Maisa 籌集 2.5 億美元打造值得信賴、透明的「數字工人」

企業人工智慧（AI）正遭受著失敗的困擾——研究顯示，高達 95% 的生成性 AI 試點項目都以失敗告終。但是，Maisa 這家公司正致力於將問責制融入自動化中，該公司在瓦倫西亞和舊金山之間架起了一座橋樑。在由 Creandum 領投、Forgepoint Capital、NFX 和 Village Global 跟投的 2500 萬美元種子輪融資後，Maisa 有望通過代理過程自動化（agentic process automation）來改變 AI 工作流程，而這種自動化既可審計又富有智慧。

引擎內部：KPU 和工作鏈 —— 從底層建立信任

Maisa 平台的核心是知識處理單元（KPU），這是一種重新構想的 AI 推理架構。KPU 包括：

• 由大型語言模型驅動的推理引擎，規劃出多步驟的工作流程。
• 執行引擎，執行這些計劃並將結果反饋回去以進行重新校準。
• 虛擬上下文窗口，簡化信息流，專注於相關數據以減少幻覺。

KPU 的天才之處在於它如何重塑大型語言模型（LLM）的角色。與其作為概率文本生成器，不如將模型視為一個紀律嚴明的計算框架中的組件。KPU 像操作系統一樣編排推理，將問題分解為可審計的步驟，確保每個動作都可以被驗證。這種結構將曾經不透明的模型轉變為可預測的邏輯系統，其中的錯誤可以被檢測、糾正和防止級聯。
與 KPU 相輔相成的是工作鏈（Chain-of-Work），這是一個詳細記錄的審計跟蹤，記錄了數字工人過程中每個決策、動作和工具。與典型的 AI 輸出不同，後者會讓用戶感到疑惑，工作鏈的功能就像自動化的黑盒記錄器。每個計算、每個數據提取、每個推理步驟都被保存在詳細記錄中。這使得企業不僅能夠信任結果，還能夠追蹤、重播和在時間的推移中改進結果。對於合規性要求嚴格的行業，這不僅是一種方便——它是大規模部署的基礎。

Maisa Studio 在行動：無代碼代理根植於透明度

利用 KPU 和工作鏈，Maisa Studio 啟用了「公民開發者」——非技術人員——使用平實語言指令部署數字工人。通過 Maisa 的 HALP（人工增強 LLM 處理），系統與用戶互動以澄清意圖，構建工作流程，跨越數百個 API 進行集成，並動態學習——所有這一切都不需要開發人員或數據集。
在實踐中，這已經產生了有意義的影響：一家金融服務公司將假陽性減少了 99%，並實現了每位員工 10 倍的生產力提升——全部部署只需三次入職培訓。全球銀行、汽車製造商和能源公司正在試點該平台，以大規模自動化合規性要求嚴格的流程，在這些流程中，透明度和可審計性是不可商量的。

為什麼這很重要 —— 一個值得信賴和擴展的 AI 愿景

Maisa 不僅提供自動化——它提供了嵌入信任的架構的負責任 AI。在受監管、不透明和高風險的行業中——金融、醫療、能源——追蹤每個自動化決策的能力至關重要。工作鏈使企業能够在任何步驟檢查、審計和驗證 AI 邏輯，監管機構和內部團隊無需猜測如何得出結論。相反，他們可以精確驗證。
與此同時，KPU 的設計系統地抑制了幻覺，通過隔離推理和數據噪音，結構化執行。這種可靠性消除了使企業對 AI 憂心的不可預測性。Maisa 的代理不再生產神秘的輸出，而是提供邏輯、可預測和一致的結果。
展望未來，這個平台代表著根本性的轉變：AI 成為了一個值得信賴的合作伙伴——其推理透明、行動可追蹤、其「思維過程」可以被審計和改進。由於 Maisa 的系統是模型不可知的，組織可以在未來保留採用更強大模型的靈活性——而不會失去 KPU 框架的嚴謹性和監督。這種適應性為滿足不斷演變的企業需求而進行可持續、可擴展的部署奠定了基礎。
從本質上講，Maisa 提供了一個藍圖，用于構建不僅強大而且負責任和堅韌的 AI。在絕大多數 AI 項目都未能交付成果的世界中，這項技術開闢了一條罕見的前進道路——將創新與誠信結合起來。這項技術為可持續、可擴展的部署奠定了基礎，滿足了不斷演變的企業需求。從本質上講，Maisa 提供了一個藍圖，用于構建不僅強大而且負責任和堅韌的 AI。在絕大多數 AI 項目都未能交付成果的世界中，這項技術開闢了一條罕見的前進道路——將創新與誠信結合起來。這項技術為可持續、可擴展的部署奠定了基礎，滿足了不斷演變的企業需求。 Maisa 的技術為企業提供了一種新的方式，來構建值得信賴和擴展的 AI 系統。