Стартап обещает превратить наблюдение за экранами сотрудников в главный актив бизнеса
Корпоративный ИИ переживает кризис доверия. Пилоты не окупаются, агенты сбоят, а сотрудники подозрительно косятся на очередной «умный» инструмент. Компании тратят миллиарды, но Gartner уже насчитал лишь 8% реально работающих ИИ-агентов. Однако стартап Skan AI уверен: проблема не в моделях, а в том, что они слепы. Решение? Наблюдать за тем, как сотрудники реально работают, и превращать это в контекст для ИИ.
На этой неделе Skan AI объявила о привлечении $63 млн — раунд возглавили Cathay Innovation и Dell Technologies Capital. Компания придумала «навигационную систему» для корпоративного ИИ: вместо того чтобы учить модель быть умнее, она объясняет ей, как устроена ваша компания. Идея уже принесла клиентам более $500 млн экономии. Внутри — разбор того, почему экраны сотрудников стали главным источником правды для машинного обучения.
Skan AI привлекает $63 млн для создания «навигационной системы» корпоративного ИИ
Skan AI, семилетний стартап, который делает ставку на наблюдение за тем, как сотрудники на самом деле выполняют свою работу, привлек $63 млн в раунде Series C. Возглавили раунд Cathay Innovation и Dell Technologies Capital. Приличная сумма даже по меркам Automation Company, для которой это далеко не первый успех: с учетом всех предыдущих вливаний общий объем финансирования за семь лет достиг отметки примерно $120 млн. Деньги — это приятно, но куда интереснее, на что их потратят.
Тише деньги, громче продукты. Компания объявила о выходе двух новинок: Skan AI Blueprint и Skan AI Agents. Вместе с уже существующим Skan AI Intelligence они складываются в единую платформу, которая занимается обнаружением, моделированием и автоматизацией корпоративных рабочих процессов. Проще говоря, Skan обещает дать бизнесу полный цикл — от разведки на местах до внедрения автоматизации.
Глава компании Авинаш Мишра во время анонса выдал отличную метафору: «Все одержимы созданием лучшего водителя. Мы думаем, что более крупная возможность — создать лучшую навигационную систему». В этом вся суть подхода Skan — не просто добавить ума искусственному интеллекту, а объяснить ему, как на самом деле устроена конкретная организация. Ведь какой смысл в самом быстром и умном водителе, если у него нет карты местности?
Почему корпоративный ИИ терпит неудачу и как Skan видит скрытую работу
Корпоративный ИИ сейчас переживает примерно ту же фазу, что и высокобюджетные блокбастеры после провального сиквела: денег потрачено вагон, а в кинотеатрах пусто. Gartner посчитал, что лишь 8% предприятий довели ИИ-агентов до продакшена. Остальные 92% так и копошатся в песочницах. Хуже того: 95% ранних внедрений потребуют полной переделки. Это примерно как выпустить игру в раннем доступе, озолотить маркетологов, а потом понять, что ядро геймплея сломано.
Отчет MIT, на который ссылалась Fortune, добавляет масла в огонь: порядка 95% корпоративных пилотных проектов генеративного ИИ не приносят измеримой отдачи. Красивые демо, восторженные отчеты — и тихий откат на обочину. Почему так происходит? Авинаш Мишра, соучредитель и CEO Skan AI, считает, что проблема не в моделях, а в том, что им скормили.
Документация лжет, агенты умирают
Стандартный рецепт заземления ИИ-агентов выглядит обманчиво просто: берем process documentation, стандартные операционные процедуры, логи систем — и скармливаем модели. Мишра называет это фикцией. Реальная работа в крупной корпорации отличается от задокументированной примерно так же, как геймплей на E3 отличается от релизной версии. Одни и те же названия, но по факту — совсем другая история.
Именно в расхождении между тем, как процесс описан, и тем, как он протекает на самом деле, агенты и рассыпаются. В документации нет ни исключений, ни спонтанных решений, ни неформальных передач дел между отделами. А система, которая видит только официальные бумаги, слепнет ровно тогда, когда начинается живая работа.
Смотреть на экран — видеть работу
Skan заходит с другой стороны. Технология компании разворачивается прямо на рабочих столах сотрудников и непрерывно наблюдает, как работа перетекает между приложениями: электронная таблица, CRM, почтовый клиент, древний мейнфрейм. Не по документам, а по факту. Экран — единственное место, где сходятся человеческая инициатива, весь ландшафт софта и решающие данные.
Мишра подчеркивает: логи систем фиксируют только завершенные транзакции, то есть некий итог. А сама работа — это то, что происходит между этими итогами. По его оценке, 80% интересующих данных об исполнении работы лежит между системами, а не в них самих. Пока вы читаете дампы и выгрузки, реальный процесс ускользает.
Самое сложное, по словам Мишры, — не наблюдение. Смотреть на экран может любой менеджер. Трудность в том, чтобы превратить увиденное в модель: извлечь интенты, понять, почему сотрудник вернулся к началу — начался новый кейс или он переделывает испорченный. Человек считывает это мгновенно, а вот научить модель работать в масштабе предприятия — задача, на которую у Skan ушло семь лет.
Именно на этом поле Skan надеется обойти всех, кто пытается использовать AI Artificial Intelligence без карты реального мира.
Конфиденциальность и этика: как Skan избегает превращения в слежку
Любая система, которая сутками пялится в экраны сотрудников, рано или поздно упирается в вопрос: а это вообще законно? Гипотетической проблемой это не назвать. Прошлым летом Reuters писало, что Meta* свернула внутренний инструмент, отслеживающий клики мыши работников — те возмутились, и корпорации пришлось отступить. Показательно, что даже компании, помешанные на ИИ, боятся переступить грань между полезной телеметрией и тотальной слежкой.
Соучредитель Skan Авинаш Мишра, по его словам, услышал это возражение еще до того, как написал первую строчку кода. Когда он пришел с идеей к Дельфин Икар, тогдашнему директору по трансформации AXA Mexico, та ответила без обиняков: «Звучит здорово, но ты мертв на взлете. Ты собираешься наблюдать за тем, за чем не следует — за приватностью моих операторов и суверенитетом данных, которые отображаются на их экранах».
Как Skan обходит собственный страх слежки
Этот разговор, по словам Мишры, определил архитектуру платформы. Skan не следит за отдельным человеком. Система собирает статистические паттерны по сотням работников, выполняющих один и тот же процесс. «Нам не важно, что Джон делает в 10:43, — иронизирует CEO. — Нам важно, что делают сотни Джонов вместе: какие статистические и смысловые решения они принимают в бизнес-процессе».
Контроль за тем, что именно видит технология, остается за организацией. Через opt-in модель можно ограничить наблюдение конкретными приложениями и URL-адресами — и ничем больше. А произведенные данные вообще не покидают корпоративный брандмауэр: трехуровневая архитектура отправляет в облако только анонимизированные метаданные.
Skan даже получила добро от европейских производственных советов — пожалуй, самых параноидальных защитников приватности в мире труда. Мишра утверждает, что их одобрение помогает проходить проверки безопасности в банках, куда большинство ИИ-инструментов даже не пускают на порог.
Впрочем, полностью снять этический вопрос агрегация не может. Какой бы обезличенной ни была статистика, она отлично показывает, какие команды работают хуже остальных. Мишра честно признает: некоторые клиенты использовали данные Skan для сокращения штата в отдельных процессах. Так что вопрос «слежка или телеметрия» так и остается открытым.
Доказанная эффективность: $500 млн ценности и автоматизация банковских процессов
Миллиарды на бумаге: что на самом деле стоит за цифрой $500 млн
С любой историей про венчурные деньги всегда возникает один и тот же вопрос: а работают ли эти штуки вообще? Показатели вроде «совокупной ценности» — это та скользкая дорожка, где маркетинг встречается с бухгалтерией, и они смотрят друг на друга, как незнакомцы в лифте. Skan заявляет о более чем $500 млн накопленной ценности для своих клиентов, но сам генеральный директор Авинаш Мишра честно признает: это не кэш на счетах. Это карта ожидаемой экономии, найденных возможностей и тех самых «узких мест», которые компания только подсветила. Часть этих денег уже реализована, но значительная доля — это пока лишь обещание, которое клиентам предстоит забрать через реинжиниринг процессов и автоматизацию.
И все же за этим абстрактным «полумиллиардом» стоят вполне осязаемые кейсы. Возьмем один из крупнейших банков США. Skan притащила туда свою обсерваторию, усадила перед экранами 1500 финансовых специалистов и насчитала 11,2 млн переключений контекста. Только вдумайтесь в эту цифру: миллионы раз люди бросали одну задачу и прыгали в другую систему, теряя секунды и минуты на «перезагрузку» мозга. Выявленное операционное трение потянуло на $37 млн — сумма, от которой у любого CFO дергается глаз. Этого оказалось достаточно, чтобы использовать контекст для перестройки процессов. Итог: стоимость транзакции рухнула на 32%, пропускная способность подскочила на 41%, а годовая экономия составила $18 млн. Неплохо для старта, верно?
Банкиры, алгоритмы и точность, от которой не по себе
Самый сочный кейс, впрочем, лежит в зоне, где ошибки стоят дорого, — в борьбе с отмыванием денег. В одном из банков 60% случаев в операции по противодействию отмыванию денег теперь разбирают ИИ-агенты. Skan утверждает, что точность этих агентов многократно превосходит человеческую. Мишра, кстати, сам признался, что был удивлен результатом: спор об эффективности плавно перетек в спор о качестве. Раньше казалось, что человек выигрывает за счет интуиции, а теперь выясняется, что алгоритм, обученный на тысячах реальных кейсов, просто не устает и не теряет бдительность к концу смены.
В страховании картина не менее радужная для Skan. Там компания обычно выжимает около 25% повышения производительности в ключевых процессах урегулирования убытков. А один из клиентов и вовсе сотворил магию: удвоил объем обрабатываемых дел за год, не наняв ни одного нового специалиста. Представляете разговор с финансовым директором: «Вы не уволили людей, вы просто... замедлили время». Звучит как фантастика, но именно такие цифры Skan кладет на стол переговоров.
Среди публичных клиентов, которыми можно козырять, — Unum, гигант в сфере льгот для сотрудников с капитализацией под $14 млрд, и британская Mitie. Технологический директор последней, Сиджо Джозеф, рассыпается в комплиментах: мол, Skan дает «беспрецедентную операционную видимость», которая ускорила ИИ-трансформацию. Приятно, когда клиенты поют дифирамбы, но еще приятнее, когда они платят. Сама Skan, по слухам, выросла более чем на 300% год к году второй год подряд, а чистая доля удержания держится около 150%. Это значит, что существующие клиенты не только не сбегают, но и расширяют аппетиты, докупая новые модули через Automation.
География клиентов тоже впечатляет: семь из десяти крупнейших банков США и четверть компаний из списка Fortune 50. Аудит по-крупному. Это уже не песочница для стартапов, а тяжелая артиллерия, вкатившаяся в корпоративные окопы. Кто-то скажет, что следить за экранами сотрудников — жуть, но когда вам показывают 41% роста пропускной способности и $18 млн экономии, этические сомнения почему-то быстро съеживаются и прячутся в углу.
Конкурентная борьба и стратегия: почему контекст работы станет главным активом
Рынок, на который заходит Skan AI, давно поделён между гигантами process mining вроде Celonis, RPA-платформами типа UiPath и экосистемами ServiceNow, Salesforce и Microsoft. Но Авинаш Мишра убеждён: все они видят лишь часть картины. Process mining вытаскивает данные из системных логов, но логи фиксируют только завершённые транзакции. RPA-боты записывают клики и повторяют их, не понимая смысла. Платформенные гиганты выпускают агентов, чей кругозор упирается в собственные приложения.
«Контекст, доступный таким агентам, ограничен ServiceNow или Salesforce, — объясняет Мишра. — Но работа пронизывает процессы повсюду. Создать запись клиента — это задача. Получить письмо и решить, надо ли вообще создавать запись, — вот это процесс. Именно за этим мы охотимся».
Работа как язык: метод Skan AI
На вопрос, чем его подход отличается от конкурентов, Мишра отвечает отсылкой к OpenAI. «OpenAI взял весь объём текстов и скормил его трансформеру — так появилось семантическое понимание. Модель видела плохой и хороший язык, но всё равно научилась смыслу». Skan делает то же самое с работой: процесс — это язык, где шаги, экранные элементы и передачи между людьми становятся словами и предложениями. Модель обучается на всех вариантах исполнения — быстрых, медленных, ошибочных — и лишь затем компания вводит свои ограничения.
«Это не запись и воспроизведение. В этом фундаментальное отличие от многих наших конкурентов, включая UiPath. Мы создаём ИИ-модель, которая понимает работу, а затем ограничиваем её», — подчёркивает Мишра. Кстати, самый длинный путь вовсе не обязательно худший: он может быть самым комплаенс-дружелюбным, и Skan умеет это учитывать.
Контекст как новый актив
Стратегическая ставка Skan — дифференциация в мире, где у всех есть одни и те же фундаментальные модели. «Если у всех страховых компаний и банков будут одинаковые модели, результаты сойдутся к одному знаменателю, — говорит Мишра. — Исторически вы конкурировали за счёт того, как организована ваша работа. Это старое слово „процесс“ теперь возвращается в виде контекста для ИИ. Но этот контекст принадлежит вам. Он не часть модели».
Именно поэтому Skan не собирается конкурировать с создателями моделей. «Чем успешнее они, тем больше у нас возможностей». Зато компания тесно связалась с Nvidia: Skan работает на Nvidia AI Enterprise и микросервисах NIM, а клиенты всё чаще запрашивают частные устройства, которые могут наблюдать за работой, хранить контекстную модель и гонять агентов прямо в собственной инфраструктуре.
Инвесторы уже прогнозируют: в 2026 году компании потратят на ИИ больше, но выберут меньше поставщиков. Такая консолидация — на руку Skan с его замкнутым циклом из открытия, аналитики и агентов. А уж с ростом автоматизации, иронизирует Мишра, контроля станет только больше: «Агенты потребуют наблюдения так, как людям и не снилось».
Венчурный партнёр Cathay Innovation Саймон Ву уже назвал Skan «одной из определяющих платформенных компаний следующего десятилетия». Генеральный директор формулирует суть так: «Вы не можете получить контекст, который не захватываете. Битва смещается от самой умной модели к знанию того, как реально работает ваша компания, — ведь самая умная модель будет у всех».
Пока одни гонятся за лучшим водителем, Skan делает ставку на карту. Инвесторы, судя по всему, готовы платить именно за неё.
Пока большие лаборатории соревнуются в размерах контекстных окон, Skan предлагает копнуть в другую сторону — навести порядок в собственном бэк-офисе. Хочется верить, что победит не тот, у кого больше параметров, а тот, кто наконец понял, как устроен бизнес изнутри. Свежий раунд от Dell Technologies Capital и Cathay Innovation — весомый аргумент в пользу этой теории.