Maisa samler inn 25 millioner dollar for å gi kraft til pålitelige og gjennomsiktige «digitale arbeidere»

Bedrifts-AI er rammet av feil – studier viser at opptil 95% av generative AI-piloter kollapser. Men Maisa, som broer Valencia og San Francisco, er i ferd med å bygge inn ansvar i automatiseringen. Etter en seed-runde på 25 millioner dollar ledet av Creandum med støtte fra Forgepoint Capital, NFX og Village Global, er Maisa godt posisjonert til å transformere AI-arbeidsflyter med agensbasert prosessautomatisering som er like gjenkjennelig som den er intelligent.

Inni motoren: KPU og Chain-of-Work — Bygging tillit fra grunnen av

I kjernen av Maisas plattform ligger Kunnskapsbehandlingsenheten (KPU) – en ny arkitektur som omdefinerer AI-resonnering. KPU inkluderer:

• En resonneringsmotor drevet av et stort språkmodell, som planlegger multi-trinns arbeidsflyter.
• En utføringssmotor som utfører disse planene og gir resultater tilbake for omkalibrering.
• Et virtuelt kontekstvindu som strømlinjeformer informasjonsflyten, fokuserer modellen bare på relevante data for å minimere hallucinasjoner.

Genialiteten i KPU ligger i hvordan den omdefinerer rollen til LLM. I stedet for å fungere som en probabilistisk tekstgenerator, behandles modellen som en komponent innenfor et disiplinert beregningsrammeverk. KPU orkestrerer resonnering som et operativsystem, bryter problemer ned i håndterbare, gjenkjennelige trinn og sikrer at hver handling kan validieres. Denne strukturen omgjør en tidligere uigjennomskåelig modell til et forutsigbart logikk-system, hvor feil kan oppdages, korrigeres og forhindres fra å kaskade.

I tillegg til KPU er det Chain-of-Work – en nøye logget revisjonslogg som sporer hver beslutning, handling og verktøy involvert i en digital arbeiders prosess. I motsetning til typiske AI-utdata som lar brukerne gjetting, fungerer Chain-of-Work som en svart boks-oppføring for automatisering. Hver beregning, hver datahenting, hver resonneringstrinn er bevart i detalj. Dette gir bedrifter evnen til ikke bare å stole på resultater, men også å spore dem, gjenspille dem og forbedre dem over tid. For kompliance-tyngde industrier er dette ikke bare en komfort – det er grunnlaget for trygg distribusjon i skala.

Maisa Studio i aksjon: No-Code-agenter med rot i gjennomsiktighet

Ved å utnytte KPU og Chain-of-Work, gjør Maisa Studio det mulig for “borger-utviklere” – ikke-tekniske ansatte – å distribuere digitale arbeidere ved hjelp av vanlig språkinstrukser. Gjennom Maisas HALP (Menneske-forbedret LLM-behandling), interagerer systemet for å klargjøre intensjon, konstruerer arbeidsflyter, integrerer over hundredvis av API-er og begynner å lære dynamisk – alt uten utviklere eller datasett.

I praksis har dette allerede levert meningsfull innvirkning: et finans-tjeneste-selskap kutta feil-positiver med 99% og oppnådde en 10-ganger produktivitetsøkning per ansatt – med full distribusjon oppnådd på bare tre onboarding-sesjoner. Globale banker, bilprodusenter og energiselskaper er i ferd med å teste plattformen for å automatisere kompliance-tyngde prosesser i skala, hvor gjennomsiktighet og revisjon er uhåndgripelige.

Hvorfor det betyr noe—En visjon for AI du kan stole på og skalerer

Maisa tilbyr ikke bare automatisering – det leverer ansvarlig AI som innbygger tillit gjennom arkitektur. I industrier belastet av reguleringer, uigjennomsiktighet og høye innsatser – finansielle tjenester, helse, energi – er evnen til å spore hver automatisert beslutning avgjørende. Chain-of-Work gjør det mulig for bedrifter å inspisere, auditere og validere AI-logikk på hvert trinn, noe som betyr at regulatorer og interne team ikke trenger å gjetting på hvordan konklusjoner ble nådd. I stedet kan de verifisere med presisjon.

I mellomtiden undertrykker KPU-designet systematisk hallucinasjoner ved å isolere resonnering fra data-støy og strukturere utføring. Denne påliteligheten fjerner den uforutsigbarhet som ofte gjør bedrifter skeptiske til AI. I stedet for å produsere utdata omgitt av mysterium, leverer Maisas agenter logiske, forutsigbare og konsistente resultater.

Ser fremover, representerer denne plattformen en fundamental skift: AI blir en pålitelig samarbeidspartner – en hvis resonnering er gjennomsiktig, hvis handlinger er sporbare og hvis “tenkeprosess” kan refineres og auditeres. Ettersom Maisas system er modell-uavhengig, beholder organisasjonene fleksibilitet til å adoptere sterkere modeller i fremtiden – uten å tape den strenghet og tilsyn som KPU-rammeverket gir. Denne tilpasningen legger grunnlaget for bærekraftig, skalerbar distribusjon over utviklende bedriftsbehov.

I essensen, Maisa tilbyr en blåkopi for AI som ikke bare er kraftig – men også ansvarlig og motstandsdyktig. I en verden hvor de fleste AI-prosjekter feiler i å levere, tegner denne teknologien en sjelden vei fremover – kombinere innovasjon med integritet. Maisa legger grunnlaget for bærekraftig, skalerbar distribusjon over utviklende bedriftsbehov. I essensen, Maisa tilbyr en blåkopi for AI som ikke bare er kraftig – men også ansvarlig og motstandsdyktig. I en verden hvor de fleste AI-prosjekter feiler i å levere, tegner denne teknologien en sjelden vei fremover – kombinere innovasjon med integritet. Maisa legger grunnlaget for bærekraftig, skalerbar distribusjon over utviklende bedriftsbehov. I essensen, Maisa tilbyr en blåkopi for AI som ikke bare er kraftig – men også ansvarlig og motstandsdyktig. I en verden hvor de fleste AI-prosjekter feiler i å levere, tegner denne teknologien en sjelden vei fremover – kombinere innovasjon med integritet.