Maisa привлекла $25 млн для создания надёжных и прозрачных «цифровых работников»

Корпоративный ИИ страдает от неудач — исследования показывают, что до 95% пилотных проектов генеративного ИИ терпят неудачу. Но Maisa, мостящая Валенсию и Сан-Франциско, внедряет подотчётность в автоматизацию. После раунда финансирования в размере $25 млн, возглавляемого Creandum с поддержкой Forgepoint Capital, NFX и Village Global, Maisa готова трансформировать рабочие процессы ИИ с помощью агентной автоматизации процессов, которая так же аудиторна, как и интеллектуальна.

Внутри двигателя: KPU и Chain-of-Work — построение доверия с нуля

В основе платформы Maisa лежит Блок обработки знаний (KPU) — новая архитектура, которая переосмысливает рассуждения ИИ. KPU включает в себя:

• Двигатель рассуждений, работающий на основе большой языковой модели, который планирует многоступенчатые рабочие процессы.
• Двигатель выполнения, который выполняет эти планы и подает результаты на перерасчёт.
• Виртуальное контекстное окно, которое упрощает поток информации, фокусируя модель только на релевантных данных для смягчения галлюцинаций.

Гениальность KPU заключается в том, как он меняет роль LLM. Вместо того, чтобы действовать как вероятностный текстовый генератор, модель рассматривается как один из компонентов внутри дисциплинированной вычислительной структуры. KPU оркестрирует рассуждения, как операционная система, разбивая проблемы на управляемые, аудиторные шаги и гарантируя, что каждое действие может быть проверено. Эта структура превращает ранее непрозрачную модель в предсказуемую систему логики, где ошибки могут быть обнаружены, исправлены и предотвращены от каскадного распространения.

В дополнение к KPU существует Chain-of-Work — тщательно ведённый аудиторский журнал, отслеживающий каждое решение, действие и инструмент, участвующий в процессе цифрового работника. В отличие от типичных выходов ИИ, которые оставляют пользователей в недоумении, Chain-of-Work функционирует как чёрный ящик для автоматизации. Каждый расчёт, каждое извлечение данных, каждый шаг рассуждения сохраняется в деталях. Это даёт предприятиям возможность не только доверять результатам, но и восстанавливать их, воспроизводить и совершенствовать с течением времени. Для отраслей с высокими требованиями к соблюдению нормативов это не просто удобство — это основа безопасного развертывания в масштабе.

Maisa Studio в действии: агенты без кода, основанные на прозрачности

Используя KPU и Chain-of-Work, Maisa Studio позволяет «гражданским разработчикам» — не техническому персоналу — развертывать цифровых работников, используя простые языковые инструкции. Через HALP (Human-Augmented LLM Processing) Maisa система взаимодействует для уточнения намерений, конструирует рабочие процессы, интегрирует сотни API и начинает обучаться динамически — всё без разработчиков или наборов данных.

На практике это уже принесло значительное влияние: финансовая служба снизила количество ложных положительных результатов на 99% и достигла 10-кратного увеличения производительности на сотрудника — с полным развертыванием, достигнутым всего за три сессии обучения. Глобальные банки, автопроизводители и энергетические компании тестируют платформу для автоматизации процессов, требующих соблюдения нормативов, в масштабе, где прозрачность и аудиторность являются непременными.

Почему это важно — видение ИИ, которому можно доверять и масштабировать

Maisa не просто предлагает автоматизацию — она доставляет ответственный ИИ, который внедряет доверие по архитектуре. В отраслях, обременённых регулированием, непрозрачностью и высокими ставками — финансы, здравоохранение, энергетика — возможность отслеживать каждое автоматическое решение является первостепенной. Chain-of-Work позволяет бизнесу проверять, аудировать и подтверждать логику ИИ на каждом шаге, что означает, что регулирующие органы и внутренние команды не должны гадать, как были достигнуты выводы. Вместо этого они могут проверить с точностью.

Между тем, конструкция KPU систематически подавляет галлюцинации, изолируя рассуждения от шума данных и структурируя выполнение. Эта надёжность сбрасывает непредсказуемость, которая часто делает предприятия осторожными в отношении ИИ. Вместо того, чтобы производить выходы, окутанные тайной, агенты Maisa доставляют логические, предсказуемые и последовательные результаты.

Глядя вперед, эта платформа представляет собой фундаментальный сдвиг: ИИ становится надёжным сотрудником — тем, чьи рассуждения прозрачны, чьи действия отслеживаются, и чей «процесс мышления» может быть усовершенствован и проверен. Поскольку система Maisa не зависит от модели, организации сохраняют гибкость для принятия более сильных моделей в будущем — без потери строгости и надзора за框кой KPU. Эта адаптивность закладывает основу для устойчивого, масштабируемого развертывания по мере эволюции потребностей предприятий.

В сущности, Maisa предлагает план для ИИ, который не только мощный, но и ответственный и устойчивый. В мире, где большинство проектов ИИ не могут доставить, эта технология прокладывает редкий путь вперёд — сочетая инновации с целостностью.