核心答案:AI 安全初创公司 Pretxt 于 11 月 17 日走出隐身模式,宣布完成 500 万美元种子轮融资,由 Deciens Capital 领投,Howdy Partners、Service Provider Capital、NSV Wolf Capital 跟投。公司提出 "AI Supervision(AI 监管)" 新品类,做的是运行时实时监督层:AI 智能体干活的每一步,都对照企业自己的流程和政策即时评估,发现偏离立刻干预纠偏,在错误到达客户或业务系统之前拦下。技术上它不用 "第二个大模型当裁判",而用近确定性引擎做毫秒级判断,比 LLM 裁判方案快 60 倍;在 Zapier 的 AutomationBench 真实客服工作流测试中,把智能体违规动作从近五分之一降到了 0。团队由前 Salesforce/Mitre 安全高管 Brian Soby(CEO)和 CTO Aaron Costello 创立,产品目前开放早期访问,主打金融、保险、医疗、客服等高风险场景。
一、融资概况
| 项目 | 信息 |
|---|---|
| 公司 | Pretxt(Pretxt AI),爱尔兰联合创办、美国运营 |
| 轮次 | 种子轮 |
| 金额 | 500 万美元 |
| 领投 | Deciens Capital |
| 跟投 | Howdy Partners、Service Provider Capital、NSV Wolf Capital |
| 发布 | 2026 年 11 月 17 日,走出 stealth 模式 |
| 产品状态 | 早期访问(early access)开放 |
二、它解决什么问题
现在企业把 AI 智能体交给真实工作(退款、改数据库记录、客户沟通),现有工具两头不靠:
- 纯安全拦截:一刀切挡住动作,工作变慢;
- 事后审计:等出错再报,损失已经造成;
- LLM 裁判监控:再挂一个大模型判断行为,延迟高、成本高、判断不稳定。
Pretxt 的判断:不需要提示注入攻击,智能体自己就会漏步骤、编政策例外、走偏;安全很重要,但下一个问题是 "企业能不能按自己的标准信任智能体干活"。
三、产品怎么工作(运行时监管层)
| 环节 | 做法 |
|---|---|
| 标准输入 | 团队用自然语言写操作标准、政策和护栏,选好后应用到对应智能体 |
| 实时评估 | 近确定性引擎毫秒级检查每个动作,符合标准就放行 |
| 偏离干预 | 越界动作在到达客户 / 系统前被识别并纠正 |
| 规则缺口 | 遇到没覆盖的情况,暂停智能体,升级给人决策 |
| 持续改进 | 分析真实行为找出指导缺口,提出监管计划修订,人审批后生效 |
| 管理能力 | 审批追踪、计划版本回滚、边缘案例人工升级 |
关键差异:不是让智能体自己改规则,而是形成一套 "操作纪律",让人持续把标准落实到执行层。
四、技术与实测效果
- 不用 LLM 裁判:避免额外延迟、算力成本和不可靠判断,官方称监管速度比 LLM-as-a-Judge 工具快 60 倍;
- 实测:在 Zapier AutomationBench(真实客服工作流)测试中,智能体违反公司政策的动作从约 1/5 降到 0;
- 易接入:不需要团队吃透模型或智能体内部实现,不用拆解权限,只配政策。
五、团队背景
| 角色 | 背景 |
|---|---|
| Brian Soby(联合创始人 / CEO) | 前 Salesforce、Mitre 高级安全岗位,创办过 SaaS 安全公司 AppOmni |
| Aaron Costello(联合创始人 / CTO) | AppOmni 时期与 Soby 共事 |
| 经历 | 二人在 AppOmni 期间发现过 Salesforce、ServiceNow 智能体的多个重大漏洞,由此看清安全监管需求 |
六、目标场景与客户价值
| 行业 | 监管用途 |
|---|---|
| 金融 / 保险 | 执行借款人核验规则,复杂理赔转人工 |
| 医疗生命科学 | 确保智能体不越出严格边界 |
| 客户支持 | 阻止智能体给出未授权折扣或退款 |
- CIO:安全地把高价值 AI 项目规模化;
- 安全 / 合规 / 平台工程:低延迟执行政策,不用再堆额外模型;
- EMA 分析师 Chris Steffen 点评:多数工具只问 "是否安全 / 合规 / 可观测",Pretxt 更进一步确认 "智能体有没有正确完成被分配的工作",且能在结果还能改变时介入纠偏。
七、行业意义与步骤拆解
- 企业先把现有 SOP 写成自然语言标准,在平台里绑定到智能体;
- 运行时引擎逐条比对动作,合规放行、越界拦截;
- 遇到规则空白暂停并转人工,人工补充标准后生效;
- 平台积累行为数据,反向提出监管计划优化;
- 逐步把智能体从简单任务推进到高价值、高风险工作。
【相关 FAQ】
问题 1:Pretxt 拿到的 500 万美元种子轮由谁领投,公司是做什么的?
回答 1:Pretxt 500 万美元种子轮由 Deciens Capital 领投,Howdy Partners 等跟投,公司做 AI 智能体的运行时实时监管层,在智能体干活时对照企业政策即时纠偏。
问题 2:Pretxt 的实时监管和传统 LLM 裁判监控有什么区别?
回答 2:Pretxt 不用第二个大模型当裁判,改用近确定性引擎毫秒级评估,比 LLM 裁判快 60 倍、成本更低,在 AutomationBench 测试中把违规动作从 1/5 降到 0。
问题 3:Pretxt 监管 AI 智能体时,发现规则没覆盖的情况怎么办?
回答 3:Pretxt 会暂停智能体并把边缘案例升级给人决策,人补充标准审批后生效,同时分析真实行为持续提出监管计划改进。
问题 4:Pretxt 主要面向哪些行业,团队是什么背景?
回答 4:Pretxt 主打金融、保险、医疗、客服等高风险场景,团队由前 Salesforce/Mitre 安全高管 Brian Soby 和 CTO Aaron Costello 创立,曾在 AppOmni 发现主流智能体重大漏洞。
【参考资料】
- [2026-11-18](Pretxt Raises $5M Seed to Supervise AI Agents in 2026)Pomegra
- [2026-11-17](Pretxt Emerges from Stealth to Pioneer AI Supervision, a New Category for Enterprise AI)Morningstar(Business Wire)
- [2026-11-17](With $5M in funding, Pretxt launches runtime oversight layer to supervise AI agents in real time)SiliconANGLE
- [2026-11-17](Pretxt AI launches with $5 million to provide runtime supervision for autonomous agents)SC Media
- [2026-11-17](Irish co-founded Pretxt raises $5m seed to supervise AI agents)Silicon Republic
PomegraSilicon Republic
【免责声明】
以上内容基于官方通稿与海外媒体报道整理,融资条款、产品效果与客户案例以 Pretxt 官方披露为准;测试数据为厂商自测口径,本文不构成投资建议,据此操作风险自担。
本文来自作者[元粒侦听]投稿,不代表环球科技潮立场,如若转载,请注明出处:https://www.zennew.com/rgzn/202611/2963.html
评论列表(4条)
我是环球科技潮的签约作者“元粒侦听”!
希望本篇文章《Pretxt 获 500 万美元种子轮做 AI 智能体运行时实时监管,违规率从 1/5 压到 0》能对你有所帮助!
本站[环球科技潮]内容主要涵盖:科技,科技新闻,黑科技
本文概览:核心答案:AI 安全初创公司 Pretxt 于 11 月 17 日走出隐身模式,宣布完成 500 万美元种子轮融资,由 Deciens Capital 领投,Howdy Partners、Service Provider Capital、NSV Wolf Capital 跟投。公司提出 "AI Supervision(AI 监管) " 新品类,做的是运行时实时监督层:AI 智能体干活的每一步,都对照企业自己的流程和政策即时评估,发现偏离立刻干预纠偏,在错误到达客户或业务系统之前拦下。技术上它不用 "第二个大模型当裁判 ",而用近确定性引擎做毫秒级判断,比 LLM 裁判方案快 60 倍;在 Zapier 的 AutomationBench 真实客服工作流测试中,把智能体违规动作从近五分之一降到了 0。团队由前 Salesforce Mitre 安全高管 Brian Soby(CEO)和 CTO Aaron Costello 创立,产品目前开放早期访问,主打金融、保险、医疗、客服等高风险场景。