一個令人震驚的數據正在科技圈引發軒然大波:麻省理工學院NANDA計劃最新發佈的報告顯示，高達95%的企業生成式AI試點項目都以失敗告終。然而，就在大部分公司對AI技術心灰意冷之際，一些最前沿的組織正在轉向一種全新的解決方案——可學習和監督的智能體AI系統。

正是在這樣的背景下，成立僅一年的初創公司Maisa AI憑藉其獨特的企業自動化理念脫穎而出。該公司堅信，企業級自動化需要的是可問責的AI智能體，而非不透明的黑盒系統。剛剛完成由歐洲知名風投公司Creandum領投的2500萬美元種子輪融資後，Maisa AI正式推出了Maisa Studio——一個模型無關的自助服務平臺，幫助用戶部署可通過自然語言訓練的數字員工。

投資，融資，錢

顛覆傳統:從生成響應到構建流程

雖然這聽起來與Cursor和Creandum支持的Lovable等"氛圍編程"平臺有些相似，但Maisa AI強調其方法論存在根本性差異。"我們不是用AI來構建響應，而是用AI來構建獲得響應所需執行的流程——我們稱之爲'工作鏈'，"Maisa AI首席執行官David Villalón在接受TechCrunch採訪時表示。

這一創新流程的主要架構師是Maisa的聯合創始人兼首席科學官Manuel Romero，他此前曾與Villalón在西班牙AI初創公司Clibrain共事。2024年，兩人聯手打造了一套解決AI幻覺問題的方案，因爲他們親眼目睹了"你無法依賴AI"的現實。

HALP系統:像學生在黑板前一樣工作

這對創始人並非對AI持懷疑態度，但他們認爲人類審查"五分鐘內完成的三個月工作量"根本不現實。爲解決這一問題，Maisa採用了名爲HALP的系統，即人類增強型大語言模型處理系統。這套定製方法的工作方式就像學生在黑板前演示——數字員工會向用戶詢問需求，同時詳細說明他們將遵循的每個步驟。

該公司還開發了知識處理單元KPU，這是一個旨在限制幻覺現象的確定性系統。雖然Maisa從技術挑戰而非用例出發，但很快發現其在可信度和問責制方面的投入與希望將AI應用於關鍵任務的企業產生了強烈共鳴。目前使用Maisa生產環境的客戶包括一家大型銀行，以及汽車製造和能源領域的多家公司。

企業級部署:安全雲端與本地化並舉

通過服務這些企業客戶，Maisa希望將自己定位爲更先進的機器人流程自動化RPA形式，在不要求企業依賴僵化預定義規則或大量手動編程的情況下釋放生產力潛能。爲滿足客戶需求，該公司還提供安全雲端部署或本地部署兩種選擇。

這種企業優先的策略意味着Maisa的客戶基數相比數百萬涌向免費增值氛圍編程平臺的用戶仍然很小。但正當這些平臺開始探索如何贏得企業客戶時，Maisa正朝着相反方向發展，通過Maisa Studio擴大客戶漏斗並簡化採用過程。

AIbase瞭解到，該公司還計劃與在多個國家設有業務的現有客戶共同擴張。Maisa在瓦倫西亞和舊金山設有雙總部，已在美國站穩腳跟，這也反映在其股權結構中——去年12月的500萬美元pre-seed輪由舊金山風投公司NFX和Village Global領投。

此外，TechCrunch獨家獲悉，美國公司Forgepoint Capital International通過其與西班牙桑坦德銀行的歐洲合資企業參與了本輪融資，彰顯了其對監管行業的吸引力。

差異化競爭:專注複雜場景與非技術用戶

專注於需要非技術用戶問責的複雜用例可能是Maisa的差異化優勢，其競爭對手包括CrewAI和許多其他AI驅動的面向業務的工作流自動化產品。在LinkedIn帖子中，Villalón強調了這場"AI框架淘金熱"，警告稱當你需要可靠性、可審計性或修復錯誤的能力時，"快速啓動"會變成長期噩夢。

爲實現幫助AI規模化的目標，Maisa計劃利用這筆資金將團隊從35人擴張至65人，預計在2026年第一季度前完成擴張以滿足需求。從今年最後一個季度開始，該公司預計將迎來快速增長，開始爲等待名單上的客戶提供服務。Villalón表示:"我們將向市場展示，有一家公司正在兌現承諾，而且確實有效。"

面對95%企業AI項目失敗率的嚴峻現實，Maisa AI的可問責智能體方案爲企業AI應用提供了一條全新路徑。這種強調透明度和監督能力的技術路線，或將成爲企業級AI部署的新標杆。