Catch iese din ascundere cu $5M de finanțare pentru a construi un asistent executiv AI autonom

Catch a ieșit din ascundere cu $5 million în finanțare seed pentru a extinde un asistent AI agentic conceput să preia munca administrativă care consumă o parte semnificativă din ziua unui executiv.

Runda a fost co-conductată de Entrée Capital și Pitango, cu participarea de la Seedcamp și Factorial Capital. În loc să construiască un alt instrument AI care rezumă e‑mailuri sau recomandă ce ar trebui să facă utilizatorul în continuare, Catch încearcă ceva mai dificil: să permită executivilor să delegheze sarcini administrative întregi către software și să le vadă finalizate.

Fondat de Nir Sabato și Yoav Ramon, Catch se concentrează în mod specific pe administrarea executivă, inclusiv programarea, gestionarea e‑mailurilor, călătoriile, urmărirea, conflictele de calendar, mementourile și apelurile telefonice outbound. Compania afirmă că sistemul său a programat deja peste 12.000 de întâlniri, a gestionat peste 200.000 de e‑mailuri și a finalizat peste 20.000 de sarcini delegate.

Mutarea AI de la asistență la delegare

Diferența dintre a asista la o sarcină și a o finaliza efectiv a devenit una dintre provocările centrale cu care se confruntă AI-ul agentic.

Modelele lingvistice mari pot deja să rezume o căsuță de e‑mail, să redacteze un mesaj, să sugereze zboruri sau să stabilească când sunt disponibili două persoane. Dar transformarea acestor capabilități individuale într-un sistem care să poată coordona în mod fiabil cu o altă persoană, să actualizeze un calendar, să facă o rezervare și să urmărească evoluția atunci când circumstanțele se schimbă necesită un strat de execuție mult mai profund.

Catch este construit în jurul acestei lacune.

În loc să solicite utilizatorilor să configureze fluxuri de lucru sau să își construiască proprii agenți, sistemul se conectează la instrumentele pe care le folosesc deja executivii. Site‑ul Catch afișează suport pentru servicii precum Gmail, Outlook, Google Calendar, Slack, WhatsApp, iMessage și telefon, permițând utilizatorilor să comunice cu asistentul la fel cum ar comunica cu un asistent executiv uman.

Odată conectat, sistemul dezvoltă o înțelegere a preferințelor, cum ar fi obiceiurile de întâlnire, prioritățile din calendar și cerințele de călătorie. Catch afirmă că poate acționa apoi în mod proactiv. O întâlnire anulată, de exemplu, poate declanșa reprogramarea, în timp ce o călătorie viitoare poate determina asistentul să identifice aranjamentele de hotel lipsă în loc să aștepte o solicitare explicită.

Aceasta reprezintă o schimbare importantă în modul în care sunt concepute produsele AI. În loc să creeze o altă interfață pe care executivii trebuie să o gestioneze, Catch încearcă să dispară în canalele de comunicare și în software‑ul pe care le folosesc deja.

Autonomia nu înseamnă a acționa fără limite

Problema mai dificilă a agenților administrativi nu este dacă un model AI poate înțelege o cerere. Este vorba despre determinarea momentului în care software‑ul ar trebui să acționeze autonom și când un om trebuie să rămână implicat.

Catch pare să adopte o abordare pe niveluri.

Pentru munca administrativă de rutină, scopul este de a reduce aprobările inutile. Dar acțiunile cu consecințe financiare sau alte consecințe semnificative pot necesita confirmare. În fluxul de lucru pentru călătorii al companiei, de exemplu, Catch poate interpreta un brief de călătorie, poate compara zborurile și hotelurile în funcție de constrângeri și poate întocmi un itinerar, însă utilizatorul oferă aprobarea explicită înainte ca rezervarea să fie finalizată.

În mod similar, produsul de inbox al Catch poate triage mesajele și poate redacta răspunsuri pe baza stilului anterior de scriere al utilizatorului, în timp ce fluxul său de lucru actual menține utilizatorul implicat înainte ca anumite mesaje să fie trimise.

Această limită ar putea fi crucială pentru adoptarea AI‑ului agentic. Autonomia totală pare atrăgătoare, dar în practică companiile vor adopta agenți treptat, extinzând autoritatea acestora pe măsură ce sistemele demonstrează că pot lua decizii fiabile în domenii clar definite.

Munca administrativă ar putea fi un teren de testare deosebit de util, deoarece combină sarcini repetitive cu suficiente decizii contextuale pentru a verifica dacă sistemele AI pot depăși simpla automatizare.

Catch dezvoltă AI specializat sub asistent

În spatele interfeței conversaționale, Catch dezvoltă și propria arhitectură AI, în loc să se bazeze exclusiv pe un model de bază cu scop general.

Compania descrie un sistem de „agenți splinter” cu scop restrâns, în care agenții individuali primesc acces doar la informațiile necesare pentru o sarcină specifică. Ideea este de a reduce cantitatea de context sensibil expus în timpul execuției, îmbunătățind în același timp latența și fiabilitatea.

Catch afirmă că datele de interacțiune anonimă pot fi utilizate pentru a îmbunătăți propriile modele prin învățare supervizată și învățare prin recompensă. În același timp, documentația sa de securitate precizează că furnizorii externi de AI sunt contractual interziși să rețină datele clienților sau să le folosească pentru a-și antrena propriile modele.

Deoarece un asistent executiv poate avea acces la calendare, e‑mailuri, planuri de călătorie și informații sensibile ale companiei, securitatea devine mult mai importantă odată ce un sistem AI poate întreprinde acțiuni în loc să genereze doar text. Catch afirmă că este conform cu SOC 2 Type II, alături de CASA Tier‑2 și verificarea Google, și criptează datele stocate și transmise în timp ce folosește permisiuni granulare pentru serviciile conectate.

Fondatori cu experiență în AI și investiții de capital de risc

Compania a fost fondată de doi executivi care au abordat problema administrativă din perspective diferite.

CEO Nir Sabato a petrecut anterior câțiva ani investind la Entrée Capital, unde s-a concentrat pe domenii precum inteligența artificială și tehnologia pentru întreprinderi. Înainte de a intra în capitalul de risc, a ocupat funcții de strategie la Fiverr și BLEND. Catch afirmă că experiența lui Sabato în colaborarea cu fondatorii a evidențiat cât de mult timp executiv de mare valoare era încă consumat de activități de coordonare relativ de rutină.

CTO Yoav Ramon, în schimb, a petrecut peste un deceniu lucrând cu sisteme de învățare automată. Experiența sa include tehnologia de vorbire și limbaj la Hi Auto și funcția de CTO la compania de AI în domeniul sănătății Nym, unde echipele au implementat modele lingvistice mari în medii de sănătate reglementate.

Această combinație este relevantă deoarece construirea unui agent administrativ necesită mai mult decât un chatbot eficient. Sistemul trebuie să înțeleagă preferințele, să mențină contextul pe parcursul interacțiunilor, să interacționeze cu software‑ul extern și să determine când are suficientă încredere pentru a acționa.

Următorul câmp de luptă al AI‑ului agentic ar putea fi munca obișnuită

Catch intră pe o piață AI agentică în rapidă expansiune, dar semnificația sa mai amplă ar putea proveni din modul în care a definit problema într-un mod foarte restrâns.

Multe companii AI încearcă să creeze agenți din ce în ce mai generali, capabili să efectueze zeci sau sute de tipuri de muncă. Catch adoptă abordarea opusă: se concentrează pe un domeniu relativ restrâns și încearcă să facă sistemul suficient de fiabil încât utilizatorii să înceteze să mai efectueze acele sarcini în mod direct.

Acest lucru ar putea deveni un model important pentru următoarea etapă a AI‑ului în întreprinderi.

Cei mai utili agenți comerciali s‑ar putea să nu fie inițial angajați digitali autonomi capabili să efectueze orice sarcină. În schimb, aceștia ar putea apărea ca sisteme extrem de specializate care înțeleg o categorie de muncă suficient de profund pentru a fi încredințați treptat cu autoritate tot mai mare.

Administrarea executivă oferă un test revelator. Programarea întâlnirilor, gestionarea călătoriilor și coordonarea e‑mailurilor pot părea banale în comparație cu programarea sau cercetarea științifică, dar aceste fluxuri de lucru necesită ca AI‑ul să interacționeze cu persoane reale, să înțeleagă instrucțiuni incomplete, să rețină preferințele individuale și să ia decizii cu consecințe în lumea reală.

Dacă sisteme precum Catch pot gestiona în mod fiabil aceste fluxuri de lucru, semnificația depășește economisirea câtorva ore pentru executivi. Ar demonstra că agenții AI încep să treacă de la generarea de informații utile la asumarea responsabilității de a finaliza munca.

Noua rundă seed de $5 million oferă Catch capital suplimentar pentru a testa dacă această tranziție poate fi scalată.