تجمع Plato تمويلًا بقيمة 16 مليون دولار في جولة من الفئة «أ» لبناء أماكن عمل محاكاة لوكلاء الذكاء الاصطناعي

جمعت Plato تمويلًا بقيمة 16 مليون دولار في جولة من الفئة «أ» لبناء أماكن عمل محاكاة تتدرب فيها نماذج الذكاء الاصطناعي على استخدام البرمجيات، والتنقل بين قرارات الأعمال، وإنجاز المهام المعقدة قبل تشغيلها في أنظمة حية. وقادت Nava Ventures الجولة، بمشاركة Gradient Ventures وTranspose Platform وMustafa Suleyman، الرئيس التنفيذي لشركة Microsoft AI.

يرفع هذا التمويل إجمالي تمويل Plato إلى 19 مليون دولار، بعد جولة تمويل تأسيسية قادتها Gradient Ventures. وينضم Freddie Martignetti، مؤسس Nava Ventures، إلى مجلس الإدارة. تأسست Plato عام 2025، وتتخذ من سان فرانسيسكو مقرًا لها، وستستخدم رأس المال لتوسيع مكتبتها من بيئات العمل والخبرات المتاحة لمطوري الذكاء الاصطناعي.

يستهدف هذا الاستثمار قيدًا عمليًا يواجه الانتقال من روبوتات المحادثة إلى الوكلاء: فإنتاج إجابة مقنعة وإنجاز مهمة قدراتان مختلفتان. ويتعين على الوكيل الذي يتولى عملية شراء، أو حالة دعم، أو سير عمل محاسبي، استخدام الأدوات المناسبة، والتوفيق بين المعلومات، ومراعاة القيود، وترك السجلات الأساسية في الحالة الصحيحة.

مكان للتدرب دون تغيير السجلات الحية

قد يؤدي تدريب وكيل داخل نظام أعمال حقيقي إلى عواقب قبل أن يصبح مستعدًا. فقد تنفق مهمة شراء أموالًا، في حين يمكن لسير عمل إداري أن يغيّر سجلًا حقيقيًا لعميل أو موظف. وتعيد Plato إنشاء مسارات العمل هذه في بيئات معزولة يستطيع المطورون إعادة ضبطها واستخدامها من جديد.

قال Robert Farlow، الشريك المؤسس والرئيس التنفيذي لشركة Plato، في الإعلان: «إن إتقان العمل المعقد في الواقع يأتي من اكتساب الخبرة عبر أداء تلك المهام». وتهدف عمليات المحاكاة التي تجريها الشركة إلى تجسيد الأدوات والقرارات والمواقف غير المتوقعة التي تجعل العمل المهني صعبًا.

تعمل Plato مع خبراء في مجالات تخصصهم لإعادة إنشاء مهام في دعم العملاء، وإدارة شؤون الموظفين، والتمويل، والمحاسبة، والإدارة الصحية. ويمكن لمختبرات الذكاء الاصطناعي استخدام البيئات الناتجة في التعلم المعزز، حيث تحاول النماذج إنجاز المهام وتتعلم من الملاحظات عبر تكرار التجربة، وكذلك لتقييم أدائها.

من محاكيات البرمجيات إلى مسارات العمل القابلة للتحقق

يصف موقع الشركة الإلكتروني Plato بأنها مختبر أبحاث تطبيقية يحوّل البرمجيات والبيانات الواقعية إلى بيئات لتدريب الوكلاء وتقييمهم. وينشئ سير العمل التوضيحي للمطورين جلسة تضم عدة محاكيات، ويحمل مهمة، ويشغّل وكيلًا، ثم يقيّم مسار التنفيذ الناتج. ويجمع المثال بين محاكيات GitHub وJira وStripe، موضحًا كيف يمكن لمهمة واحدة أن تشمل عدة أدوات.

يوفر هذا الهيكل للمطورين وحدة خبرة قابلة للتكرار: مساحة عمل أولية، ومهمة ينبغي إنجازها، وإجراءات الوكيل، وفحوصًا للنتيجة. وتتيح إعادة ضبط مساحة العمل محاولة حل المشكلة نفسها مجددًا من دون تراكم تغييرات في حساب مباشر.

يصف تقرير الأبحاث Computer Work Val v1.0 الصادر عن Plato، والمؤرخ في 27 أكتوبر، مجموعة تحقق تضم 300 مهمة موزعة على 10 مجالات و36 دورًا، وتعمل عبر 210 تطبيقات محاكاة. وتقول الشركة إن المساهمين يحوّلون أجزاءً من وظائفهم إلى بيئات مبنية على نسخ مطابقة للبرمجيات وبيانات وهمية.

في أحد الأمثلة، يُطلب من وكيل إعداد بيان أرباح وخسائر ربع سنوي باستخدام أدوات محاكاة لجداول البيانات والبريد الإلكتروني والمدفوعات والخدمات المصرفية. وتتحقق أدوات تحقق منفصلة من متطلبات مثل المعالجة المحاسبية، وصحة تحويل العملات، وتسليم الملف النهائي. ويمكن لهذا النهج أن يكشف خطأً ذا عواقب ضمن سير عمل أُنجز في ما عدا ذلك: فقد يصل التقرير إلى المستلم الصحيح، لكنه يظل مبالغًا في الإيرادات.

ويصف التقرير أيضًا مراجعة يجريها خبراء في المهنة المعنية، وفحوصًا لاكتشاف عيوب البيئة، والتباين بين المطالبات ومعايير التقييم، والتحايل على نظام المكافآت. ويركز التقرير على المهام التي تتضمن المعلومات اللازمة للنجاح، لكنها تظل تتطلب الاستدلال عبر مصادر متعددة.

لماذا يكتسب نظام التقييم أهمية

تشكل الملاحظات التي تقدمها المحاكاة ما يتعلمه النموذج. فإذا كافأ التقييم إتمام عملية شراء من دون التحقق من الميزانية، فقد يعلّم الوكيل إعطاء الأولوية للإتمام على حساب التعليمات التي منحت المهمة معناها.

تقول Plato إنها تقيّم النتيجة والطريقة التي توصل بها النموذج إليها، بما في ذلك مدى التزامه بالتعليمات ومراعاته للقيود. كما تفحص ما إذا كانت النماذج تستغل نقاط ضعف في البيئة للحصول على درجة لا تعكس أداءً صحيحًا.

قال Pranav Putta، الشريك المؤسس والرئيس التنفيذي للتقنية في Plato: «نبني تقييمات تعكس متطلبات الوظيفة الفعلية، ليتمكن المطورون من التمييز بين الدرجة المرتفعة والعمل المنجز على نحو صحيح».

ويفحص Web Clone Bench المستقل التابع للشركة قدرة النماذج على إعادة إنشاء تطبيقات الويب انطلاقًا من بيئات مرجعية. وتوضح Plato أن فحوص الوظائف وضمان الجودة البشري جزء من بناء نسخ مطابقة عالية الدقة. وبالنسبة إلى البنية التحتية للتدريب، فإن المطابقة الدقيقة متطلب تقني: إذ يمكن للسلوكيات المفقودة أو الحلول المختصرة غير الواقعية أن تغيّر الاستراتيجيات التي يتعلمها الوكيل.

تمويل مزيد من الخبرات الواقعية

سبق لفارلو أن بنى في Yutori منصةً للوسم تدعم تدريب نماذج استخدام الحاسوب. وتشمل خبرة بوتا الرؤية الحاسوبية والروبوتات والتعلم المعزز، إلى جانب العمل على نماذج استخدام الحاسوب في MultiOn.

سيُستخدم التمويل الجديد لدفع أجور متخصصين لإعادة تمثيل مزيد من مهامهم في بيئات محاكاة. وتخطط Plato أيضًا لنشر وكلاء ذكاء اصطناعي لتنفيذ مهام حقيقية وجمع خبرات إضافية، كما تعمل على تطوير محاكاة أكثر ثراءً تتضمن مسارات عمل أطول وتفاعلات مع أشخاص افتراضيين.

تأتي هذه الجولة في أعقاب استثمارات أوسع في البنية التحتية لتدريب الوكلاء، بما في ذلك تمويل Labelbox لبيئات التعلم المعزز ووكلاء الذكاء الاصطناعي. وتراهن Plato على أن النماذج تحتاج إلى إمداد متزايد من التدريب الواقعي، مقرونًا بتقييمات تحافظ على قواعد العمل. وتتوقف قيمة هذه البنية التحتية على مدى جودة إعداد الخبرة داخل المحاكاة للوكيل كي يتخذ القرارات التي سيواجهها خارجها.