NeoCognition привлекла $40 млн на создание надежных ИИ-агентов

Профессор Университета штата Огайо Ю Сю вывел свою лабораторию NeoCognition из скрытого режима, получив 40 миллионов долларов на решение главной проблемы нейросетей — их фатальной ненадёжности. Стартап планирует заменить универсальных ИИ-помощников специализированными агентами, которые обучаются на опыте внутри конкретной бизнес-среды, а не просто копируют интернет-тексты.

Инвестиционный раунд возглавили тяжеловесы индустрии: от гендиректора Intel Лип-Бу Тана до сооснователя Databricks Иона Стойки. К ним присоединились ведущие исследователи из крупнейших технологических институтов. Такой интерес объясняется репутацией основателя — Ю Сю годами руководил академическими исследованиями агентных систем, прежде чем решился на коммерциализацию. По его мнению, индустрия упёрлась в потолок: современные LLM-агенты ошибаются почти в половине случаев, оставаясь нестабильными «универсалами» без глубокого понимания контекста.

Вместо того чтобы просто скармливать моделям больше данных, NeoCognition внедряет концепцию специализации через опыт. Инженеры создают внутреннюю модель мира, которая позволяет ИИ учитывать правила и ограничения конкретной рабочей среды. Это напоминает человеческое обучение, где прикладная экспертиза и способность адаптироваться к новым условиям ценятся выше энциклопедических знаний. Система не просто выполняет команды, а постепенно накапливает контекстный багаж внутри организации, со временем становясь более автономной и предсказуемой.

Сейчас в штате лаборатории работают 15 специалистов, подавляющее большинство из которых имеют докторские степени. Стартап не планирует конкурировать с разработчиками гигантских базовых моделей, а метит в прикладной корпоративный сегмент. Продукт ориентирован на SaaS-платформы, где ИИ-агенты смогут бесшовно встраиваться в существующие бизнес-процессы и улучшать их изнутри. Финансирование в размере 40 миллионов долларов подтверждает новый тренд рынка: инвесторы перестают гнаться за масштабом нейросетей, отдавая приоритет их надёжности в реальных сценариях.