Plato kerää 16 miljoonaa dollaria A-sarjan rahoituskierroksella rakentaakseen simuloituja työympäristöjä tekoälyagenteille

Plato on kerännyt 16 miljoonaa dollaria A-sarjan rahoituskierroksella rakentaakseen simuloituja työympäristöjä, joissa tekoälymallit voivat harjoitella ohjelmistojen käyttöä, liiketoimintapäätösten tekemistä ja monimutkaisten työtehtävien suorittamista ennen kuin ne otetaan käyttöön oikeissa järjestelmissä. Kierrosta johti Nava Ventures, ja siihen osallistuivat myös Gradient Ventures, Transpose Platform sekä Microsoft AI:n toimitusjohtaja Mustafa Suleyman.

Rahoituskierros nostaa Platon kokonaisrahoituksen 19 miljoonaan dollariin. Sitä edelsi Gradient Venturesin johtama siemenrahoituskierros. Nava Venturesin perustaja Freddie Martignetti liittyy yhtiön hallitukseen. Vuonna 2025 perustettu, San Franciscossa toimiva Plato käyttää rahoituksen työympäristökirjastonsa laajentamiseen ja tekoälykehittäjille tarjottavien harjoittelumahdollisuuksien lisäämiseen.

Sijoituksella pyritään ratkaisemaan käytännön ongelma siirryttäessä keskusteluboteista agentteihin: vakuuttavan vastauksen tuottaminen ja työtehtävän suorittaminen ovat eri kykyjä. Ostosta, tukipyyntöä tai kirjanpitoprosessia hoitavan agentin on käytettävä oikeita työkaluja, sovitettava tiedot yhteen, noudatettava rajoituksia ja jätettävä taustalla olevat tietueet oikeaan tilaan.

Harjoittelupaikka, jossa oikeisiin tietoihin ei tehdä muutoksia

Agentin kouluttaminen oikeassa liiketoimintajärjestelmässä voi aiheuttaa seurauksia, ennen kuin agentti on valmis. Ostotehtävä voi johtaa rahan käyttämiseen, kun taas hallinnollinen työnkulku saattaa muuttaa oikean asiakkaan tai työntekijän tietoja. Plato jäljittelee näitä työnkulkuja eristetyissä ympäristöissä, jotka kehittäjät voivat palauttaa alkutilaan ja ottaa uudelleen käyttöön.

”Todellisen, monimutkaisen työn hallitseminen edellyttää kokemusta kyseisten tehtävien tekemisestä”, sanoi Platon perustaja ja toimitusjohtaja Robert Farlow tiedotteessa. Yhtiön simulaatioiden tarkoituksena on jäljitellä työkaluja, päätöksiä ja odottamattomia tilanteita, jotka tekevät ammatillisesta työstä vaikeaa.

Plato tekee yhteistyötä eri alojen asiantuntijoiden kanssa jäljitelläkseen asiakastuen, henkilöstöhallinnon, taloushallinnon, kirjanpidon ja terveydenhuollon hallinnon työtehtäviä. Tekoälylaboratoriot voivat käyttää näin syntyviä ympäristöjä vahvistusoppimiseen, jossa mallit yrittävät suorittaa tehtäviä ja oppivat palautteen avulla toistuvien harjoituskertojen myötä, sekä suoritustensa arviointiin.

Ohjelmistosimulaattoreista todennettaviin työnkulkuihin

Yhtiön verkkosivuilla Plato esitellään soveltavan tutkimuksen laboratoriona, joka muuntaa todellisia ohjelmistoja ja dataa ympäristöiksi agenttien koulutusta ja arviointia varten. Esimerkissä kehittäjän työnkulku alkaa istunnon luomisella useilla simulaattoreilla, minkä jälkeen tehtävä ladataan, agentti käynnistetään ja sen suoritus arvioidaan. Esimerkissä yhdistetään GitHub-, Jira- ja Stripe-simulaattorit, mikä havainnollistaa, kuinka yksi tehtävä voi ulottua useisiin työkaluihin.

Tämä rakenne tarjoaa kehittäjille toistettavan harjoituskokonaisuuden: alkuperäisen työtilan, suoritettavan tehtävän, agentin toiminnot ja tuloksen tarkistukset. Kun työtila palautetaan alkutilaan, saman ongelman ratkaisemista voidaan yrittää uudelleen ilman, että muutoksia kertyy oikealle käyttäjätilille.

Platon Computer Work Val v1.0 -tutkimusraportissa, joka on päivätty 27. lokakuuta, kuvataan validointiaineistoa, johon kuuluu 300 tehtävää kymmeneltä toimialalta ja 36 eri työroolista. Tehtävät suoritetaan 210 simuloidussa sovelluksessa. Yhtiön mukaan osallistujat muuntavat omien työtehtäviensä osia ympäristöiksi, jotka rakennetaan ohjelmistojen jäljennöksistä ja keinotekoisesta datasta.

Yhdessä esimerkissä agenttia pyydetään laatimaan neljännesvuosittainen tuloslaskelma simuloitujen taulukkolaskenta-, sähköposti-, maksu- ja pankkityökalujen avulla. Erilliset tarkistimet varmistavat muun muassa, että kirjanpitokäsittely on oikea, valuuttamuunnos on tehty oikein ja lopullinen tiedosto toimitetaan perille. Näin voidaan havaita vakava virhe muuten valmiissa työnkulussa: raportti voi päätyä oikealle vastaanottajalle, vaikka siinä esitetään liikaa tuloja.

Raportissa kuvataan myös kyseisen ammatin asiantuntijoiden tekemää arviointia sekä ympäristön virheiden, kehotteiden ja arvioinnin välisten ristiriitojen ja palkkiojärjestelmän manipuloinnin tarkistuksia. Painopiste on tehtävissä, joissa onnistumiseen tarvittavat tiedot ovat saatavilla mutta joiden suorittaminen edellyttää silti useista lähteistä peräisin olevien tietojen päättelyllistä yhdistämistä.

Miksi arviointijärjestelmällä on väliä

Simulaation antama palaute vaikuttaa siihen, mitä malli oppii. Jos arvioinnissa palkitaan ostoksen tekemisestä tarkistamatta budjettia, agentti voi oppia asettamaan tehtävän suorittamisen etusijalle niiden ohjeiden sijasta, jotka antavat tehtävälle sen tarkoituksen.

Platon mukaan se arvioi sekä lopputulosta että sitä, miten malli päätyi siihen. Arvioinnissa tarkistetaan myös, noudattiko malli ohjeita ja rajoituksia. Lisäksi selvitetään, hyödyntävätkö mallit ympäristön heikkouksia saadakseen pisteitä, jotka eivät vastaa asianmukaisesti tehtyä työtä.

”Rakennamme arviointimenetelmiä, jotka vastaavat työn todellisia vaatimuksia, jotta kehittäjät voivat erottaa korkeat pisteet oikein tehdystä työstä”, sanoi Platon perustaja ja teknologiajohtaja Pranav Putta.

Yhtiön erillisessä Web Clone Benchissä tutkitaan, kuinka hyvin mallit pystyvät jäljittelemään verkkosovelluksia esimerkkiympäristöjen pohjalta. Platon mukaan jäljennösten rakentamiseen mahdollisimman tarkoiksi kuuluvat toiminnallisuuden tarkistukset ja ihmisten tekemä laadunvarmistus. Koulutusinfrastruktuurissa tarkkuus on tekninen vaatimus: puuttuvat toiminnot tai epärealistiset oikopolut voivat muuttaa sitä, millaisia toimintatapoja agentti oppii.

Rahoituksella lisää kokemusta todellisista työtehtävistä

Farlow rakensi aiemmin Yutorille annotointialustan, joka tukee tietokoneen käyttöön kykenevien mallien koulutusta. Putta on työskennellyt konenäön, robotiikan ja vahvistusoppimisen parissa sekä tietokoneen käyttöön kykenevien mallien parissa MultiOnilla.

Uudella rahoituksella maksetaan ammattilaisille siitä, että he jäljittelevät entistä suurempaa osaa työtehtävistään simuloiduissa ympäristöissä. Plato suunnittelee myös ottavansa tekoälyagentteja käyttöön todellisissa tehtävissä lisäkokemuksen keräämiseksi. Lisäksi yhtiö kehittää entistä monipuolisempia simulaatioita, joissa on pidempiä työnkulkuja ja vuorovaikutusta simuloitujen ihmisten kanssa.

Rahoituskierros on jatkoa laajemmille investoinneille agenttien koulutusinfrastruktuuriin, mukaan lukien Labelboxin rahoitus vahvistusoppimisympäristöihin ja tekoälyagentteihin. Platon panostuksen taustalla on ajatus siitä, että mallit tarvitsevat yhä enemmän realistista harjoittelua sekä arviointeja, joissa työn säännöt säilyvät. Tällaisen infrastruktuurin arvo riippuu siitä, kuinka hyvin simulaatiossa saatu kokemus valmistaa agenttia päätöksiin, joita se joutuu tekemään simulaation ulkopuolella.