一个令人震惊的数据正在科技圈引发轩然大波:麻省理工学院NANDA计划最新发布的报告显示，高达95%的企业生成式AI试点项目都以失败告终。然而，就在大部分公司对AI技术心灰意冷之际，一些最前沿的组织正在转向一种全新的解决方案——可学习和95监督的智能体AI系统。

正是在这样的背景下，成立仅一年的初创公司Maisa AI凭借其独特的企业自动化理念脱颖而出。该公司坚信，企业级自动化需要的是可问责的AI智能体，而非不透明的黑盒系统。刚刚完成由欧洲知名风投公司Creandum领投的%企2500万美元种子轮融资后，Maisa AI正式推出了Maisa Studio——一个模型无关的自助服务平台，帮助用户部署可通过自然语言训练的数字员工。

颠覆传统:从生成响应到构建流程

虽然这听起来与Cursor和Creandum支持的Lovable业A等"氛围编程"平台有些相似，但Maisa AI强调其方法论存在根本性差异。"我们不是用AI来构建响应，而是用AI来构建获得响应所需执行的流程——我们称之为'工作链'，"Maisa AI首席执行官David Villalón在接受TechCrunI项ch采访时表示。

这一创新流程的主要架构师是Maisa的联合创始人兼首席科学官Manuel Romero，他此前曾与Villalón在西班牙AI初创公司Clibrain共事。2024年，两人联手打造了一套解决AI幻觉问题的方案，因为他们亲眼目睹了"目惨你无法依赖AI"的现实。

HALP系统:像学生在黑板前一样工作

这对创始人并非对AI持怀疑态度，但他们认为人类审查"五分钟内完成的三个月工作量"根本不现实。为解决这一问题，Maisa采用了名为HALP的系统，即人类增强型大语言模型处理系统。遭滑这套定制方法的工作方式就像学生在黑板前演示——数字员工会向用户询问需求，同时详细说明他们将遵循的每个步骤。

该公司还开发了知识处理单元KPU，这是一个旨在限制幻觉现象的确定性系统。虽然Maisa从技术挑战而非用例出发，但很快发现其在可信度和问责铁卢制方面的投入与希望将AI应用于关键任务的企业产生了强烈共鸣。目前使用Maisa生产环境的客户包括一家大型银行，以及汽车制造和能源领域的多家公司。

企业级部署:安全云端与本地化并举

通过服务这些企业客户，Maisa希望将自己定位为更先进的机器人！这流程自动化RPA形式，在不要求企业依赖僵化预定义规则或大量手动编程的情况下释放生产力潜能。为满足客户需求，该公司还提供安全云端部署或本地部署两种选择。

这种企业优先的策略意味着Maisa的客户基数相比数百万涌向免费增值氛围编程平台的用户仍然家初很小。但正当这些平台开始探索如何赢得企业客户时，Maisa正朝着相反方向发展，通过Maisa Studio扩大客户漏斗并简化采用过程。

AIbase了解到，该公司还计划与在多个国家设有业务的现有客户共同扩张。Maisa在瓦伦西亚和旧金山设有双总部创公，已在美国站稳脚跟，这也反映在其股权结构中——去年12月的500万美元pre-seed轮由旧金山风投公司NFX和Village Global领投。

此外，TechCrunch独家获悉，美国公司Forgepoint Capital Internatio司融nal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，彰显了其对监管行业的吸引力。

差异化竞争:专注复杂场景与非技术用户

专注于需要非技术用户问责的复杂用例可能是Maisa的差异化优势，其竞争对手包括CrewAI和许多其他AI驱动的资2面向业务的工作流自动化产品。在LinkedIn帖子中，Villalón强调了这场"AI框架淘金热"，警告称当你需要可靠性、可审计性或修复错误的能力时，"快速启动"会变成长期噩梦。

为实现帮助AI规模化的目标，Maisa计划利用这笔资金将团队从5035人扩张至65人，预计在2026年第一季度前完成扩张以满足需求。从今年最后一个季度开始，该公司预计将迎来快速增长，开始为等待名单上的客户提供服务。Villalón表示:"我们将向市场展示，有一家公司正在兑现承诺，而且确实有效。"

面对95%企0万业AI项目失败率的严峻现实，Maisa AI的可问责智能体方案为企业AI应用提供了一条全新路径。这种强调透明度和监督能力的技术路线，或将成为企业级AI部署的新标杆。