Finansowanie

Square Peg wspiera Future Secure AI, twórcę korporacyjnych współpracowników AI

Evan Mercer
Dodaj Unite.AI do preferowanych źródeł w Google
Kluczowe punktyFuture Secure AI koncentruje się na przepływach pracy między systemami, w których…
Zobacz więcej
  • Future Secure AI koncentruje się na przepływach pracy między systemami, w których dokładność i nadzór mają większe znaczenie niż szybkie odpowiedzi na prompty.
  • Zespoły forward-deployed wiążą oprogramowanie z relacjami na szczeblu kierowniczym i praktycznym wdrożeniem w procesach klienta.
  • Square Peg zakłada, że sukces AI w przedsiębiorstwach zależy od realizacji i ładu zarządczego, a nie wyłącznie od możliwości modelu.

Square Peg ogłosił 6 listopada 2026 r., że wspiera Future Secure AI, którego korporacyjni współpracownicy AI mają realizować złożone procesy biznesowe wspólnie z pracownikami i w ramach istniejących systemów klientów.

Future Secure AI projektuje, tworzy i obsługuje te systemy wieloagentowe. Każdy współpracownik ma imię, twarz i miejsce w strukturze organizacyjnej, a działające w tle agenty zajmują się przyjmowaniem zgłoszeń, podejmowaniem decyzji wymagających oceny sytuacji, aktualizowaniem systemów i przekazywaniem zadań. Tam, gdzie model językowy nie jest odpowiednim narzędziem, stosuje się logikę deterministyczną, a w razie potrzeby angażuje się człowieka.

Firma określa obszar, na którym się koncentruje, mianem AI „Red Zone”: są to przepływy pracy obejmujące wiele systemów i zespołów, wymagające dokładności, bezpieczeństwa i nadzoru. Przykłady obejmują zamknięcie miesiąca, obliczanie podatków, uzgadnianie danych i obsługę klienta — procesy, które mogą być realizowane w systemach ewidencyjnych mających kilkadziesiąt lat oraz podlegać rygorystycznym zasadom dotyczącym danych. Dlatego kluczowym wymogiem wobec produktu jest realizacja całego procesu operacyjnego, a nie tylko szybsze odpowiadanie na pojedyncze polecenia.

Model świadczenia usług opiera się na relacjach z kadrą kierowniczą i wdrożeniach realizowanych bezpośrednio u klienta. Future Secure AI sprzedaje swoje rozwiązania kadrze kierowniczej wyższego szczebla, dyrektorom generalnym i zarządom, rozpoczynając współpracę od omówienia ich najpoważniejszych problemów biznesowych. Następnie doświadczeni byli konsultanci i inżynierowie współpracują z zespołami klienta, aby określić zakres prac, zbudować współpracowników AI i zapewnić ich działanie. Ten model wdrożeń bezpośrednio u klienta wiąże oprogramowanie z zespołem odpowiedzialnym za dostosowanie go do rzeczywistych procesów klienta.

Współpracownicy AI dostosowani do konkretnych ról

Future Secure AI informuje, że jego współpracownicy AI realizują złożone przepływy pracy o dużej skali, zamiast wykonywać wyłącznie pojedyncze zadania, a także określa ich jako niezależnych od konkretnych modeli językowych (LLM), odpornych i w pełni audytowalnych. Każdy z nich jest projektowany z myślą o konkretnej roli biznesowej i dostosowywany do ludzi, procesów oraz systemów danej organizacji. Wśród przykładów wymieniono Amy AI, analityczkę finansową zajmującą się zamknięciem miesiąca w globalnym banku inwestycyjnym; Ari AI, analityka ds. podatku od świadczeń dodatkowych w globalnym banku inwestycyjnym; Leo AI, kierownika ds. grafików w firmie diagnostyki medycznej; oraz Billie AI, asystentkę ds. rozliczeń w globalnej kancelarii prawnej.

Kontrola wdrożeń i mechanizmy nadzoru

Future Secure AI deklaruje, że jego technologia nie jest uzależniona od jednego dużego modelu językowego, dostawcy usług chmurowych ani platformy korporacyjnej i została zaprojektowana tak, by integrować się z istniejącym środowiskiem klienta. Wdrożenia mogą wykorzystywać infrastrukturę chmury prywatnej z wydzieloną instancją dla jednego klienta oraz aplikacje skonteneryzowane działające w sieci przedsiębiorstwa. W takiej konfiguracji wrażliwe dane pozostają w tym środowisku i nie są wykorzystywane do trenowania publicznych modeli AI.

Firma opisuje system operacyjny, który koordynuje długotrwałe przepływy pracy obejmujące systemy, zatwierdzenia, decyzje i procesy biznesowe. Stosowane mechanizmy kontroli obejmują konfigurowalne ograniczenia, monitorowanie i nadzór człowieka, a także widoczność operacyjną, możliwość wyjaśnienia działania oraz ścieżki audytu. Zarządzanie cyklem życia obejmuje wdrażanie, monitorowanie, wsparcie i ciągłą optymalizację. Pracownicy mogą współpracować z cyfrowymi współpracownikami za pośrednictwem poczty elektronicznej, połączeń głosowych, Slacka i Teams, a dostęp do połączonych danych obejmuje informacje ustrukturyzowane i nieustrukturyzowane.

Założyciele i teza inwestycyjna Square Peg

Strona kierownictwa Future Secure AI wymienia Mehrdada Baghai i Michaela Huntera jako współzałożycieli i współdyrektorów generalnych. Z biografii Baghai wynika, że był partnerem w McKinsey i doradzał dyrektorom generalnym oraz zarządom, natomiast doświadczenie Huntera obejmuje przedsiębiorczość i bankowość inwestycyjną w Macquarie Capital.

Z relacji Square Peg wynika ponadto, że Baghai współkierował globalną praktyką wzrostu w McKinsey i współtworzył The Alchemy of Growth, a później odpowiadał za rozwój i komercjalizację w CSIRO, australijskiej krajowej agencji naukowej. Hunter przez ponad dekadę pracował jako bankier inwestycyjny w Macquarie, ściśle współpracując z kadrą kierowniczą wyższego szczebla. Te doświadczenia zawodowe pomagają wyjaśnić, dlaczego inwestor uważa relacje z kadrą kierowniczą i wiarygodność za element modelu, w ramach którego firma dostarcza swoje rozwiązania.

Teza Square Peg zakłada, że wdrażanie AI w przedsiębiorstwach będzie łączyć produkty i usługi, dostawcy będą musieli określać problemy biznesowe i brać odpowiedzialność za realizację rozwiązań, a o zwycięstwie w złożonych, regulowanych obszarach przepływu pracy nie zadecyduje sama technologia — kluczowe będą zaufanie kadry kierowniczej i udokumentowane dowody skutecznej realizacji. Ten pogląd łączy wsparcie inwestora z doświadczeniem założycieli oraz zespołami Future Secure AI pracującymi bezpośrednio u klientów, a nie tylko z możliwościami modeli bazowych.

Dla Future Secure AI wsparcie Square Peg stanowi potwierdzenie słuszności modelu korporacyjnego AI opartego na realizacji zadań, integracji i nadzorze. Kluczowe będzie sprawdzenie, czy współpracownicy AI zaprojektowani z myślą o konkretnych rolach oraz doświadczone zespoły wdrożeniowe potrafią przekuć te mechanizmy kontroli w niezawodne działanie w docelowych przepływach pracy z obszaru Red Zone.

Evan Mercer jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się startupami AI, kapitałem ryzyka i dynamiką finansowania kształtującą kolejną generację firm technologicznych. Jego relacje koncentrują się na innowacjach we wczesnym etapie, przepływach kapitału oraz strategicznych decyzjach, które podejmują założyciele i inwestorzy, gdy firmy AI rozwijają się od koncepcji do globalnego wpływu.

Ze strategicznej i analitycznej perspektywy Evan bada rundy finansowania, pozycjonowanie rynkowe oraz pojawiające się trendy w ekosystemie startupów AI. Śledzi, jak kapitał ryzyka, inwestycje korporacyjne i rynki publiczne krzyżują się z przełomami w sztucznej inteligencji, odróżniając trwałe sygnały od krótkotrwałego szumu.

Artykuły autorstwa Evana Mercera są generowane przez SI i recenzowane przez zespół redakcyjny Unite.AI, aby zapewnić dokładność, kontekst i odpowiedzialne relacjonowanie globalnego krajobrazu inwestycji w AI