Plurai získává 13 milionů dolarů v počátečním investičním kole a zpřístupňuje platformu pro simulaci AI agentů

Společnost Plurai oznámila financování a spuštění 11. listopadu 2026. Uvedla, že získala 13 milionů dolarů v počátečním investičním kole a její platforma pro simulaci AI agentů je nyní obecně dostupná. Kolo vedla společnost Team8. Plurai zároveň představila bezplatnou verzi produktu, který byl dosud dostupný pouze vybraným partnerům a zákazníkům.

Investice se zúčastnily také společnosti U&I, Velocity a Mercer a připojilo se k nim více než 20 andělských investorů a lídrů z oboru. Patřili mezi ně zakladatel společnosti CyberArk Udi Mokady a Reah Miyara, seniorní ředitelka Google Models ve společnosti Google Cloud a bývalá vedoucí týmu pro hodnocení modelů ve společnosti OpenAI. Do poradního výboru Plurai se připojil Eyal Carmi, technický ředitel Microsoft 365 Copilot.

Aviad Harell, řídící partner společnosti Team8, uvedl, že Plurai řeší potřebu infrastruktury, která umožní budovat důvěru ještě předtím, než se agenti dostanou k zákazníkům, a průběžně je zlepšovat při nasazení do provozu. Dodal: „Simulace se stane pro sadu nástrojů agentů stejně zásadní, jako je CI/CD pro vývoj softwaru.“

Jak simulační platforma funguje

Plurai vytváří digitální dvojče neboli softwarovou kopii agenta a jeho provozního prostředí na základě znalostní báze, nástrojů a zásad zákazníka. V izolovaném prostředí pak agenta vystavuje realistickým i útočně se chovajícím simulovaným uživatelům a hledá porušení zásad, halucinace, nesprávné akce, chybné volání nástrojů, neúspěšné úlohy a úniky citlivých dat ještě předtím, než se s nimi setkají zákazníci.

Na stránce produktu jsou popsána izolovaná prostředí, v nichž lze simulovat služby, dokumenty i stav systému a mezi jednotlivými běhy je obnovovat; záznamy z provozu přitom mohou posloužit jako podklad pro pozdější scénáře. Plurai dohledává příčiny selhání až ke konkrétním důkazům a přesným místům v kódu, navrhuje opravy a ověřuje je na regresní sadě, aby zjistila, zda jedna oprava nezpůsobí další selhání.

Data ze simulací poskytují také příklady pro dodatečné trénování, tedy další výcvik malých jazykových modelů pro úzce vymezené úlohy. Tyto modely mohou agenta řídit nebo průběžně vyhodnocovat a fungovat jako ochranné mechanismy, zatímco nově odhalená selhání v provozu se vracejí do simulace. Vývojáři mohou začít s Claude Code, Codex nebo GitHub Copilot a týmy mohou platformu využívat s agenty postavenými na Salesforce Agentforce.

Výsledky uváděné společností

Podle Plurai zkrátili partneři při návrhu vývojové cykly agentů z měsíců na hodiny, snížili počet selhání, která se dostala ke skutečným uživatelům, o 82 % a náklady na provoz spolehlivých agentů o 97 %. Výsledky pocházejí od vybrané skupiny organizací z odvětví zaměřených na AI i přísně regulovaných oborů, včetně společností z žebříčku Fortune 500 a velkých finančních institucí. Platforma se teprve poté otevřela širšímu okruhu uživatelů.

Případová studie se zákazníkem z 15. srpna 2026podrobně popisuje jedno nasazení. Plurai uvedla, že nejmenovaný americký poskytovatel spravovaných IT služeb pro podniky vytvořil svůj první vlastní model za 20 minut a během dvou týdnů jich vyvinul více než 100. U rozhodnutí o směrování požadavků v portálu, které studie zkoumala, vlastní model vyřešil 89 % požadavků, zatímco stávající řešení Claude Haiku bez uvažování dosáhlo 69 %. Latence přitom klesla z 1,0 sekundy na 0,15 sekundy a náklady na odvození z 2,87 dolaru na 0,076 dolaru za 1 000 volání.

Samostatná případová studie z 21. října 2026popisuje spolupráci se společnostmi NVIDIA a Nebius pro globálního podnikového zákazníka. Plurai uvádí, že dodatečně dotrénovala model NVIDIA Nemotron 3.5 Lightning na trénovací sadě 3 722 konverzací označených špičkovým modelem učitele. Výsledný model získal ve skutečných produkčních chatech skóre kvality 88,8 ze 100, zatímco Claude Haiku-5.5 dosáhl 78,4 a GPT-6 Luna 88,6.

Kořeny v autonomním řízení a syntetická data

Generální ředitel Ilan Kadar a technický ředitel Elad Levi založili Plurai po působení ve společnosti Nexar, kde Kadar zastával funkci viceprezidenta pro AI a Levi pracoval jako architekt AI. Kadar přirovnal přístup Plurai k ověřování autonomních vozidel a zmínil více než 20 miliard simulovaných mil, které podle něj společnost Waymo najezdila, což odpovídá přibližně stonásobku jejího skutečného provozu.

BARRED, předběžná verze odborného článku, kterou Arnon Mazza a Levi předložili 28. dubna 2026, představuje metodu tvorby syntetických dat využívanou v tomto procesu. Rozděluje doménu na jednotlivé dimenze a k ověřování štítků využívá debatu více agentů; vyžaduje pouze popis úlohy a malou sadu neoznačených příkladů. Plurai uvádí, že metoda byla přijata na konferenci ICML 2026.

Počáteční investiční kolo a bezplatná verze posouvají Plurai od vybraných partnerství při návrhu k širšímu samoobslužnému ověření tohoto přístupu. Hlavní otázkou pro další fázi bude, zda se zlepšení spolehlivosti a snížení nákladů uváděné u těchto nasazení potvrdí i při širším přijetí celého procesu, který zahrnuje simulaci, automatizované opravy a specializované modely.