ChatSee Raih US$6,5 Juta untuk Bangun ‘Memori Kegagalan’ Agen AI Enterprise

CLB.my.id - Ketika agen AI mulai dipercaya menangani tugas nyata di lingkungan enterprise, satu pertanyaan besar muncul: bagaimana jika agen itu gagal dan tidak ada yang tahu mengapa? ChatSee.AI, startup yang berfokus pada lapisan kecerdasan kegagalan untuk sistem AI otonom, baru saja mengumpulkan US$6,5 juta dalam pendanaan tahap awal untuk menjawab pertanyaan itu.

Pendanaan Dipimpin True Ventures

Ronde pendanaan ini dipimpin oleh True Ventures, dengan partisipasi dari First Rays Venture Partners, Seven Hills Ventures, dan sejumlah veteran industri teknologi. ChatSee mendefinisikan dirinya sebagai “failure intelligence layer”, yaitu infrastruktur yang dirancang khusus untuk mendeteksi, memahami, dan mempelajari kegagalan yang terjadi pada agen AI yang beroperasi secara otonom.

“Baik mereka suka maupun tidak, AI sudah ada di lingkungan enterprise,” ujar Sekhar Sarukkai, Co-founder dan CEO ChatSee, dalam wawancara dengan SiliconANGLE. Menurutnya, agen AI sudah tiba di depan pintu tim enterprise melalui berbagai jalur: Microsoft Copilot, Databricks Genie, Snowflake, Workday, OpenAI, Anthropic, hingga proyek internal dan open-source seperti OpenClaw, NemoClaw, dan Hermes.

Masalah Kepercayaan yang Belum Terpecahkan

Sarukkai menjelaskan bahwa saat perusahaan memindahkan agen dari tahap uji coba ke produksi, tantangan utamanya bukan lagi soal apakah mereka bisa membangun dan menguji agen dalam simulasi, melainkan apakah mereka bisa mempercayakan agen tersebut pada pelanggan dan pekerjaan karyawan yang sesungguhnya.

“Mereka semua menyadari bahwa ini adalah infrastruktur nondeterministik, dan mereka tidak bisa menguji jalan keluar dari kegagalan,” tambah Sarukkai. Pernyataan ini merujuk pada sifat dasar model bahasa besar (large language model/LLM) yang menghasilkan output berbeda-beda meskipun menerima input yang sama, sehingga metode pengujian tradisional tidak sepenuhnya bisa diandalkan.

ChatSee masuk ke industri ini untuk menjembatani “confidence gap” yang dialami perusahaan enterprise. Kesenjangan kepercayaan ini tercipta karena agen AI bekerja dengan cara yang berbeda dari perangkat lunak konvensional, di mana kegagalan bisa datang dari arah yang tidak terduga dan sulit direproduksi.

Ekosistem Agen yang Makin Kompleks

Pendanaan ini datang di saat ekosistem agen AI di lingkungan enterprise berkembang sangat pesat. Bukan hanya vendor besar seperti Microsoft, OpenAI, dan Anthropic yang menawarkan agen, tetapi juga startup-startup baru bermunculan untuk membangun lapisan infrastruktur di sekitarnya.

Startup seperti Voker membangun platform untuk memahami performa agen di lapangan, sementara Respan berfokus pada observabilitas proaktif dan analisis akar masalah di seluruh jalur percobaan agen. Monte Carlo Data juga meluncurkan fitur observabilitas AI yang menunjukkan bahwa vendor observabilitas data mulai memperluas jangkauan ke pemantauan input, output, dan kualitas AI.

ChatSee berbeda dari pendekatan tersebut karena berfokus pada “memori kegagalan”. Konsep ini berarti sistem tidak hanya mendeteksi ketika agen gagal, tetapi juga menyimpan dan mempelajari pola-pola kegagalan tersebut sehingga agen bisa memperbaiki diri atau setidaknya memberi peringatan dini kepada operator manusia.

Dampak untuk Pasar Indonesia

Di Indonesia, adopsi agen AI di kalangan perusahaan besar dan startup teknologi terus meningkat. Platform seperti GoTo, Tokopedia, dan berbagai fintech sudah mulai mengintegrasikan AI ke dalam operasional harian. Kehadiran ChatSee dan startup serupa menandakan bahwa industri mulai menyadari pentingnya infrastruktur pengawasan yang memadai untuk memastikan agen AI berjalan aman dan andal.

Bagi developer dan tim engineering di Indonesia yang mulai bereksperimen dengan agen AI, konsep “failure intelligence” ini relevan karena menawarkan cara sistematis untuk memahami dan mengatasi kegagalan tanpa harus kembali ke metode trial-and-error yang mahal dan memakan waktu.

Pendanaan ChatSee juga mencerminkan tren lebih luas di mana investor modal ventura mulai mengalihkan fokus dari “membangun agen” ke “mengelola agen” lapisan infrastruktur yang mendukung keamanan, keandalan, dan tata kelola sistem AI otonom di lingkungan produksi nyata.