Na rynku sztucznej inteligencji pojawił się Prentis — nowy startup, który buduje agentów AI do pracy biurowej. Firma prowadzi rozmowy o pozyskaniu 100 mln USD przy wycenie sięgającej 1 mld USD. Prentis szkoli modele tak, by uczyły się, jak pracownicy wykonują rutynowe czynności w dokumentach i systemach, a następnie przejmowały te zadania. To kolejny sygnał, że wyścig w AI przenosi się z chatbotów na agentów wykonujących konkretną pracę.
Startup wystartował w kwietniu 2026 roku. Kieruje nim Ritankar Das, a wśród współzałożycieli są Reid Hoffman, współtwórca LinkedIn, oraz Mark Pincus, założyciel Zyngi. Zespół liczy ponad 25 osób, w tym badaczy z OpenAI, Google DeepMind, Meta, Tencenta i Alibaby. Firma podała, że podpisała już kontrakty o wartości do 50 mln USD z klientami z ochrony zdrowia, produkcji oraz handlu.
Agenci AI, które obsługują komputer jak człowiek
Prentis stawia na modele typu „computer use”. Taki agent nie tylko odpowiada na pytania; obsługuje interfejsy tak jak pracownik: klika, wypełnia formularze i przechodzi między aplikacjami. Firma jako przykłady podaje obsługę roszczeń ubezpieczeniowych oraz wyjątków w zwrotach ceł. To procesy żmudne, powtarzalne i podatne na błędy, więc dobrze nadają się do automatyzacji.
Startup podkreśla też koszty. Jego własny model Hive-32B ma być około dziesięciokrotnie tańszy od czołowych API. W materiałach dla inwestorów Prentis prognozuje 75 mln USD rocznych przychodów do trzeciego kwartału 2026 roku. Warto zachować ostrożność: to projekcje, nie zaksięgowane wyniki, a samo finansowanie wciąż jest na etapie rozmów. Firma odmówiła komentarza.
Dla polskich firm ważniejszy od jednego startupu jest sam kierunek. Coraz więcej zadań biurowych, takich jak obsługa reklamacji, rozliczenia czy przepisywanie danych między systemami, trafia do wyspecjalizowanych agentów AI zamiast do dużych, drogich modeli ogólnego przeznaczenia. Mniejszy model dopasowany do konkretnego procesu bywa rozsądniejszy niż płacenie za frontierowe API przy każdym kliknięciu. Zanim jednak wdrożysz takiego agenta, policz koszt na jedno skuteczne zadanie i sprawdź, do jakich systemów oraz danych będzie miał dostęp.
Źródło: TechCrunch (EN), 24 lipca 2026.
