Plato、AIエージェント向けの模擬職場構築に向けシリーズAで1,600万ドルを調達

Platoは、AIモデルが実稼働システムで業務を行う前に、ソフトウェアの操作やビジネス上の判断、複雑な仕事の遂行を練習できる模擬職場の構築に向け、シリーズAで1,600万ドルを調達した。今回のラウンドはNava Venturesが主導し、Gradient Ventures、Transpose Platform、Microsoft AIのCEOであるMustafa Suleymanも参加した。

今回の資金調達により、Platoの累計調達額は1,900万ドルとなった。これに先立ち、Gradient Venturesが主導するシードラウンドを実施している。Nava Venturesの創業者Freddie Martignettiが取締役に加わる。2025年に設立され、サンフランシスコを拠点とするPlatoは、今回の資金を活用して業務環境のライブラリを拡充し、AI開発者が利用できる体験を広げる。

今回の投資が取り組むのは、チャットボットからエージェントへと移行するうえでの実務的な制約だ。説得力のある回答を生成する能力と、実際に業務を遂行する能力は異なる。購入処理、サポート案件、会計業務などを担うエージェントには、適切なツールを使い、情報を照合し、制約を守り、基盤となる記録を正しい状態に保つことが求められる。

実稼働中の記録を変更せずに練習できる環境

実際の業務システムでエージェントを訓練すると、準備が整う前に影響が生じる可能性がある。購買業務では実際に支払いが発生することがあり、管理業務のワークフローでは実在する顧客や従業員の記録が変更されるおそれがある。Platoはこうしたワークフローを、開発者がリセットして再利用できる隔離された環境で再現する。

「実際の複雑な業務を習得するには、その仕事を経験することが必要です」と、Platoの共同創業者兼CEOであるRobert Farlowは発表で述べた。同社のシミュレーションは、専門的な業務を難しくするツールや判断、予期せぬ状況を再現することを目的としている。

Platoは、カスタマーサポート、人事、財務、会計、医療事務の業務を再現するため、各分野の専門家と連携している。AI研究機関は、こうして構築された環境を強化学習に利用できる。強化学習では、モデルがタスクに取り組み、繰り返し経験を重ねながらフィードバックを通じて学習する。また、モデルの性能評価にも活用できる。

ソフトウェアシミュレーターから検証可能なワークフローまで

同社のウェブサイトでは、Platoを、実世界のソフトウェアやデータをエージェントの訓練・評価環境に変換する応用研究ラボと説明している。同社が例示する開発者向けワークフローでは、複数のシミュレーターを使ったセッションを作成し、タスクを読み込み、エージェントを実行したうえで、実行結果を評価する。この例ではGitHub、Jira、Stripeのシミュレーターを組み合わせ、1つのタスクが複数のツールにまたがる様子を示している。

この仕組みにより、開発者は、初期状態のワークスペース、完了すべきタスク、エージェントの行動、結果の検証からなる、再現可能な一連の体験を得られる。ワークスペースをリセットすれば、実稼働アカウントに変更を蓄積することなく、同じ問題に再度取り組める。

Platoの「Computer Work Val v1.0」調査レポートは10月27日付で、10分野・36職種にわたる300件のタスクを、210のシミュレーションアプリケーション上で実行する検証用データセットについて説明している。同社によると、協力者は自身の仕事の一部を、ソフトウェアのレプリカと模擬データで構成された環境に作り替えている。

ある例では、シミュレーション上の表計算、メール、決済、銀行ツールを使って、四半期の損益計算書を作成するようエージェントに求める。別々の検証器が、会計処理、正確な通貨換算、最終ファイルの送付などの要件を確認する。この方法では、ワークフローが一見完了していても、重大な誤りを明らかにできる。たとえば、レポートが正しい宛先に届いていても、売上高が過大に計上されている場合がある。

レポートでは、該当職種の専門家によるレビューに加え、環境の不具合、プロンプトと採点基準の不一致、報酬ハッキングの有無を確認することも説明している。重視されているのは、成功に必要な情報を含みながら、複数の情報源を横断した推論も求めるタスクだ。

採点システムが重要な理由

シミュレーションで得られるフィードバックは、モデルの学習内容を左右する。予算を確認せずに購入を完了したことを評価すれば、タスクの意義を支える指示よりも、完了そのものを優先するようエージェントに教えてしまう可能性がある。

Platoによると、同社は結果だけでなく、モデルがどのようにその結果に至ったかも評価しており、指示に従ったか、制約を守ったかも確認する。また、モデルが環境の弱点を突き、適切に業務を遂行したことを反映しないスコアを得ていないかも調べている。

「実際の業務で求められることを反映した評価を構築することで、開発者が高いスコアと正しく遂行された業務とを区別できるようにしています」と、Platoの共同創業者兼CTOであるPranav Puttaは述べた。

同社が別途提供するWeb Clone Benchでは、参照環境をもとにウェブアプリケーションを再現するモデルの能力を評価する。Platoは、高精度なレプリカの構築にあたり、機能チェックと人による品質保証を実施すると説明している。訓練インフラにおいて、忠実度は技術的な要件だ。挙動の欠落や非現実的な近道があると、エージェントが学習する戦略が変わる可能性がある。

実世界での経験をさらに増やす資金調達

Farlowは以前、コンピューター操作モデルの訓練を支援するアノテーションプラットフォームをYutoriで構築した。Puttaは、コンピュータービジョン、ロボティクス、強化学習に加え、MultiOnでコンピューター操作モデルに取り組んだ経験を持つ。

新たな資金は、専門家に報酬を支払い、シミュレーション環境で各自の仕事をより多く再現してもらうために充てられる。Platoはまた、追加の経験を集めるため、実際のタスクにAIエージェントを投入する計画であり、より長いワークフローやシミュレーション上の人物とのやり取りを伴う、より高度なシミュレーションの開発も進めている。

この資金調達は、エージェント訓練インフラへの投資拡大の流れを受けたもので、Labelboxによる強化学習環境とAIエージェント向けの資金提供などが含まれる。Platoは、モデルには現実に即した練習機会を拡大し続ける必要があり、それとあわせて、業務上のルールを維持した評価も必要だと見込んでいる。このインフラの価値は、シミュレーション内での経験が、エージェントをシミュレーション外で直面する判断にどれだけ備えさせられるかに左右される。