Naïve zamknęła rundę finansowania serii A o wartości 28,5 mln USD, której przewodził Nexus Venture Partners. Pozyskane środki zostaną przeznaczone na rozwój platformy infrastrukturalnej, która umożliwia agentom AI zakładanie i prowadzenie działalności gospodarczej przy minimalnym udziale człowieka, co ma pomóc w rozwiązaniu problemu rosnących kosztów mocy obliczeniowej, hamujących adopcję autonomicznych agentów.

Dlaczego ten kapitał ma teraz znaczenie

Założenie firmy wciąż wiąże się z wypełnianiem dokumentów, otwieraniem kont bankowych i integrowaniem dziesiątek narzędzi SaaS. Dla programistów ta „mozolna praca” może zmienić obiecujący pomysł w utknięty projekt poboczny. Naïve odpowiada na to za pomocą pojedynczego API, które przekazuje te obowiązki agentowi AI, uwalniając założycieli, by mogli skupić się na produkcie i klientach, zamiast na formularzach prawnych i skrzynkach odbiorczych. Wyczucie czasu ma tu kluczowe znaczenie.

Jak działa platforma

Programista wywołuje API Naïve za pomocą ogólnego polecenia (promptu) – np. „załóż amerykańskie LLC dla narzędzia SaaS, które pomaga freelancerom zarządzać fakturami”. Platforma uruchamia wyspecjalizowanego agenta AI wyposażonego w prompty do narzędzi takich jak Cursor, Claude Code czy Codex. Agent wybiera stan, przypisuje kod branżowy, przygotowuje opis działalności i składa dokumenty rejestracyjne. Ludzie wciąż weryfikują zgodność z procedurami KYC/KYB i dokonują ostatecznej płatności, ale reszta – przygotowanie adresu e-mail, wirtualnej karty debetowej, numeru telefonu, zasobów chmurowych, konta Stripe i połączenia z QuickBooks – odbywa się automatycznie.

Poza rejestracją, Naïve oferuje szablony, które pozwalają agentom zajmować się SEO, budową szkieletu (scaffolding) aplikacji full-stack SaaS, księgowością, a nawet interakcją z aplikacjami mobilnymi za pomocą emulatora smartfona. Rezultatem jest zaplecze operacyjne typu „plug-and-play”, które można uruchomić za pomocą kilku linii kodu.

Trakcja rynkowa i rodzące się przypadki użycia

W ciągu sześciu miesięcy od publicznego debiutu, Naïve przyciągnęło ponad 30 000 klientów wśród programistów. Użytkownicy ci wprowadzili roczny przychód firmy (annual run-rate) na poziom niskich, dwucyfrowych milionów, co stanowi dziesięciokrotny wzrost w porównaniu z początkami. CEO i współzałożyciel Sean Dorje twierdzi, że najszybciej rosnącym segmentem są agencje automatyzacji AI – małe firmy sprzedające usługi oparte na agentach innym przedsiębiorstwom.

Przykłady z życia wzięte obejmują „beztwarzowe” kanały na TikToku, które masowo produkują filmy ze zwierzętami wygenerowane przez AI, autonomiczne usługi wynajmu samochodów zarządzające rezerwacjami i płatnościami bez personelu oraz niszowe produkty SaaS, które uruchamiają się, skalują i wyłączają na żądanie. Wszystkie one opierają się na tej samej kluczowej zdolności: agencie AI, który wykracza poza samo wykonywanie kodu, by orkiestrować zewnętrzne usługi.

Wąskie gardło techniczne: koszty wnioskowania (inference)

Uruchomienie modelu AI przy pojedynczym zapytaniu jest tanie, ale autonomiczny agent wymaga ciągłej pętli rozumowania, przywoływania pamięci i wywołań API. Dominują trzy czynniki kosztowe:

  • Cena wnioskowania (inference) – każdy token generowany przez duży model językowy (LLM) zużywa kredyty obliczeniowe.
  • Rozmiar okna kontekstowego – agenci często przechowują w pamięci duże fragmenty konwersacji lub stanu, co zwiększa liczbę tokenów.
  • Zasoby bezczynne – tradycyjne wdrożenia utrzymują maszynę wirtualną w gotowości (warm), nawet gdy agent jest nieaktywny, co generuje niepotrzebne koszty.

Naïve radzi sobie z każdym z tych czynników dzięki czterem filarom inżynieryjnym:

  1. Routing modeli – wysyłanie zapytań do najmniejszego i najtańszego modelu, który jest w stanie wykonać zadanie, oraz ponowne wykorzystywanie danych z rozumowania w późniejszym czasie.
  2. Systemy pamięci – dedykowana warstwa przechowuje kontekst biznesowy i udostępnia agentowi tylko to, czego potrzebuje w danym momencie.
  3. Orkiestracja i nadzór (governance) – podział pracy między wielu agentów, stosowanie barier ochronnych (guardrails) oraz opcjonalne zatwierdzenia przez człowieka (human-in-the-loop), aby zapobiec niekontrolowanym działaniom.
  4. Serverless agent runtime – uruchamianie agentów w lekkich środowiskach JavaScript, które włączają się na żądanie i natychmiast wyłączają, dzięki czemu użytkownicy płacą tylko za aktywną egzekucję.

Kontrargumenty i ryzyka

Koncepcja „firmy zarządzanej przez AI” jest wciąż w powijakach, a kilka wyzwań może spowolnić jej adopcję. Po pierwsze, zgodność regulacyjna różni się w zależności od jurysdykcji; Naïve zajmuje się obecnie zakładaniem amerykańskich spółek LLC, ale ekspansja międzynarodowa wymagałaby głębszych ram prawnych. Po drugie, poleganie na zewnętrznych dostawcach LLM tworzy zależność w zakresie cen i dostępności – każda nagła podwyżka cen mogłaby zniwelować przewagę kosztową Naïve. Po trzecie, etap „human-in-the-loop” przy procedurach KYC/KYB pozostaje wąskim gardłem; surowsza weryfikacja mogłaby osłabić obietnicę pełnej automatyzacji (end-to-end).

Krytycy ostrzegają, że w pełni autonomiczni agenci mogą popełniać błędy, które pozostaną niewykryte, dopóki nie spowodują strat finansowych. Warstwa nadzoru Naïve łagodzi to ryzyko, ale jej skuteczność stanie się jasna dopiero w momencie uruchomienia większych flot agentów.

Na co warto zwrócić uwagę

  • Expansion of model routing – success will be measured by how much the platform can shave off per-token cost without sacrificing answer quality.
  • Adoption beyond developers – if non-technical founders start using the API directly, Naïve could become a mainstream utility rather than a niche developer tool.
  • Regulatory developments – any change in U.S. incorporation law or fintech onboarding requirements could force the workflow to adjust.
  • Competitive responses – cloud providers and AI platform vendors may launch their own "agent-as-a-service" offerings, testing Naïve’s ability to stay ahead on price and integration depth.

Takeaway

Naïve’s $28.5 million raise bets on a future where entrepreneurship runs not on hand-typed code but on AI agents that create, manage, and scale a company with almost no human overhead. If the startup keeps inference costs low enough to be profitable at scale, it could become the hidden engine behind a new generation of "invisible" businesses.