Catch komt uit stealth met een seed‑ronde van $5 miljoen om een autonome AI‑executive assistant te bouwen

Catch is uit stealth gekomen met $5 miljoen aan seed‑financiering om een agentische AI‑assistent uit te breiden die is ontworpen om het administratieve werk over te nemen dat een aanzienlijk deel van de werkdag van een leidinggevende in beslag neemt.

De ronde werd mede geleid door Entrée Capital en Pitango, met deelname van Seedcamp en Factorial Capital. In plaats van een nieuwe AI‑tool te bouwen die e‑mails samenvat of aanbeveelt wat een gebruiker vervolgens moet doen, probeert Catch iets moeilijkers: leidinggevenden in staat stellen volledige administratieve taken aan software uit te besteden en deze te laten voltooien.

Opgericht door Nir Sabato en Yoav Ramon, richt Catch zich specifiek op executive administratie, waaronder planning, e‑mailbeheer, reizen, follow‑ups, kalenderconflicten, herinneringen en uitgaande telefoongesprekken. Het bedrijf zegt dat het systeem al meer dan 12,000 vergaderingen heeft ingepland, meer dan 200,000 e‑mails heeft verwerkt en meer dan 20,000 uitbesteedde taken heeft voltooid.

AI verplaatsen van assistentie naar delegatie

Het onderscheid tussen het assisteren bij een taak en deze daadwerkelijk voltooien is een van de centrale uitdagingen voor agentische AI geworden.

Grote taalmodellen kunnen al een inbox samenvatten, een e‑mail opstellen, vluchten voorstellen of bepalen wanneer twee personen beschikbaar zijn. Maar het omzetten van die individuele mogelijkheden in een systeem dat betrouwbaar kan coördineren met een ander persoon, een agenda kan bijwerken, een reservering kan maken en kan opvolgen wanneer omstandigheden veranderen, vereist een veel diepere uitvoeringslaag.

Catch is gebouwd rond dat gat.

In plaats van gebruikers te vragen workflows te configureren of hun eigen agents te bouwen, maakt het systeem verbinding met de tools die leidinggevenden al gebruiken. De website van Catch toont ondersteuning voor diensten zoals Gmail, Outlook, Google Calendar, Slack, WhatsApp, iMessage en telefoon, waardoor gebruikers met de assistent kunnen communiceren op dezelfde manier als met een menselijke executive assistant.

Zodra er verbinding is gemaakt, ontwikkelt het systeem een begrip van voorkeuren zoals vergadergewoonten, agenda‑prioriteiten en reisvereisten. Catch zegt dat het vervolgens proactief kan handelen. Een geannuleerde vergadering kan bijvoorbeeld leiden tot een nieuwe planning, terwijl een aankomende reis de assistent kan doen om ontbrekende hotelarrangementen te identificeren in plaats van te wachten op een expliciete prompt.

Dit vormt een belangrijke verschuiving in de manier waarop AI‑producten worden ontworpen. In plaats van een extra interface te creëren die leidinggevenden moeten beheren, probeert Catch te verdwijnen in de communicatiekanalen en software die zij al gebruiken.

Autonomie betekent niet handelen zonder grenzen

Het moeilijkere probleem bij administratieve agents is niet of een AI‑model een verzoek kan begrijpen. Het gaat erom te bepalen wanneer software autonoom moet handelen en wanneer een mens betrokken moet blijven.

Catch lijkt een gelaagde aanpak te hanteren.

Voor routinematig administratief werk is het doel onnodige goedkeuringen te minimaliseren. Maar handelingen met financiële of andere belangrijke consequenties kunnen bevestiging vereisen. In de reis‑workflow van het bedrijf, kan Catch bijvoorbeeld een reisbrief interpreteren, vluchten en hotels vergelijken met de beperkingen, en een reisplan samenstellen, maar de gebruiker moet expliciet goedkeuren voordat een boeking wordt afgerond.

Evenzo kan Catch’s inbox‑product berichten triëren en antwoorden opstellen op basis van de eerdere schrijfstijl van een gebruiker, terwijl de huidige workflow de gebruiker betrokken houdt voordat bepaalde berichten worden verzonden.

Die grens kan cruciaal blijken voor adoptie van agentische AI. Volledige autonomie klinkt aantrekkelijk, maar in de praktijk zullen bedrijven agents geleidelijk adopteren, hun bevoegdheid uitbreiden zodra systemen aantonen dat ze betrouwbare beslissingen kunnen nemen binnen duidelijk gedefinieerde domeinen.

Administratief werk kan een bijzonder nuttig proefveld zijn omdat het repetitieve taken combineert met voldoende contextuele besluitvorming om te testen of AI‑systemen verder kunnen gaan dan eenvoudige automatisering.

Catch ontwikkelt gespecialiseerde AI onder de assistent

Achter de conversatie‑interface ontwikkelt Catch ook zijn eigen AI‑architectuur in plaats van uitsluitend te vertrouwen op een algemeen fundamenteel model.

Het bedrijf beschrijft een systeem van nauw afgebakende “splinter‑agents”, waarbij individuele agents alleen toegang krijgen tot de informatie die nodig is voor een specifieke taak. Het idee is om de hoeveelheid gevoelige context die tijdens uitvoering wordt blootgesteld te verminderen, terwijl de latentie en betrouwbaarheid worden verbeterd.

Catch stelt dat geanonimiseerde interactiedata kan worden gebruikt om zijn eigen modellen te verbeteren via supervised learning en reinforcement learning. Tegelijkertijd vermeldt de beveiligingsdocumentatie dat externe AI‑providers contractueel verboden zijn klantgegevens te bewaren of te gebruiken om hun eigen modellen te trainen.

Omdat een executive assistant toegang kan hebben tot agenda’s, e‑mails, reisplannen en mogelijk gevoelige bedrijfsinformatie, wordt beveiliging aanzienlijk belangrijker zodra een AI‑systeem acties kan uitvoeren in plaats van alleen tekst te genereren. Catch zegt dat het voldoet aan SOC 2 Type II, naast CASA Tier‑2 en Google‑verificatie, en versleutelt opgeslagen en verzonden gegevens terwijl het gedetailleerde permissies gebruikt voor verbonden services.

Oprichters met achtergrond in AI en durfkapitaal

Het bedrijf werd opgericht door twee leidinggevenden die het administratieve probleem vanuit verschillende invalshoeken benaderden.

CEO Nir Sabato heeft eerder meerdere jaren geïnvesteerd bij Entrée Capital, waar hij zich richtte op onder andere kunstmatige intelligentie en enterprise‑technologie. Voordat hij venture capital betrad, bekleedde hij strategische functies bij Fiverr en BLEND. Catch zegt dat Sabato’s ervaring met oprichters aantoonde hoeveel waardevolle tijd van leidinggevenden nog steeds werd opgeslokt door relatief routinematige coördinatiewerkzaamheden.

CTO Yoav Ramon heeft intussen meer dan een decennium gewerkt met machine‑learning‑systemen. Zijn achtergrond omvat spraak‑ en taaltechnologie bij Hi Auto en het dienen als CTO van het healthcare‑AI‑bedrijf Nym, waar teams grote taalmodellen hebben ingezet in gereguleerde zorgomgevingen.

Die combinatie is relevant omdat het bouwen van een administratieve agent meer vereist dan een effectieve chatbot. Het systeem moet voorkeuren begrijpen, context behouden over interacties, communiceren met externe software en bepalen wanneer het voldoende vertrouwen heeft om te handelen.

Het volgende slagveld van agentische AI kan alledaags werk zijn

Catch betreedt een snelgroeiende markt voor agentische AI, maar de grotere betekenis kan voortkomen uit hoe nauwkeurig het het probleem heeft gedefinieerd.

Veel AI‑bedrijven proberen steeds algemenere agents te creëren die tientallen soorten werk kunnen uitvoeren. Catch kiest de tegenovergestelde benadering: zich concentreren op een relatief beperkt domein en proberen het systeem zo betrouwbaar te maken dat gebruikers die taken zelf niet meer uitvoeren.

Dat zou een belangrijk patroon kunnen worden voor de volgende fase van enterprise‑AI.

De commercieel meest bruikbare agents zijn mogelijk niet in eerste instantie autonome digitale medewerkers die elke taak kunnen uitvoeren. Ze kunnen eerder ontstaan als sterk gespecialiseerde systemen die één werkcategorie diepgaand begrijpen en daardoor geleidelijk meer bevoegdheid krijgen.

Executive administratie biedt een verhelderende test. Het plannen van vergaderingen, het beheren van reizen en het coördineren van e‑mails kan alledaags lijken in vergelijking met programmeren of wetenschappelijk onderzoek, maar deze workflows vereisen dat AI met echte mensen interageert, onvolledige instructies begrijpt, individuele voorkeuren onthoudt en beslissingen neemt die echte gevolgen hebben.

Als systemen zoals Catch deze workflows betrouwbaar kunnen afhandelen, reikt de betekenis verder dan het besparen van enkele uren voor leidinggevenden. Het zou aantonen dat AI‑agents beginnen de grens te overschrijden tussen het genereren van bruikbare informatie en het nemen van verantwoordelijkheid voor het uitvoeren van werk.

De nieuwe seed‑ronde van $5 miljoen geeft Catch extra kapitaal om te testen of die overgang kan opschalen.