Catch、ステルス状態から脱却し5百万ドルのシードラウンドで自律型AIエグゼクティブアシスタントを構築

Catchは、ステルス状態から脱却し、エグゼクティブの1日の大部分を占める管理業務を引き受けることを目的としたエージェント型AIアシスタントを拡大するため、500万ドルのシード資金を獲得しました。

このラウンドはEntrée CapitalとPitangoが共同リードし、SeedcampとFactorial Capitalが参加しました。メールを要約したり、次にすべきことを提案するだけのAIツールを作るのではなく、Catchはより難しいこと: エグゼクティブが全体の管理タスクをソフトウェアに委任し、完了させることを可能にすることです。

創業者はNir SabatoとYoav Ramonで、Catchはスケジューリング、メール管理、出張、フォローアップ、カレンダーの競合、リマインダー、アウトバウンド電話など、エグゼクティブの管理業務に特化しています。同社によると、システムはすでに12,000件以上の会議をスケジュールし、200,000通以上のメールを処理し、20,000件以上の委任タスクを完了しています。

AIを支援から委任へ移行する

タスクの支援と実際に完了させることの違いは、エージェント型AIが直面する中心的な課題の一つとなっています。

大規模言語モデルはすでに受信トレイの要約、メールの下書き、フライトの提案、二者の空き時間の把握などが可能です。しかし、これら個々の機能を、他者と確実に調整し、カレンダーを更新し、予約を行い、状況が変わった際にフォローアップできるシステムに統合するには、はるかに深い実行層が必要です。

Catchはそのギャップを埋める形で構築されています。

ユーザーにワークフローの設定や独自エージェントの構築を求めるのではなく、システムはエグゼクティブがすでに使用しているツールと連携します。Catchのウェブサイトでは、Gmail、Outlook、Googleカレンダー、Slack、WhatsApp、iMessage、電話などのサービスに対応していることが示されており、ユーザーは人間のエグゼクティブアシスタントと同様にアシスタントとやり取りできます。

接続が完了すると、システムは会議の習慣やカレンダーの優先順位、出張の要件といったユーザーの好みを把握します。Catchは、これに基づいて能動的に行動できると述べています。たとえば、キャンセルされた会議は自動的に再スケジュールされ、今後の出張では、明示的な指示を待つことなく、未手配のホテルを特定して提案します。

これはAI製品の設計における重要な転換点です。エグゼクティブが管理しなければならない別のインターフェースを作るのではなく、Catchは既存のコミュニケーションチャネルやソフトウェアに溶け込むことを目指しています。

自律性は無制限に行動できることを意味しない

管理エージェントにおける難しい課題は、AIモデルがリクエストを理解できるかどうかではなく、ソフトウェアが自律的に行動すべきタイミングと、人間が関与し続けるべきタイミングを判断することです。

Catchは階層的なアプローチを取っているようです。

日常的な管理業務では、不要な承認を最小限に抑えることが目標です。しかし、財務的またはその他の重要な結果を伴う行動は、確認が必要になる場合があります。たとえば、同社の旅行ワークフローでは、Catchが旅行概要を解釈し、制約条件に合わせてフライトやホテルを比較・選定し、旅程を作成しますが、予約が完了する前にユーザーが明示的に承認します。

同様に、Catchのインボックス製品は、ユーザーの過去の文体に基づいてメッセージを分類し、返信の下書きを作成できますが、特定のメッセージが送信される前にユーザーが関与するよう現在のワークフローが設計されています。

この境界はエージェント型AIの採用にとって重要になる可能性があります。完全な自律性は魅力的に聞こえますが、実際には企業はエージェントを段階的に導入し、システムが明確に定義された領域で信頼できる判断を下せることが示されるにつれて権限を拡大していくでしょう。

管理業務は、反復的なタスクと十分な文脈判断が組み合わさっているため、AIシステムが単純な自動化を超えて機能できるかどうかを検証する有用な試金石となり得ます。

Catchはアシスタントの下に特化型AIを構築中

対話インターフェースの背後で、Catchは汎用基盤モデルだけに依存せず、独自のAIアーキテクチャを開発しています。

同社は、特定のタスクに必要な情報だけにアクセスできる狭義の「スプリンターエージェント」というシステムを説明しています。この考え方は、実行時に露出する機密コンテキストの量を減らし、同時にレイテンシと信頼性を向上させることです。

Catchは、匿名化されたインタラクションデータを教師あり学習と強化学習を通じて自社モデルの改善に活用できると述べています。同時に、セキュリティ文書では、外部のAIプロバイダーは契約上、顧客データを保持したり自社モデルの学習に使用したりすることが禁じられています。

エグゼクティブアシスタントはカレンダー、メール、出張計画、さらには機密性の高い企業情報にアクセスできるため、AIシステムがテキスト生成に留まらず実際に行動できるようになると、セキュリティの重要性は格段に高まります。CatchはSOC 2 Type II、CASA Tier-2、Google認証に準拠しており、保存・転送データを暗号化し、接続サービスに対して細かな権限管理を行っていると述べています。

AIとベンチャー投資のバックグラウンドを持つ創業者たち

同社は、管理課題に異なるアプローチで取り組んだ2人のエグゼクティブによって設立されました。

CEOのNir Sabatoは、以前Entrée Capitalで数年間投資に従事し、人工知能やエンタープライズテクノロジーなどの領域に注力していました。ベンチャーキャピタルに入る前はFiverrとBLENDで戦略職を務めました。Catchによれば、Sabatoの創業者との協業経験により、価値の高いエグゼクティブの時間が依然として比較的日常的な調整業務に多く費やされていることが明らかになったとのことです。

CTOのYoav Ramonは、10年以上にわたり機械学習システムに携わってきました。彼の経歴には、Hi Autoでの音声・言語技術や、医療AI企業NymのCTOとして、規制された医療環境で大規模言語モデルを導入した経験が含まれます。

この組み合わせは重要です。管理エージェントの構築は、単なる効果的なチャットボット以上のものを必要とします。システムは好みを理解し、対話間でコンテキストを保持し、外部ソフトウェアと連携し、行動に十分な自信があるかどうかを判断する必要があります。

エージェント型AIの次なる戦場は日常業務かもしれない

Catchは急速に拡大するエージェント型AI市場に参入していますが、より大きな意義は、問題をいかに狭く定義したかにあるかもしれません。

多くのAI企業は、数十から数百種類の業務をこなす汎用エージェントの開発を目指していますが、Catchは逆のアプローチを取っています:比較的限定された領域に集中し、ユーザーが自らその作業を行わなくても済むほどシステムを信頼できるようにしようとしています。

これは、次世代エンタープライズAIにおける重要なパターンとなり得ます。

商業的に最も有用なエージェントは、最初からあらゆるタスクをこなす自律的なデジタル従業員ではないかもしれません。むしろ、特定の業務領域を深く理解し、徐々により大きな権限を委ねられる高度に特化したシステムとして現れる可能性があります。

エグゼクティブの管理業務は、示唆に富むテストケースです。会議のスケジューリング、出張管理、メール調整は、コーディングや科学研究に比べて平凡に聞こえるかもしれませんが、これらのワークフローはAIが実際の人とやり取りし、不完全な指示を理解し、個々の好みを記憶し、現実世界に影響を及ぼす判断を下すことを要求します。

Catchのようなシステムがこれらのワークフローを確実に処理できれば、その意義はエグゼクティブの数時間の時間節約を超えます。AIエージェントが有用な情報の生成と、実際に仕事を完了させる責任を担う境界を越えつつあることを示すことになるでしょう。

新たな500万ドルのシードラウンドにより、Catchはその移行をスケールさせるかどうかを検証するための追加資金を得ました。