ChatSee: una “failure intelligence layer” per agenti AI autonomi
ChatSee.AI Inc., startup specializzata in intelligence degli errori per sistemi AI autonomi, ha annunciato la chiusura di un round seed da $6,5 milioni. Il round è guidato da True Ventures, con la partecipazione di First Rays Venture Partners, Seven Hills Ventures e altri veterani del settore.
La tesi di ChatSee è chiara: gli agenti AI stanno già arrivando nelle imprese attraverso strumenti come Microsoft Copilot, Databricks Genie, Snowflake, Workday, OpenAI e Anthropic, oltre a un ecosistema crescente di progetti open-source. Tuttavia, mentre le aziende spostano gli agenti dalla fase pilota alla produzione, la sfida non è più costruirli e testarli in simulazione, ma fidarsi di loro con clienti reali e lavoro dipendente.
Colmare il “confidence gap”
“Che piaccia o no, l’AI è già nell’impresa”, ha dichiarato a SiliconANGLE il co-fondatore e CEO Sekhar Sarukkai>. “Tutti si rendono conto che è un’infrastruttura non deterministica, e non si può risolvere il problema dei fallimenti solo con i test”.
ChatSee introduce quella che definisce una “failure intelligence layer”: un modello progettato per osservare quando gli agenti falliscono, preservare il contesto circostante, catturare come i problemi vengono risolti e alimentare questa conoscenza per evitare che gli stessi errori si ripetano in futuro.
Sotto il cofano, ChatSee utilizza una tassonomia costruita su oltre 10.000 esempi reali di fallimenti di agenti enterprise, classificati in 157 categorie — dagli errori di tool-call ai fallimenti nelle fasi di scoping, ragionamento ed esecuzione.
Un “knowledge base” degli errori
L’idea è creare una base di conoscenza degli errori consultabile da tutti gli agenti del sistema. Quando un agente incontra un problema, viene corretto da un umano o fallisce una chiamata API ripetutamente, il sistema si autocorregge. Se le correzioni sono critiche o diventano un trend, vengono scritte in un’autorità centrale che altri agenti possono consultare come best practice future.
“L’intelligenza non viene persa”, spiega Sarukkai. “Continuiamo a costruire questa failure intelligence, sia dagli umani che dal nostro stesso giudizio”.
Questo approccio va oltre la semplice osservabilità: ChatSee vuole diventare un layer di memoria per ciò che è fallito, perché è fallito e come prevenirlo. In un panorama dove startup come Voker e Respan si concentrano rispettivamente su performance monitoring e observability proattiva, ChatSee punta sull’apprendimento continuo.
Il mercato degli agenti in produzione
Nei casi d’uso reali, gli agenti AI vengono già impiegati in e-commerce e servizi finanziari per decisioni critiche come validazione cataloghi, pricing, classificazione di transazioni e codici merce. Cosa succede quando un agente è sottilmente errato su un codice merce e l’errore si propaga? ChatSee vuole che la correzione umana si propaghi a tutti gli agenti del sistema.
Secondo il Dr. Eduard Amoroso, CEO di TAG-infosphere, “molti dei rischi più significativi dell’AI emergono a runtime quando gli agenti operano autonomamente. I sistemi probabilistici e adattivi rendono i test statici insufficienti, creando la necessità di una garanzia runtime continua”.
Con il settore che si muove verso agenti auto-apprendenti e auto-riparanti, ChatSee si posiziona come infrastruttura critica per la prossima generazione di sistemi AI enterprise.
Informazioni sull'autore
