ChatSee筹集650万美元，为企业AI代理构建“故障记忆”

ChatSee.AI Inc.，一家为自主人工智能系统提供故障智能层的公司，近日宣布获得650万美元的种子轮融资。本轮融资由True Ventures领投，参与方包括First Rays Venture Partners、Seven Hills Ventures及其他行业资深人士。公司联合创始人兼首席执行官Sekhar Sarukkai在接受SiliconANGLE采访时表示：“无论企业是否愿意，AI已经进入了企业领域。”

AI代理正通过微软Copilot、Databricks Genie、Snowflake、Workday、OpenAI、Anthropic以及内部构建等方式，逐步进入企业团队的日常工作。这还不包括日益增长的开源项目生态系统，如OpenClaw、NemoClaw、Hermes等。代理技术已成为运营现实。

随着企业将代理从试点转向生产，治理和控制的挑战已经从“能否在模拟中构建和测试”转变为“能否在真实客户和员工工作中信任它们”。Sarukkai补充道：“他们都意识到这是一个非确定性的基础设施，无法通过测试来消除所有故障。”

Sarukkai表示，ChatSee进入市场的目的是解决“信心差距”。该公司提供一种故障智能层——一种专门设计的模型，用于观察代理何时失败，保存相关上下文，捕捉问题修复方式，并将这些知识反馈给系统，使得未来的代理行动能够避免相同故障。其愿景不仅仅是可观测性，而是提供大规模的自学习和自适应能力。

在技术层面，ChatSee使用基于收集到的超过10,000个真实企业代理故障案例构建的分类体系，这些案例被分为157个类别。类别涵盖工具调用失败，以及范围界定、推理和执行等阶段的失败。这些分类将观测和故障纠正的范围从行业首个故障模式——幻觉——扩展到一系列同样微妙的其它问题。

近年来，业务团队已从使用AI驱动聊天机器人转向驱动完全自主的代理，这些代理能够自主行动、分解任务并处理长期活动。许多代理被直接整合到核心运营中，其中的微妙问题不易察觉；规模上的微小偏差若不加以处理，可能演变成大问题。Sarukkai说：“这些不是经典的一对一支持类代理，它们真正支撑着核心业务。”

在许多用例中，AI代理被部署在电子商务和金融服务领域，提供目录验证、定价、交易标签和商户代码分类等决策能力。若一个代理对商户代码出现细微错误并传播，会发生什么？当人类发现并纠正问题后，该纠正也需要传播到系统中运行的所有代理。Sarukkai解释道：“可以把它想象成一个故障知识库……代理可以在平台级别配置引用它。”

这意味着，如果系统中的任何一个代理遇到问题、被人类纠正、反复失败工具调用、行为变化导致API调用中断等，它会自我纠正。如果这些纠正非常关键或成为一种趋势，它们会被写入一个中央权威库，其他代理可以查询该库，从而成为未来的最佳实践。Sarukkai描绘了愿景：“智能不会丢失。我们继续构建这种故障智能，既来自人类，也来自我们自己的判断。”

ChatSee的核心主张是，企业正在构建和部署越来越多的AI代理，而围绕它们的工具层仍在追赶。Voker等初创公司正在构建平台以了解代理在现实中的表现，Respan则专注于主动可观测性和跨代理试验的根本原因分析。同样，Monte Carlo Data Inc.发布的AI可观测性产品表明，数据可观测性供应商正在扩展到AI输入、输出和质量监控。

研究与咨询公司TAG-infosphere Inc.首席执行官Eduard Amoroso博士表示：“许多最重大的AI风险在运行时出现，因为代理是自主运行的。由于这些系统是概率性和适应性的，仅靠静态测试是不够的。这推动了对跨企业工作流的持续运行时保证的需求。”

ChatSee认为，趋势是从可观测性（告诉团队发生了什么）和评估（告诉团队代理表现如何）转向构建故障记忆层——记录故障是什么、为什么发生以及如何预防再次发生。行业正朝着自学习和自愈代理发展，随着更多代理协作、群集工作以及与人类共事，将会有更多机会让代理通过协作来避免过去的错误。