عنوان: مایسا (Maisa) با جذب ۲۵ میلیون دلار و معرفی Maisa Studio به دنبال حل مشکل «توهمزایی» هوش مصنوعی و ارائه عاملهای قابلحسابرسی برای اتوماسیون سازمانی
گزارش تازه طرح ابتکاری NANDA از مؤسسه MIT نشان میدهد که حدود ۹۵٪ پروژههای آزمایشی (pilot) مبتنی بر هوش مصنوعی مولد در شرکتها با شکست مواجه میشوند. در پاسخ به این چالش، استارتاپ یکساله مایسا (Maisa) رویکردی متفاوت را دنبال میکند: بهجای استفاده از جعبههای سیاهِ غیرقابلاعتماد، این شرکت روی «عاملهای هوش مصنوعی قابلآموزش و قابلنظارت» تمرکز کرده است. مایسا همزمان با جذب دور سرمایه ۲۵ میلیون دلار به رهبری صندوق سرمایهگذاری Creandum، از پلتفرم جدید خود، Maisa Studio، رونمایی کرد — یک پلتفرم خودخدمت و مدل-بیطرف که به کسبوکارها امکان میدهد کارگران دیجیتال (digital workers) را از طریق زبان طبیعی آموزش و بهکارگیرند.
رویکرد مایسا و تفاوت بنیادین آن
مایسا تفاوت کلیدی خود را در «ساختن فرایند» بهجای صرفاً تولید پاسخ میداند. بهجای آنکه مدل را تنها برای تولید خروجی به کار گیرد، سیستم مایسا فرایند گامبهگام لازم برای دستیابی به پاسخ را میسازد—آنچه تیم این شرکت آن را «chain-of-work» مینامد. این رویکرد با هدف کاهش خطاها و افزایش شفافیت در اجرای وظایف پیچیده طراحی شده است.
تکنیکها و مختصات فنی
– HALP (Human-Augmented LLM Processing): روش اختصاصی مایسا که ترکیب تعامل انسانی و پردازش مدلهای زبانی بزرگ را تسهیل میکند؛ این روش مانند تمرین دانشآموزان پای تخته عمل میکند و با سؤالپرسیدن از کاربر، گامهای اجرایی را بازتعریف و تصحیح میکند تا فرایندها قابلردیابی و قابلتأیید باشند.
– KPU (Knowledge Processing Unit): واحد پردازش دانش مایسا یک سامانه قطعی (deterministic) برای محدود کردن «توهمزایی» مدلها و افزایش قابلیت بازبینی نتایج است. این مؤلفه برای کاربردهای حساس و تنظیمشده طراحی شده است تا قابلیت حسابرسی و اطمینان را بالا ببرد.
بازار، مشتریان و رقابت
اگرچه پلتفرمهای «vibe-coding» و ابزارهای کمکدنویسی مدلمحور در بین میلیونها کاربر رایگان محبوبیت یافتهاند، مایسا راه متفاوتی را انتخاب کرده و تمرکز خود را روی مشتریان سازمانی گذاشته است که به قابلیت اطمینان، حسابرسی و انطباق نیاز دارند. مایسا هماکنون در تولید در بانکهای بزرگ، خودروسازی و بخش انرژی بهکار گرفته شده است و گزینههای استقرار امن ابری و استقرار در محل (on-premise) را برای رعایت الزامات امنیتی و مقرراتی ارائه میدهد. مشارکت سرمایهگذاران از جمله Forgepoint Capital International از طریق شراکت اروپایی با بانک اسپانیایی Santander، نشاندهنده جذابیت این راهکار برای صنایع تنظیمشده است.
تمایز نسبت به RPA و پیشنهاد ارزش
مایسا خود را بهعنوان نسل بعدی اتوماسیون فرآیندهای کسبوکار (RPA) معرفی میکند که بدون نیاز به قواعد سخت و برنامهنویسی گسترده، قابلیتهای اتوماسیون هوشمند و قابلردیابی را برای وظایف پیچیده فراهم میآورد. تمرکز ویژه بر کاهش توهمزایی، قابلیت حسابرسی و تعامل زبان طبیعی، مایسا را برای کاربردهای مأموریتمحور و حساس متمایز میسازد.
سرمایه، تیم و برنامه رشد
مایسا دور سرمایه ۲۵ میلیون دلاری سری seed را با هدایت Creandum تکمیل کرده است. پیش از این، دور pre-seed پنج میلیون دلاری در دسامبر گذشته به رهبری NFX و Village Global انجام شده بود. این استارتاپ دارای دفتر مرکزی دوگانه در والنسیا و سانفرانسیسکو است و قصد دارد تیم کنونی خود را از حدود ۳۵ نفر به حداکثر ۶۵ نفر تا پایان سهماهه اول ۲۰۲۶ افزایش دهد تا پاسخگوی تقاضای فزاینده و لیست انتظار مشتریان شود. مایسا پیشبینی میکند از فصل چهارم امسال رشد شتابان جذب مشتری را آغاز کند.
اهمیت برای سازمانها و چشمانداز
در شرایطی که بسیاری از شرکتها از پیامدهای عدم قطعیت و «توهمزایی» مدلهای مولد گلایه دارند، راهکارهایی که همزمان توان اجرایی و قابلیت اطمینان را فراهم کنند، بهسرعت در میان صنایع حساس ارجح میشوند. مایسا با تمرکز بر عاملهای قابلحسابرسی، روشهای ترکیبی انسانی-ماشینی و مؤلفههای قطعی برای پردازش دانش، تلاش دارد شکاف میان وعدههای هوش مصنوعی مولد و نیازهای عملیاتی سازمانها را پر کند.
نتیجهگیری
معضلات گزارششده در پروژههای آزمایشی هوش مصنوعی نشان میدهد که توسعه و استقرار مؤثر نیازمند فراتر رفتن از تولید پاسخ است. پلتفرم جدید Maisa Studio و فناوریهای HALP و KPU میتوانند راهکاری عملی برای سازمانهایی باشند که در پی اتوماسیون هوشمند، قابلاطمینان و قابلحسابرسی هستند؛ موضوعی که در آینده نزدیک میتواند نقش محوری در پذیرش گسترده هوش مصنوعی در بنگاهها داشته باشد.