令人震惊的是，企业中的生成式AI试点项目正在失败。根据麻省理工学院（MIT）NANDA倡议最近发布的报告，与其完全放弃这项技术，最先进的组织正尝试使用具有学习能力且可被监督的智能体AI系统。
这正是Maisa AI登场之处。这家成立仅一年的初创公司将其方法建立在“企业自动化需要可问责的AI智能体，而非不透明黑盒”的前提之上。在由欧洲风投Creandum领投的新一轮2500万美元种子轮融资后，该公司推出模型无关的自我服务平台Maisa Studio，帮助用户部署可通过自然语言训练的数字员工。
虽然这让人联想到Cursor、Lovable等“氛围编码”平台，但Maisa认为其方法根本不同。“我们不是用AI构建响应，而是构建产生响应所需执行的流程——即‘工作链’（chain-of-work）。”Maisa CEO David Villalón表示。
该流程的主要架构师是联合创始人兼首席科学官Manuel Romero，他此前与Villalón在西班牙AI初创公司Clibrain共事。Villalón称，两人在2024年联手解决幻觉问题，因为他们亲眼看到“不能依赖AI”。
这对搭档并非怀疑AI，但认为人类无法“五分钟内审查三个月工作量”。为此，Maisa采用名为HALP（人工增强LLM处理）的系统。这种自定义方法如同黑板前的学生，在数字员工概述执行步骤时向用户确认需求。
该初创公司还开发了知识处理单元（KPU），这是一种旨在限制幻觉的确定性系统。虽然Maisa最初从技术挑战出发，但其对可信度和问责制的押注迅速引起关键任务公司的共鸣。目前生产环境客户包括一家大型银行及汽车制造、能源领域企业。
通过服务企业客户，Maisa定位为更高级的机器人流程自动化（RPA），在不依赖僵化规则或大量手动编程下释放生产力。为满足需求，公司提供安全云部署或本地部署选项。
这种以企业为先的策略意味着，相比涌入免费增值编码平台的数百万用户，Maisa客户群虽小但精准。随着竞品探索如何赢得企业客户，Maisa反其道而行，推出Maisa Studio以扩大客户漏斗并简化采用。
公司计划随现有跨国客户同步扩张。凭借瓦伦西亚和旧金山双重总部，Maisa已在美国站稳脚跟；去年12月完成的500万美元种子前融资由旧金山风投NFX和Village Global领投。
TechCrunch独家获悉，美国公司Forgepoint Capital International通过其与西班牙桑坦德银行的欧洲合资企业参与了本轮投资，突显了其在受监管行业的吸引力。
专注于需非技术用户对结果负责的复杂用例，成为Maisa的差异化优势，竞争对手包括CrewAI及其他AI驱动的工作流自动化产品。Villalón警告称，在“AI框架淘金热”中，当需要可靠性、可审计性或纠错能力时，“快速启动”可能变成漫长噩梦。
为实现AI规模化目标，Maisa计划利用融资将团队从35人扩至最多65人，预计2026年第一季度完成以满足市场需求。公司预计今年第四季度起将迎来快速增长，届时将开始为等待名单用户提供服务。“我们将向市场证明，有一家企业能够兑现承诺并切实发挥作用。”Villalón表示。