根据麻省理工学院NANDA计划近期发布的一份报告，企业开展的生成式AI试点项目失败率高达95%。但最先进的企业并未放弃这项技术，而是开始试验具备学习能力和可监督性的自主人工智能系统。
这正是Maisa AI的切入领域。这家成立一年的初创公司以“企业自动化需要可问责的AI智能体而非黑箱系统”为核心理念，开发出模型无关的自助平台Maisa Studio。该平台帮助用户部署可通过自然语言训练的数字化员工，近日已获得由欧洲风投公司Creandum领投的2500万美元种子轮融资。
尽管这听起来与Cursor和Creandum投资的Lovable等氛围编程平台类似，但Maisa强调其方法存在根本差异。首席执行官戴维·比利亚隆向TechCrunch表示：“我们不是用AI直接生成结果，而是用AI构建达成结果所需执行的流程——称之为‘工作链’。”
该流程的首席架构师是联合创始人兼首席科学官曼努埃尔·罗梅罗，他此前曾与比利亚隆在西班牙AI初创公司Clibrain共事。在亲眼见证“AI的不可靠性”后，两人于2024年联手开发解决AI幻觉问题的方案。
他们并非质疑AI技术，但认为人类不可能审核“AI在五分钟内完成的三个月工作量”。为此，Maisa开发了名为HALP（人类增强大语言模型处理）的系统。这种定制方法如同学生在黑板前演算——数字化员工在规划每个执行步骤时，会持续向用户确认需求。
该公司还研发了旨在限制幻觉的确定性系统知识处理单元（KPU）。虽然Maisa最初是出于技术挑战而非具体用例创立，但其对可信度和可问责性的专注很快吸引了希望将AI应用于关键任务的企业。目前使用Maisa的客户包括一家大型银行以及汽车制造和能源行业公司。
通过服务这些企业客户，Maisa致力于成为更先进的机器人流程自动化（RPA）解决方案，在无需依赖刚性预定义规则或大量手动编程的前提下提升生产效率。为满足客户需求，该公司提供安全云部署和本地部署两种方案。
这种企业优先策略意味着Maisa的客户规模远不及那些吸引数百万用户的freemium vibe coding平台。但随着这些平台开始探索如何获取企业客户，Maisa则通过Studio平台反向拓展，旨在扩大客户漏斗并降低使用门槛。
该公司还计划随着现有客户的跨国业务扩张而发展。凭借在瓦伦西亚和旧金山的双总部架构，Maisa已在美国市场立足——其去年12月由旧金山风投机构NFX和Village Global领投的500万美元pre-seed轮融资就体现了这一点。此外TechCrunch独家获悉，美国Forgepoint Capital International公司通过其与西班牙桑坦德银行的欧洲合资企业参与了本轮融资，这凸显出Maisa对受监管行业的吸引力。
专注于满足非技术用户对复杂用例的可问责性需求，可能成为Maisa区别于CrewAI等众多AI驱动商业工作流自动化产品的差异化优势。比利亚隆在LinkedIn发文中指出当前“AI框架淘金热”的隐患，警告道：“当需要可靠性、可审计性或错误修复能力时，快速起步可能会演变为长期噩梦。”
为加速AI规模化应用，Maisa计划利用本轮融资将团队规模从35人扩充至2026年第一季度的65人。从今年第四季度开始，随着等待名单客户的陆续接入，该公司预计将迎来快速增长期。比利亚隆表示：“我们将向市场证明，有一家公司正在兑现承诺，而且这套系统确实行之有效。”
