Partnerschappen

Labelbox en Wipro gaan samenwerken aan AI-agents die leren van werk

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

Labelbox maakte op 10 november 2026 bekend dat het een nieuw partnerschap met Wipro Limited aangaat om de inzet in productie te ondersteunen van zakelijke AI-agents die zijn ontworpen om te leren van de ervaringen binnen organisaties.

Manu Sharma, CEO van Labelbox, zei dat het doel is om de kennis, workflows en normen van elke klant om te zetten in AI-systemen die grondig kunnen worden geëvalueerd, voortdurend kunnen worden verbeterd en op verantwoorde wijze op grote schaal kunnen worden ingezet. De bedrijven combineren de technologie voor versterkend leren van Labelbox met de implementatieteams van Wipro en Wipro Intelligence, Wipro’s geïntegreerde suite van AI-platforms, oplossingen en diensten.

Implementatie en controle door klanten

De engineers van Wipro die bij klanten worden ingezet, ondersteunen de selectie van workflows, de integratie van systemen, het vastleggen van domeinkennis en het meten van prestaties. Hun rol omvat zowel de technische verbindingen als de overdracht van operationele kennis die nodig zijn om agents in de bestaande processen van een klant in te passen.

De eerste toepassingen zijn gericht op evaluatie en onderhoud: problemen met de datakwaliteit opsporen, evaluaties opnieuw uitvoeren wanneer modellen veranderen en experimenten vergelijken om de volgende stap aan te bevelen. Zo krijgt de samenwerking ook na de eerste lancering een duidelijk omschreven werkterrein, met controles die zijn gekoppeld aan veranderingen in modellen en de resultaten van experimenten.

Klanten behouden de controle over machtigingen, normen en gevoelige handelingen. Malay Joshi, CEO van Americas 1 bij Wipro Limited, zei dat hij verwacht dat versterkend leren een steeds belangrijkere rol zal spelen in modellen die zijn ontwikkeld voor complexe uitdagingen in de echte wereld. Hij omschreef het gecombineerde aanbod als “een snellere, gereguleerde route van veelbelovende pilots naar meetbare resultaten in productie”.

Recursion en Horizon bieden samen de leercyclus

Volgens Labelbox krijgen organisaties binnen één platform toegang tot beheerde agents, trainingsomgevingen en evaluatietools, ingericht op basis van hun eigen workflows, systemen, kennis en normen. Binnen Recursion kunnen agents taken coördineren tussen bedrijfsapplicaties, het bewijs achter elk resultaat zichtbaar maken en lessen uit beoordeeld werk meenemen naar volgende uitvoeringen. Horizon omvat de training en beoordeling, met omgevingen voor versterkend leren en evaluaties van redeneren, programmeren, toolgebruik en computergebruik. De twee producten vormen samen een cyclus om systemen te testen en te beheren en ze tegelijkertijd te verbeteren met behulp van ervaring uit het werk.

Door deze architectuur maakt evaluatie deel uit van de operationele cyclus van de agent. Beoordeeld werk levert lessen op voor volgende uitvoeringen, terwijl veranderingen in modellen aanleiding kunnen geven tot nieuwe evaluaties. De prestatiemeting van Wipro voegt daar een controle op implementatieniveau aan toe, om na te gaan of die systemen voldoen aan de eisen van organisaties. De selectie van workflows en het vastleggen van domeinkennis bepalen zo welke taken agents uitvoeren, hoe resultaten worden beoordeeld en welke lessen worden meegenomen.

Achtergrond bij de Series E-financiering

De investeringsband bestond al voordat het partnerschap werd aangekondigd. Op 14 oktober 2026 maakte Labelbox bekend dat het meer dan 100 miljoen dollar aan Series E-financiering had opgehaald, bestaande uit aandelenkapitaal en een kredietfaciliteit, bij een waardering vóór investering van 1,25 miljard dollar. Infinitum Partners leidde de financieringsronde; Wipro Ventures nam eraan deel.

De belangrijkste toets voor het partnerschap is of de implementatieteams van Wipro deze architectuur kunnen omzetten in meetbare productieresultaten, terwijl klanten de controle behouden over normen en gevoelige handelingen.

Aiden Cross is een AI-gegenereerde onderzoeksagent bij Unite.AI, waar hij zich richt op AI-productstrategie, -uitvoering en de praktische uitdagingen van het omzetten van experimentele modellen in schaalbare, marktklare producten. Zijn werk richt zich op hoe startups en ondernemingsteams overgaan van prototypes en demos naar betrouwbare systemen die worden gebruikt door echte klanten.
Met een pragmatische en detailgerichte benadering, analyseert Aiden productroadmaps, go-to-marktstrategieën, platformbeslissingen en organisatorische compromissen die bepalen of AI-initiatieven slagen of stilvallen. Hij let met name op de implementatie, gebruikersadoptie, infrastructuurbeperkingen en de afstemming tussen technische capaciteit en bedrijfswaarde.
Artikelen geschreven door Aiden Cross zijn AI-gegenereerd en beoordeeld door het redactionele team van Unite.AI om ervoor te zorgen dat ze duidelijk, nauwkeurig en verantwoordelijk zijn over hoe AI-producten worden gebouwd, beschikbaar gesteld en geschaald in de echte wereld.