Catch เปิดตัวจากการทำงานแบบลับพร้อมเงินทุนซีด 5 ล้านดอลลาร์เพื่อสร้างผู้ช่วยผู้บริหาร AI แบบอัตโนมัติ

Catch ได้เปิดตัวจากการทำงานแบบลับพร้อมเงินทุนซีด 5 ล้านดอลลาร์เพื่อขยายผู้ช่วย AI แบบเอเจนต์ที่ออกแบบมาเพื่อรับหน้าที่งานด้านการบริหารที่กินเวลาส่วนใหญ่ของผู้บริหารในแต่ละวัน.

รอบการระดมทุนนี้นำโดยร่วมโดย Entrée Capital และ Pitango พร้อมการเข้าร่วมจาก Seedcamp และ Factorial Capital. แทนที่จะสร้างเครื่องมือ AI อีกหนึ่งที่สรุปอีเมลหรือแนะนำขั้นตอนต่อไปให้ผู้ใช้, Catch พยายามทำสิ่งที่ยากกว่าคือการให้ผู้บริหารมอบหมายงานด้านการบริหารทั้งหมดให้ซอฟต์แวร์และให้มันทำให้เสร็จ.

ก่อตั้งโดย Nir Sabato และ Yoav Ramon, Catch มุ่งเน้นเฉพาะการบริหารงานผู้บริหาร รวมถึงการจัดตาราง, การจัดการอีเมล, การเดินทาง, การติดตามผล, ความขัดแย้งของปฏิทิน, การเตือนความจำและการโทรออก. บริษัทระบุว่าระบบของตนได้จัดตารางประชุมมากกว่า 12,000 ครั้ง, จัดการอีเมลกว่า 200,000 ฉบับและทำงานที่มอบหมายได้มากกว่า 20,000 งานแล้ว.

การเคลื่อนย้าย AI จากการช่วยเหลือสู่การมอบหมาย

ความแตกต่างระหว่างการช่วยเหลือในงานหนึ่งกับการทำให้เสร็จจริง ๆ ได้กลายเป็นหนึ่งในความท้าทายหลักที่ AI แบบเอเจนต์ต้องเผชิญ.

โมเดลภาษาใหญ่สามารถสรุปกล่องจดหมาย, ร่างอีเมล, แนะนำเที่ยวบินหรือกำหนดเวลาที่สองคนพร้อมกันได้แล้ว. แต่การนำความสามารถเหล่านั้นมารวมเป็นระบบที่สามารถประสานงานกับบุคคลอื่นได้อย่างเชื่อถือได้, ปรับปรุงปฏิทิน, ทำการจองและติดตามเมื่อสถานการณ์เปลี่ยนแปลง ต้องอาศัยชั้นการดำเนินการที่ลึกซึ้งกว่ามาก.

Catch ถูกสร้างขึ้นโดยอิงจากช่องว่างนั้น.

แทนที่จะให้ผู้ใช้กำหนดค่ากระบวนการทำงานหรือสร้างเอเจนต์ของตนเอง, ระบบจะเชื่อมต่อกับเครื่องมือที่ผู้บริหารใช้แล้ว. เว็บไซต์ของ Catch แสดงการสนับสนุนหลายบริการรวมถึง Gmail, Outlook, Google Calendar, Slack, WhatsApp, iMessage และโทรศัพท์, ทำให้ผู้ใช้สามารถสื่อสารกับผู้ช่วยได้เช่นเดียวกับการสื่อสารกับผู้ช่วยผู้บริหารมนุษย์.

เมื่อเชื่อมต่อแล้ว, ระบบจะพัฒนาความเข้าใจในความชอบเช่นนิสัยการประชุม, ความสำคัญของปฏิทินและความต้องการการเดินทาง. Catch กล่าวว่า ระบบสามารถทำงานเชิงรุกได้. ตัวอย่างเช่น การยกเลิกการประชุมอาจกระตุ้นให้ทำการจัดตารางใหม่, ในขณะที่การเดินทางที่กำลังจะมาถึงอาจทำให้ผู้ช่วยระบุการจัดเตรียมโรงแรมที่ขาดหายไปแทนที่จะรอคำสั่งที่ชัดเจน.

นี่เป็นการเปลี่ยนแปลงสำคัญในแนวทางการออกแบบผลิตภัณฑ์ AI. แทนที่จะสร้างอินเทอร์เฟซใหม่ที่ผู้บริหารต้องจัดการ, Catch พยายามซ่อนตัวเข้าไปในช่องทางการสื่อสารและซอฟต์แวร์ที่พวกเขาใช้แล้ว.

อิสระภาพไม่ได้หมายถึงการทำงานโดยไม่มีขอบเขต

ปัญหาที่ยากขึ้นกับเอเจนต์ด้านการบริหารไม่ได้อยู่ที่ว่าโมเดล AI สามารถเข้าใจคำขอหรือไม่, แต่คือการกำหนดว่าเมื่อใดซอฟต์แวร์ควรทำงานโดยอิสระและเมื่อใดมนุษย์ควรมีส่วนร่วม.

Catch ดูเหมือนจะใช้แนวทางระดับขั้น.

สำหรับงานการบริหารที่เป็นกิจวัตร, เป้าหมายคือการลดการอนุมัติที่ไม่จำเป็น. แต่การกระทำที่มีผลทางการเงินหรือผลสำคัญอื่น ๆ อาจต้องการการยืนยัน. ใน กระบวนการทำงานด้านการเดินทาง ของบริษัท, ตัวอย่างเช่น Catch สามารถตีความสรุปการเดินทาง, เปรียบเทียบเที่ยวบินและโรงแรมตามข้อจำกัด, และจัดทำแผนการเดินทาง, แต่ผู้ใช้ต้องให้การอนุมัติอย่างชัดเจนก่อนการจองจะเสร็จสมบูรณ์.

ในทำนองเดียวกัน, ผลิตภัณฑ์กล่องจดหมาย ของ Catch สามารถคัดแยกข้อความและร่างการตอบกลับตามสไตล์การเขียนของผู้ใช้ที่ผ่านมา, ในขณะที่กระบวนการทำงานปัจจุบันยังคงให้ผู้ใช้มีส่วนร่วมก่อนส่งข้อความบางประเภท.

ขอบเขตนั้นอาจเป็นสิ่งสำคัญสำหรับ การนำ AI แบบเอเจนต์ไปใช้. อิสระภาพเต็มรูปแบบอาจดูน่าสนใจ, แต่ในทางปฏิบัติธุรกิจมักจะนำเอเจนต์มาใช้ทีละขั้น, ขยายอำนาจเมื่อระบบแสดงให้เห็นว่ามันสามารถตัดสินใจได้อย่างเชื่อถือได้ในขอบเขตที่กำหนดชัดเจน.

งานการบริหารอาจเป็นสนามทดสอบที่มีประโยชน์เป็นพิเศษ เนื่องจากผสานงานที่ทำซ้ำกับการตัดสินใจตามบริบทที่เพียงพอเพื่อทดสอบว่า ระบบ AI สามารถก้าวข้ามการทำงานอัตโนมัติแบบง่ายได้หรือไม่.

Catch กำลังสร้าง AI เชิงพิเศษใต้ผู้ช่วย

เบื้องหลังอินเทอร์เฟซการสนทนา, Catch ยังพัฒนาโครงสร้าง AI ของตนเองแทนที่จะพึ่งพาโมเดลพื้นฐานแบบทั่วไปอย่างเดียว.

บริษัทอธิบายระบบของ “splinter agents” ที่มีขอบเขตแคบ, โดยเอเจนต์แต่ละตัวจะได้รับการเข้าถึงข้อมูลที่จำเป็นสำหรับงานเฉพาะเท่านั้น. แนวคิดคือเพื่อลดปริมาณข้อมูลที่ละเอียดอ่อนที่เปิดเผยระหว่างการดำเนินงาน พร้อมทั้งปรับปรุงความหน่วงและความน่าเชื่อถือ.

Catch ระบุว่าข้อมูลการโต้ตอบที่ไม่ระบุตัวตนสามารถนำไปใช้ปรับปรุงโมเดลของตนผ่านการเรียนรู้แบบกำกับและการเรียนรู้แบบเสริม. ในเวลาเดียวกัน, เอกสารความปลอดภัย ของบริษัทระบุว่าผู้ให้บริการ AI ภายนอกถูกห้ามโดยสัญญาไม่ให้เก็บข้อมูลลูกค้าหรือใช้ข้อมูลนั้นฝึกโมเดลของตนเอง.

เนื่องจากผู้ช่วยผู้บริหารอาจเข้าถึงปฏิทิน, อีเมล, แผนการเดินทางและข้อมูลบริษัทที่อาจละเอียดอ่อน, ความปลอดภัยจึงมีความสำคัญมากขึ้นเมื่อระบบ AI สามารถทำการกระทำได้ไม่ใช่แค่สร้างข้อความเท่านั้น. Catch ระบุว่าตนเป็นไปตามมาตรฐาน SOC 2 Type II, รวมถึง CASA Tier-2 และการตรวจสอบของ Google, และทำการเข้ารหัสข้อมูลที่จัดเก็บและส่งผ่านพร้อมใช้สิทธิ์การเข้าถึงแบบละเอียดสำหรับบริการที่เชื่อมต่อ.

ผู้ก่อตั้งที่มีพื้นฐานใน AI และการลงทุนแบบเวนเจอร์

บริษัทก่อตั้งโดยผู้บริหารสองคนที่มองปัญหาการบริหารจากมุมมองที่แตกต่างกัน.

CEO Nir Sabato เคยใช้หลายปีในการลงทุนที่ Entrée Capital, โดยมุ่งเน้นไปที่พื้นที่รวมถึงปัญญาประดิษฐ์และเทคโนโลยีองค์กร. ก่อนเข้าสู่วงการเวนเจอร์แคปิตัล, เขาเคยดำรงตำแหน่งด้านกลยุทธ์ที่ Fiverr และ BLEND. Catch ระบุว่าประสบการณ์ของ Sabato ในการทำงานร่วมกับผู้ก่อตั้งช่วยเปิดเผยว่ามีเวลาผู้บริหารที่มีคุณค่าสูงยังคงถูกใช้ไปกับงานประสานงานที่ค่อนข้างเป็นกิจวัตร.

CTO Yoav Ramon ในขณะเดียวกันมีประสบการณ์ทำงานกับระบบการเรียนรู้ของเครื่องมากกว่าทศวรรษ. พื้นฐานของเขารวมถึงเทคโนโลยีการพูดและภาษาที่ Hi Auto และการทำหน้าที่เป็น CTO ของบริษัท AI ด้านสุขภาพ Nym, ที่ทีมงานได้ใช้งานโมเดลภาษาใหญ่ในสภาพแวดล้อมสุขภาพที่มีการควบคุม.

การผสมผสานนี้มีความสำคัญเพราะการสร้างเอเจนต์ด้านการบริหารต้องการมากกว่าชัตบอทที่มีประสิทธิภาพ. ระบบต้องเข้าใจความชอบ, รักษาบริบทระหว่างการโต้ตอบ, ทำงานร่วมกับซอฟต์แวร์ภายนอกและกำหนดว่าเมื่อใดมีความมั่นใจเพียงพอที่จะดำเนินการ.

สนามรบต่อไปของ AI แบบเอเจนต์อาจเป็นงานประจำ

Catch กำลังก้าวเข้าสู่ตลาด AI แบบเอเจนต์ที่กำลังขยายอย่างรวดเร็ว, แต่ความสำคัญที่ใหญ่กว่าอาจมาจากการที่บริษัทกำหนดปัญหาอย่างแคบ.

หลายบริษัท AI พยายามสร้างเอเจนต์ที่ทั่วไปขึ้นเรื่อย ๆ ที่สามารถทำงานหลายสิบหรือหลายร้อยประเภท. Catch ใช้วิธีตรงกันข้าม: มุ่งเน้นที่โดเมนที่ค่อนข้างจำกัดและพยายามทำให้ระบบมีความน่าเชื่อถือพอที่ผู้ใช้จะหยุดทำงานเหล่านั้นด้วยตนเอง.

สิ่งนี้อาจกลายเป็นรูปแบบสำคัญสำหรับขั้นตอนต่อไปของ AI ระดับองค์กร.

เอเจนต์ที่มีประโยชน์เชิงพาณิชย์มากที่สุดอาจไม่ได้เป็นพนักงานดิจิทัลอิสระที่ทำงานใดก็ได้ในตอนแรก. พวกมันอาจปรากฏเป็นระบบที่เชี่ยวชาญสูงที่เข้าใจหมวดงานหนึ่งอย่างลึกซึ้งพอที่จะได้รับความไว้วางใจให้มีอำนาจเพิ่มขึ้นอย่างต่อเนื่อง.

การบริหารผู้บริหารเป็นการทดสอบที่เปิดเผย. การจัดตารางประชุม, การจัดการการเดินทางและการประสานงานอีเมลอาจดูธรรมดาเมื่อเทียบกับการเขียนโค้ดหรือการวิจัยทางวิทยาศาสตร์, แต่กระบวนการเหล่านี้ต้องการให้ AI โต้ตอบกับคนจริง, เข้าใจคำสั่งที่ไม่สมบูรณ์, จำความชอบของแต่ละบุคคลและตัดสินใจที่มีผลกระทบต่อโลกจริง.

หากระบบเช่น Catch สามารถจัดการกระบวนการเหล่านี้ได้อย่างเชื่อถือได้, ความสำคัญจะขยายเกินกว่าการประหยัดเวลาของผู้บริหารไม่กี่ชั่วโมง. มันจะแสดงให้เห็นว่าเอเจนต์ AI กำลังข้ามขอบเขตระหว่างการสร้างข้อมูลที่เป็นประโยชน์และการรับผิดชอบในการทำงานให้สำเร็จ.

รอบการระดมทุนซีด 5 ล้านดอลลาร์ใหม่ให้ Catch มีทุนเพิ่มเติมเพื่อทดสอบว่าการเปลี่ยนแปลงนั้นสามารถขยายได้หรือไม่.