Catch выходит из скрытного режима с посевным раундом в $5M для создания автономного ИИ‑ассистента для руководителей

Catch вышла из скрытного режима с $5 million в посевном финансировании, чтобы развить агентный ИИ‑ассистент, предназначенный взять на себя административную работу, которая занимает значительную часть дня руководителя.

Раунд был совместно возглавлен Entrée Capital и Pitango, с участием Seedcamp и Factorial Capital. Вместо создания ещё одного ИИ‑инструмента, который суммирует письма или рекомендует, что пользователь должен сделать дальше, Catch пытается сделать нечто более сложное: позволить руководителям делегировать полностью административные задачи программному обеспечению и получить их выполнение.

Основанная Ниром Сабато и Йоавом Рамоном, Catch сосредоточена специально на административных задачах руководителей, включая планирование, управление электронной почтой, поездки, последующие действия, конфликты в календаре, напоминания и исходящие телефонные звонки. Компания заявляет, что её система уже запланировала более 12 000 встреч, обработала более 200 000 писем и выполнила более 20 000 делегированных задач.

Перевод ИИ от помощи к делегированию

Различие между помощью в выполнении задачи и её фактическим завершением стало одной из основных проблем, стоящих перед агентным ИИ.

Большие языковые модели уже умеют суммировать входящие сообщения, черновик письма, предлагать варианты перелётов или определять, когда два человека свободны. Однако превращение этих отдельных возможностей в систему, способную надёжно координировать действия с другим человеком, обновлять календарь, делать бронирования и следить за изменениями обстоятельств, требует гораздо более глубокой исполнительной прослойки.

Catch построена вокруг этого пробела.

Вместо того чтобы просить пользователей настраивать рабочие процессы или создавать собственных агентов, система подключается к инструментам, которые уже используют руководители. Сайт Catch демонстрирует поддержку сервисов, включая Gmail, Outlook, Google Calendar, Slack, WhatsApp, iMessage и телефон, позволяя пользователям общаться с ассистентом так же, как они общаются с человеческим исполнительным помощником.

После подключения система формирует понимание предпочтений, таких как привычки проведения встреч, приоритеты в календаре и требования к поездкам. Catch утверждает, что затем может действовать проактивно. Отменённая встреча, например, может вызвать её переназначение, а предстоящая поездка может заставить ассистента выявить отсутствие бронирования отеля, вместо того чтобы ждать явного запроса.

Это представляет собой важный сдвиг в том, как разрабатываются ИИ‑продукты. Вместо создания ещё одного интерфейса, которым руководителям придётся управлять, Catch стремится исчезнуть в уже используемых каналах коммуникации и программном обеспечении.

Автономность не означает действие без ограничений

Сложнее проблема с административными агентами не в том, может ли ИИ‑модель понять запрос. Суть — определить, когда программное обеспечение должно действовать автономно, а когда человек должен оставаться вовлечённым.

Похоже, Catch использует многоуровневый подход.

Для рутинных административных задач цель — минимизировать ненужные согласования. Однако действия с финансовыми или другими значимыми последствиями могут требовать подтверждения. В рабочем процессе путешествий компании, например, Catch может интерпретировать бриф поездки, сравнивать варианты перелётов и отелей с ограничениями и составлять маршрут, но пользователь даёт явное одобрение перед завершением бронирования.

Аналогично, продукт входящих сообщений Catch может сортировать письма и черновики ответов, основываясь на предыдущем стиле письма пользователя, при этом текущий рабочий процесс удерживает пользователя в процессе перед отправкой определённых сообщений.

Эта граница может оказаться решающей для внедрения агентного ИИ. Полная автономность звучит привлекательно, но на практике компании, скорее всего, будут принимать агентов постепенно, расширяя их полномочия по мере того, как системы демонстрируют способность принимать надёжные решения в чётко определённых областях.

Административная работа может стать особенно полезной площадкой для испытаний, поскольку сочетает повторяющиеся задачи с достаточным уровнем контекстного принятия решений, позволяя проверить, могут ли ИИ‑системы выйти за рамки простой автоматизации.

Catch разрабатывает специализированный ИИ под ассистентом

За разговорным интерфейсом Catch также разрабатывает собственную ИИ‑архитектуру, а не полагается исключительно на универсальную базовую модель.

Компания описывает систему узко специализированных «сплит-агентов», где каждому агенту предоставлен доступ только к информации, необходимой для конкретной задачи. Идея заключается в уменьшении объёма чувствительного контекста, раскрываемого во время выполнения, а также в повышении скорости и надёжности.

Catch утверждает, что анонимные данные взаимодействий могут использоваться для улучшения собственных моделей посредством контролируемого обучения и обучения с подкреплением. В то же время её документация по безопасности сообщает, что внешним поставщикам ИИ контрактно запрещено сохранять данные клиентов или использовать их для обучения своих моделей.

Поскольку исполнительный помощник может иметь доступ к календарям, письмам, планам поездок и потенциально конфиденциальной информации компании, безопасность становится значительно более важной, когда ИИ‑система может выполнять действия, а не просто генерировать текст. Catch заявляет, что соответствует требованиям SOC 2 Type II, а также CASA Tier-2 и проверке Google, и шифрует хранимые и передаваемые данные, используя детальные разрешения для подключённых сервисов.

Основатели с опытом в ИИ и венчурных инвестициях

Компания была основана двумя руководителями, которые подошли к административной проблеме с разных сторон.

Генеральный директор Nir Sabato ранее несколько лет инвестировал в Entrée Capital, где сосредотачивался на областях, включая искусственный интеллект и корпоративные технологии. До перехода в венчурный капитал он занимал стратегические позиции в Fiverr и BLEND. Catch отмечает, что опыт Сабато в работе с основателями помог выявить, насколько значительное время руководителей тратится на относительно рутинную координационную работу.

Технический директор Yoav Ramon более десяти лет работает с системами машинного обучения. Его опыт включает технологии речи и языка в Hi Auto и работу в качестве CTO компании Nym, занимающейся ИИ в здравоохранении, где команды внедряли крупные языковые модели в регулируемых медицинских средах.

Это сочетание имеет значение, потому что создание административного агента требует большего, чем эффективный чат‑бот. Система должна понимать предпочтения, сохранять контекст между взаимодействиями, взаимодействовать с внешним программным обеспечением и определять, когда у неё достаточно уверенности для действий.

Следующее поле битвы агентного ИИ может быть обычная работа

Catch выходит на быстро растущий рынок агентного ИИ, но её более широкое значение может заключаться в том, насколько узко она определила проблему.

Многие компании в сфере ИИ пытаются создавать всё более общие агенты, способные выполнять десятки или сотни видов работ. Catch выбирает противоположный подход: сосредотачивается на относительно ограниченной области и стремится сделать систему достаточно надёжной, чтобы пользователи действительно перестали выполнять эти задачи самостоятельно.

Это может стать важным шаблоном для следующего этапа корпоративного ИИ.

Самыми коммерчески полезными агентами могут изначально не быть автономные цифровые сотрудники, способные выполнять любую задачу. Вместо этого они могут появиться как высокоспециализированные системы, которые глубоко понимают одну категорию работы и могут постепенно получать более широкие полномочия.

Административные задачи руководителей предоставляют показательную проверку. Планирование встреч, управление поездками и координация электронной почты могут казаться обыденными по сравнению с программированием или научными исследованиями, но эти рабочие процессы требуют от ИИ взаимодействия с реальными людьми, понимания неполных инструкций, запоминания индивидуальных предпочтений и принятия решений, имеющих реальные последствия.

Если такие системы, как Catch, смогут надёжно справляться с этими процессами, их значение выходит за рамки экономии нескольких часов для руководителей. Это покажет, что ИИ‑агенты начинают переходить границу от генерации полезной информации к принятию ответственности за выполнение работы.

Новый посевный раунд в $5 million предоставляет Catch дополнительный капитал для проверки, может ли эта трансформация масштабироваться.