लेम्मा ने $2.3M प्री-सीड फंडिंग में उत्पादन में शांत AI एजेंट विफलताओं का सामना करने के लिए जुटाया

AI एजेंट विश्वसनीयता स्टार्टअप लेम्मा ने $2.3 मिलियन की प्री-सीड फंडिंग में उत्पादन में एक विशेष रूप से कठिन समस्या वर्ग को पकड़ने के लिए डिज़ाइन किए गए निगरानी बुनियादी ढांचे का निर्माण करने के लिए जुटाया है: एआई एजेंट जो सफलतापूर्वक एक कार्य पूरा करने के लिए प्रतीत होते हैं जबकि गलत परिणाम का उत्पादन करते हुए शांत रहते हैं।

इस दौर में मैट्रिक्स, वाई कॉम्बिनेटर, लिक्विड 2 वेंचर्स, वर्मिलियन क्लिफ्स वेंचर्स, अनियमित अभिव्यक्तियां, सर्विन वेंचर्स, कोमा कैपिटल, पोज़िशन वेंचर्स, और आठ पूंजी के साथ-साथ ओपनएआई, एक्सएआई, मेटा और डोरडैश से एंजेल निवेशकों और ऑपरेटरों की भागीदारी है।

जेरी ज़हांग और कोल गाविन द्वारा स्थापित, लेम्मा वाई कॉम्बिनेटर के फॉल 2025 बैच का हिस्सा था और एआई एजेंटों के लिए उत्पादन निगरानी पर केंद्रित है। कंपनी का कहना है कि उसका मंच अब एक मिलियन से अधिक एजेंट ट्रेसों को संसाधित कर चुका है क्योंकि इंजीनियरिंग टीमें बढ़ती तरह से समझने के लिए तरीके ढूंढ रही हैं कि स्वायत्त प्रणालियां तैनाती के बाद कैसे व्यवहार करती हैं।

उत्पादन में शांत रूप से विफल होने वाले एआई एजेंटों की बढ़ती समस्या

पारंपरिक सॉफ्टवेयर निगरानी मुख्य रूप से स्पष्ट विफलता संकेतों के आसपास डिज़ाइन की गई है। एक अनुप्रयोग दुर्घटनाग्रस्त हो जाता है, एक अनुरोध एक त्रुटि कोड वापस करता है, लेटेंसी बढ़ जाती है, या एक बुनियादी ढांचे का घटक अनुपलब्ध हो जाता है।

एआई एजेंट एक अलग समस्या पेश करते हैं।

एक एजेंट प्रत्येक तकनीकी चरण को एक वर्कफ़्लो में सफलतापूर्वक निष्पादित कर सकता है और फिर भी उपयोगकर्ता की इच्छा को गलत समझ सकता है, गलत उपकरण को कॉल कर सकता है, गलत जानकारी का उपयोग कर सकता है, एक अनुत्पादक लूप में फंस सकता है, या एक संभावित लेकिन गलत उत्तर दे सकता है। पारंपरिक निगरानी बुनियादी ढांचे के दृष्टिकोण से, अनुरोध पूरी तरह से स्वस्थ दिखाई दे सकता है।

लेम्मा इन्हें सेमेंटिक विफलताओं के रूप में वर्णित करता है। उदाहरणों में एक ग्राहक सेवा एजेंट द्वारा गलत रिफंड नीति का हवाला देना, एक ऑडिटिंग एजेंट द्वारा एक पुरानी रिपोर्ट का उत्पादन करना, या एक एजेंट द्वारा एक बाहरी प्रणाली को कॉल करना शामिल है जिसे उसने आविष्कार किया है। ये सामान्य एआई एजेंट विफलता बिंदु हैं।

यह अंतर बढ़ती तरह से महत्वपूर्ण हो जाता है क्योंकि एजेंट बातचीत इंटरफेस से परे जाते हैं और लंबे, बहु-चरण वर्कफ़्लो में शुरू होते हैं जहां भाषा मॉडल डेटाबेस, एप्लिकेशन प्रोग्रामिंग इंटरफेस (एपीआई), पुनर्प्राप्ति प्रणालियों और अन्य सॉफ्टवेयर टूल के साथ बातचीत करते हैं।

एक विफलता उस श्रृंखला में कहीं भी एक अपवाद का उत्पादन नहीं कर सकती है। एजेंट बस जारी रह सकता है।

लेम्मा उत्पादन में एआई एजेंटों की निगरानी कैसे करता है

लेम्मा विशेष रूप से इन एजेंट निष्पादन पथों के आसपास एक दृश्यता परत बना रहा है।

इसकी ट्रेसिंग प्रणाली प्रत्येक एजेंट निष्पादन को एक संरचित ट्रेस में बदल देती है जिसमें अंतर्निहित बड़े भाषा मॉडल कॉल, टूल इनवोकेशन, इनपुट, आउटपुट, टाइमिंग डेटा, पुनर्प्राप्ति चरण और वर्कफ़्लो के दौरान उत्पन्न त्रुटियां शामिल हैं। इंजीनियरिंग टीमें तब एक पूरे निष्पादन पेड़ की जांच कर सकती हैं न कि केवल एजेंट के अंतिम उत्तर को देखें।

लेकिन ट्रेसिंग केवल दृष्टिकोण का एक हिस्सा है।

लेम्मा उत्पादन ट्रेसों का विश्लेषण एजेंट के निर्देशों के खिलाफ करता है और आवर्ती समस्याओं को मुद्दों में समूहित करता है, जिससे टीमें उन विफलता पैटर्न की पहचान कर सकती हैं जो अन्यथा हजारों व्यक्तिगत परस्पर क्रियाओं में दफन हो सकती हैं। प्लेटफ़ॉर्म मुद्दों को प्राथमिकता दे सकता है और जब संभावित रूप से महत्वपूर्ण समस्याएं दिखाई दें तो स्लैक के माध्यम से अलर्ट भेज सकता है।

उद्देश्य यह प्रश्न का उत्तर देने के लिए है कि क्या सॉफ़्टवेयर सफलतापूर्वक चला या नहीं: क्या एजेंट वास्तव में वह हासिल कर सका जो उसे करना था?

यह दृश्यता के लिए एक महत्वपूर्ण बदलाव है कि एजेंटिक सॉफ़्टवेयर के लिए कैसे काम करना चाहिए।

उत्पादन विफलताओं को एजेंट सुधार में बदलना

लेम्मा समस्या का पता लगाने और इसे ठीक करने के बीच की दूरी को कम करने की कोशिश कर रहा है।

एक बार जब प्लेटफ़ॉर्म एक आवर्ती विफलता की पहचान करता है, तो यह आसपास के ट्रेस और संदर्भ का विश्लेषण करके एक संभावित मूल कारण का निर्धारण करता है। वहां से, यह प्रॉम्प्ट, एप्लिकेशन तर्क या एजेंट वर्कफ़्लो में परिवर्तन का प्रस्ताव कर सकता है, न कि इंजीनियरों को प्रत्येक समस्याग्रस्त परस्पर क्रिया को मैन्युअल रूप से पुनर्निर्माण करने की आवश्यकता है।

कंपनी इस वर्कफ़्लो को विकास वातावरण में एक मॉडल संदर्भ प्रोटोकॉल (एमसीपी) सर्वर के माध्यम से बढ़ा रही है। डेवलपर कर्सर, क्लाउड डेस्कटॉप और क्लाउड कोड जैसे टूल्स से लेम्मा के ट्रेसों को क्वेरी कर सकते हैं, जिससे डिबगिंग प्रक्रिया उस स्थान के करीब हो जाती है जहां अंतर्निहित एजेंट विकसित किया जा रहा है।

एक बार जब मरम्मत तैनात की जाती है, तो लेम्मा उत्पादन विफलता को एक ऑनलाइन मूल्यांकन में बदल सकता है और इसके पुनरावृत्ति की निगरानी कर सकता है। इससे एक फीडबैक लूप बनता है जिसमें पहले देखे गए वास्तविक दुनिया की विफलताएं भविष्य के परीक्षण और सुधार बन जाते हैं।

यह दृष्टिकोण लेम्मा को पारंपरिक दृश्यता से परे ले जाता है। दीर्घकालिक लक्ष्य उत्पादन विफलताओं से सीखने में एजेंटों की मदद करने वाले बुनियादी ढांचे का निर्माण करना है, न कि प्रत्येक एजेंट के लिए इंजीनियरों पर पूरी तरह से निर्भर रहना।

संस्थापकों द्वारा पहले से ही सामना की गई समस्या

ज़हांग और गाविन ने दक्षिणी कैलिफोर्निया विश्वविद्यालय में ताज़ा छात्र के रूप में मुलाकात की और बाद में अलग-अलग एआई-मूल निवेशों में एआई प्रणालियों पर काम किया। लेम्मा की स्थापना से पहले, उन्होंने टैन्डम में काम किया, जो स्वास्थ्य सेवा में एआई को लागू करता है, और चिपस्टैक में, जो चिप डिज़ाइन के लिए एआई एजेंट विकसित करता है।

इन अनुभवों ने उन्हें नियंत्रित विकास वातावरण से एजेंटों को उत्पादन में ले जाने में कठिनाई के संपर्क में लाया।

“कोल और मैंने लेम्मा की स्थापना क्योंकि हमने एआई एजेंटों का निर्माण करने में दर्द का अनुभव किया,” ज़हांग ने कहा। “हम उसी समस्या में चलते रहे: एजेंट प्रतीत होता है कि काम करते हैं, लेकिन उत्पादन में परिणाम पर्याप्त विश्वसनीय नहीं थे।”

संस्थापकों का तर्क है कि अंतर्निहित फाउंडेशन मॉडल में सुधार करने से ही यह समस्या दूर नहीं होगी। वास्तविक दुनिया के एजेंट व्यवहार में प्रॉम्प्ट, एप्लिकेशन तर्क, टूल, एकीकरण, पुनर्प्राप्ति प्रणाली, उपयोगकर्ता व्यवहार और उन्हें जोड़ने वाली जटिल श्रृंखलाएं भी शामिल हैं।

लेम्मा का अपना इंजीनियरिंग थीसिस है कि ऑफलाइन मूल्यांकन उत्पादन में एजेंटों का सामना करने वाली अप्रत्याशित स्थितियों को पुनरुत्पादित करने में संघर्ष करते हैं, जिससे उत्पादन डेटा प्रणालियों को वास्तव में तोड़ने के लिए एक महत्वपूर्ण स्रोत बन जाता है।

उत्पादन में एआई एजेंटों की निगरानी की व्यापक चुनौती

नई फंडिंग लेम्मा के निगरानी और विफलता-पता लगाने वाले टूल्स के आगे विकास का समर्थन करेगी, जिसमें शुरुआती चरण में उत्पादन में पहले से ही एआई एजेंट चलाने वाले स्टार्टअप्स पर ध्यान केंद्रित किया जाएगा।

कंपनी एक ऐसे क्षेत्र में काम कर रही है जो एआई प्रणालियों के वास्तविक दुनिया के वर्कफ़्लो में अलग-थलग प्रदर्शनों से आगे बढ़ने के रूप में महत्वपूर्ण होती जा रही है। पारंपरिक निगरानी टूल तकनीकी समस्याओं जैसे डाउनटाइम, लेटेंसी या विफल अनुरोधों का पता लगाने में अच्छे हैं, लेकिन एजेंटिक प्रणालियां एक और जटिलता की परत पेश करती हैं: एक अनुप्रयोग संचालित रह सकता है जबकि एजेंट एक कार्य को गलत समझता है, गलत उपकरण का चयन करता है या गलत परिणाम का उत्पादन करता है।

यह अंतर विशेष रूप से महत्वपूर्ण होने की संभावना है क्योंकि एजेंट ग्राहक समर्थन, वित्तीय विश्लेषण, स्वास्थ्य सेवा प्रशासन, सॉफ़्टवेयर विकास और अनुसंधान में उपयोग किए जाते हैं। इन वातावरणों में, यह मापना कि क्या एक एजेंट ने एक वर्कफ़्लो पूरा किया, इससे कम मायने रख सकता है कि क्या उसने इसे सही तरीके से पूरा किया।

लेम्मा के लिए, अवसर इसलिए निर्भर करता है कि क्या उत्पादन में एआई एजेंटों की निगरानी एक मानक हिस्सा बन जाती है। $2.3 मिलियन का प्री-सीड राउंड कंपनी को यह परीक्षण करने के लिए अतिरिक्त पूंजी प्रदान करता है क्योंकि संगठन एजेंटों को तैनात करते हैं जो बढ़ती जटिलता के वर्कफ़्लो में।

एआई के लिए बेहतर एजेंट निगरानी का क्या अर्थ हो सकता है

जैसे ही एआई एजेंट अधिक जटिल और स्वायत्त कार्यों को अपनाते हैं, पारंपरिक निगरानी पर्याप्त नहीं हो सकती है। भविष्य की प्रणालियों को यह मूल्यांकन करने की आवश्यकता होगी कि क्या एक एजेंट ने एक कार्य पूरा किया, लेकिन यह भी कि क्या उसने उद्देश्य को समझा, सही उपकरण का उपयोग किया और सही परिणाम का उत्पादन किया।

लेम्मा जैसे टूल भी उत्पादन और विकास के बीच तंग फीडबैक लूप बना सकते हैं, वास्तविक दुनिया की विफलताओं को नए परीक्षण और सुधार में बदल सकते हैं। समय के साथ, यह एजेंट दृश्यता को एआई बुनियादी ढांचे के स्टैक का एक मानक हिस्सा बना सकता है, विशेष रूप से उच्च-जोखिम वाले वातावरण में जहां विश्वसनीयता और जवाबदेही सबसे अधिक मायने रखती है।