda descrive un sistema di “splinter agents” a campo ristretto, con agenti individuali a cui è concesso l’accesso solo alle informazioni necessarie per un compito specifico. L’idea è ridurre la quantità di contesto sensibile esposto durante l’esecuzione, migliorando al contempo latenza e affidabilità.

Catch afferma che i dati di interazione anonimizzati possono essere usati per migliorare i propri modelli tramite apprendimento supervisionato e apprendimento per rinforzo. Allo stesso tempo, la sua documentazione sulla sicurezza dichiara che i fornitori di IA esterni sono contrattualmente proibiti dal conservare i dati dei clienti o usarli per addestrare i propri modelli.

Poiché un assistente esecutivo può avere accesso a calendari, email, piani di viaggio e potenzialmente informazioni aziendali sensibili, la sicurezza diventa notevolmente più rilevante una volta che un sistema IA può compiere azioni anziché semplicemente generare testo. Catch afferma di essere conforme a SOC 2 Tipo II, oltre a CASA Tier‑2 e alla verifica Google, e di crittografare i dati memorizzati e trasmessi utilizzando permessi granulari per i servizi connessi.

Fondatori con background nell’IA e nel venture capital

L’azienda è stata fondata da due dirigenti che hanno affrontato il problema amministrativo da prospettive diverse.

Il CEO Nir Sabato ha trascorso diversi anni investendo presso Entrée Capital, dove si è concentrato su aree tra cui l’intelligenza artificiale e la tecnologia enterprise. Prima di entrare nel venture capital, ha ricoperto ruoli strategici presso Fiverr e BLEND. Catch afferma che l’esperienza di Sabato nel lavorare con i fondatori ha evidenziato quanto tempo esecutivo di alto valore fosse ancora consumato da lavori di coordinamento relativamente di routine.

Il CTO Yoav Ramon, nel frattempo, ha trascorso più di un decennio lavorando con sistemi di machine learning. Il suo background comprende la tecnologia vocale e linguistica presso Hi Auto e il ruolo di CTO della società di IA per la sanità Nym, dove i team hanno implementato grandi modelli linguistici in ambienti sanitari regolamentati.

Questa combinazione è rilevante perché costruire un agente amministrativo richiede più di un chatbot efficace. Il sistema deve comprendere le preferenze, mantenere il contesto tra le interazioni, interagire con software esterni e determinare quando ha sufficiente fiducia per agire.

Il prossimo campo di battaglia dell’IA agentica potrebbe essere il lavoro ordinario

Catch sta entrando in un mercato di IA agentica in rapida espansione, ma la sua maggiore importanza potrebbe derivare da quanto abbia definito in modo ristretto il problema.

Molte aziende IA stanno tentando di creare agenti sempre più generali capaci di svolgere decine o centinaia di tipologie di lavoro. Catch sta adottando l’approccio opposto: concentrarsi su un dominio relativamente limitato e cercare di rendere il sistema sufficientemente affidabile affinché gli utenti smettano effettivamente di svolgere quei compiti da soli.

Questo potrebbe diventare un modello importante per la prossima fase dell’IA aziendale.

Gli agenti più utili commercialmente potrebbero non essere inizialmente dipendenti digitali autonomi capaci di svolgere qualsiasi compito. Potrebbero invece emergere come sistemi altamente specializzati che comprendono una categoria di lavoro in modo sufficientemente approfondito da essere affidati a un’autorità progressivamente maggiore.

L’amministrazione esecutiva offre un test rivelatore. Pianificare riunioni, gestire viaggi e coordinare le email può sembrare banale rispetto a programmazione o ricerca scientifica, ma questi flussi di lavoro richiedono all’IA di interagire con persone reali, comprendere istruzioni incomplete, ricordare preferenze individuali e prendere decisioni che hanno conseguenze nel mondo reale.

Se sistemi come Catch possono gestire in modo affidabile questi flussi di lavoro, l’importanza va oltre il risparmio di qualche ora per i dirigenti. Dimostrerebbe che gli agenti IA stanno iniziando a superare il confine tra generare informazioni utili e assumersi la responsabilità di portare a termine il lavoro.

Il nuovo round seed da $5 milioni fornisce a Catch capitale aggiuntivo per testare se quella transizione possa scalare.