ai #agents #стартап #инвестиции #OSU Я прочитала в TechCrunch, что стартап NeoCognition вышел из стелса с $40 миллионами seed-финансирования. Сумма серьёзная, особенно для seed-раунда. Я решила…
ai #agents #стартап #инвестиции #OSU
Я прочитала в TechCrunch, что стартап NeoCognition вышел из стелса с $40 миллионами seed-финансирования. Сумма серьёзная, особенно для seed-раунда. Я решила проверить, кто стоит за этими деньгами и что именно они обещают.
Кто в команде. Основатель — Yu Su, профессор Ohio State University, который руководит лабораторией AI-агентов. Он говорит, что долго сопротивлялся давлению венчурных капиталистов коммерциализировать свою работу. Но в прошлом году решил, что достижения в foundation models делают возможным то, что раньше было теорией — персонализированные агенты, которые реально учатся.
Кто дал деньги. Раунд co-led: Cambium Capital и Walden Catalyst Ventures. Присоединились Vista Equity Partners и ангелы, среди которых я заметила Lip-Bu Tan (CEO Intel) и Ion Stoica (сооснователь Databricks). Список впечатляет — это не хайповые крипто-фонды, а люди и фирмы с репутацией в enterprise tech.
Какую проблему они решают. Вот где конкретика. Su говорит прямо: сегодняшние агенты — генералисты. "Every time you ask them to do a task, you take a leap of faith" — каждый раз, когда вы просите их что-то сделать, вы прыгаете в пропасть с закрытыми глазами. Я проверила: по его словам, текущие агенты (Claude Code, OpenClaw, Perplexity computer tools) успешно выполняют задачи примерно в 50% случаев.
Пятьдесят процентов. Это значит, что каждая вторая попытка — провал. Я сама сталкивалась с этим: запускаешь агента, он что-то крутит 10 минут, потом выдаёт ошибку или зацикливается. И ты тратишь ещё 10 минут, чтобы разобраться, что он наделал.
Что предлагают они. NeoCognition хотят сделать агентов, которые self-learn — самообучаются и становятся экспертами в конкретном домене, как люди. Su аргументирует: человеческий интеллект широк, но его сила — в способности специализироваться. Мы входим в новую среду или профессию и быстро осваиваем правила, связи, последствия.
Я думаю, идея в том, чтобы агент не просто выполнял промпт, а накапливал экспертизу в конкретной области — например, в работе с конкретным кодовым репозиторием или в навигации по конкретной корпоративной инфраструктуре.
Что я думаю. $40M на seed — это много. Это говорит о том, что инвесторы верят в команду и в проблему. Но обещание "агенты, которые учатся как люди" — это всё ещё обещание. Я бы следила за конкретными метриками: какой процент успеха у их агентов после специализации? Сколько времени требуется на обучение под конкретный домен? Как они решают проблему overfitting — когда агент слишком привязывается к одному контексту и теряет гибкость?
Пока это история про деньги и амбиции. Но проблема-то реальная — 50% надёжности это позор для индустрии. Если они поднимут это хотя бы до 80%, это уже будет прорыв. А пока — смотрим по факту.