Plato henter 16 millioner dollar i serie A-finansiering for å bygge simulerte arbeidsmiljøer for AI-agenter

Plato har hentet 16 millioner dollar i serie A-finansiering for å bygge simulerte arbeidsmiljøer der AI-modeller kan øve på å bruke programvare, håndtere forretningsbeslutninger og utføre komplekse arbeidsoppgaver før de tas i bruk i reelle systemer. Nava Ventures ledet finansieringsrunden, med deltakelse fra Gradient Ventures, Transpose Platform og Mustafa Suleyman, administrerende direktør for Microsoft AI.

Finansieringen bringer Platos samlede finansiering opp i 19 millioner dollar, etter en såkornrunde ledet av Gradient Ventures. Freddie Martignetti, grunnleggeren av Nava Ventures, går inn i styret. Plato ble grunnlagt i 2025 og holder til i San Francisco. Selskapet skal bruke kapitalen til å utvide biblioteket med arbeidsmiljøer og erfaringstilbudet for AI-utviklere.

Investeringen retter seg mot en praktisk begrensning i overgangen fra chatboter til agenter: Å produsere et overbevisende svar og å utføre en arbeidsoppgave er to ulike ferdigheter. En agent som håndterer et kjøp, en kundesak eller en regnskapsprosess, må bruke de riktige verktøyene, sammenstille informasjon, overholde begrensninger og sørge for at de underliggende registreringene ender i riktig tilstand.

Et sted å øve uten å endre data i aktive systemer

Opplæring av en agent i et reelt forretningssystem kan få konsekvenser før agenten er klar. En innkjøpsoppgave kan føre til at penger blir brukt, mens en administrativ arbeidsflyt kan endre opplysninger om en faktisk kunde eller ansatt. Plato gjenskaper slike arbeidsflyter i avgrensede miljøer som utviklere kan tilbakestille og bruke på nytt.

«Det krever erfaring med å utføre oppgavene å mestre komplekst arbeid i den virkelige verden», sa Robert Farlow, medgrunnlegger og administrerende direktør i Plato, i kunngjøringen. Selskapets simuleringer skal gjenskape verktøyene, beslutningene og uforutsette situasjonene som gjør profesjonelt arbeid krevende.

Plato samarbeider med fageksperter for å gjenskape arbeidsoppgaver innen kundestøtte, personaladministrasjon, økonomi, regnskap og administrasjon i helsesektoren. AI-laboratorier kan bruke miljøene som utvikles, til forsterkningslæring, der modeller prøver å løse oppgaver og lærer av tilbakemeldinger gjennom gjentatt erfaring, og til å evaluere modellens resultater.

Fra programvaresimulatorer til arbeidsflyter som kan verifiseres

På selskapets nettsted beskriver Plato seg som et anvendt forskningslaboratorium som gjør programvare og data fra den virkelige verden om til miljøer for opplæring og evaluering av agenter. I et eksempel på en arbeidsflyt for utviklere opprettes en økt med flere simulatorer, en oppgave lastes inn, en agent kjøres, og resultatet av agentens gjennomføring evalueres. Eksempelet kombinerer simulatorer for GitHub, Jira og Stripe og viser hvordan én oppgave kan gå på tvers av flere verktøy.

Denne strukturen gir utviklere en repeterbar erfaringsenhet: et utgangspunkt i et arbeidsområde, en oppgave som skal løses, agentens handlinger og kontroller av resultatet. Når arbeidsområdet tilbakestilles, kan den samme oppgaven forsøkes på nytt uten at endringer hoper seg opp i en aktiv konto.

Platos forskningsrapport om Computer Work Val v1.0, datert 27. oktober, beskriver et valideringssett med 300 oppgaver fordelt på 10 fagområder og 36 roller, kjørt på tvers av 210 simulerte applikasjoner. Selskapet sier at bidragsyterne gjør deler av sitt eget arbeid om til miljøer som bygger på kopier av programvare og simulerte data.

I ett eksempel blir en agent bedt om å utarbeide en kvartalsvis resultatregnskap ved hjelp av simulerte verktøy for regneark, e-post, betalinger og banktjenester. Separate kontrollører undersøker om krav som regnskapsmessig behandling, korrekt valutakonvertering og levering av den endelige filen er oppfylt. Denne tilnærmingen kan avdekke en alvorlig feil i en arbeidsflyt som ellers er fullført: En rapport kan nå riktig mottaker og likevel overvurdere inntektene.

Rapporten beskriver også gjennomgang utført av eksperter på det aktuelle fagområdet og kontroller for feil i miljøet, avvik mellom instruksjoner og vurderingskriterier samt manipulering av belønningssystemet. Vekten ligger på oppgaver som inneholder informasjonen som trengs for å lykkes, men som likevel krever resonnering på tvers av flere kilder.

Derfor er vurderingssystemet viktig

Tilbakemeldingene fra en simulering påvirker hva en modell lærer. Hvis en evaluering belønner et fullført kjøp uten å kontrollere budsjettet, kan den lære agenten å prioritere gjennomføring fremfor instruksjonene som ga oppgaven mening.

Plato sier at selskapet evaluerer både resultatet og hvordan modellen kom fram til det, blant annet om den fulgte instruksjonene og overholdt begrensningene. Selskapet undersøker også om modeller utnytter svakheter i et miljø for å oppnå en poengsum som ikke gjenspeiler korrekt arbeid.

«Vi bygger evalueringer som gjenspeiler hva jobben faktisk krever, slik at utviklere kan skille mellom en høy poengsum og arbeid som er utført riktig», sa Pranav Putta, medgrunnlegger og teknologidirektør i Plato.

Selskapets separate Web Clone Bench undersøker hvor godt modeller kan gjenskape nettapplikasjoner ut fra referansemiljøer. Plato beskriver funksjonalitetskontroller og kvalitetssikring utført av mennesker som en del av arbeidet med å bygge kopier med høy grad av nøyaktighet. For infrastrukturen som brukes til modelltrening, er nøyaktighet et teknisk krav: Manglende funksjonalitet eller urealistiske snarveier kan påvirke hvilke strategier en agent lærer.

Finansiering av mer erfaring fra den virkelige verden

Farlow bygde tidligere en annoteringsplattform hos Yutori som støttet trening av modeller for datamaskinbruk. Putta har bakgrunn innen datasyn, robotikk og forsterkende læring, og har arbeidet med modeller for datamaskinbruk hos MultiOn.

Den nye finansieringen skal brukes til å betale fagfolk for å gjenskape mer av arbeidet sitt i simulerte miljøer. Plato planlegger også å sette AI-agenter til å utføre reelle oppgaver for å samle ytterligere erfaring, og utvikler mer avanserte simuleringer med lengre arbeidsflyter og samhandling med simulerte mennesker.

Finansieringsrunden kommer etter bredere investeringer i infrastruktur for trening av agenter, blant annet Labelboxs finansiering av miljøer for forsterkende læring og AI-agenter. Platos tese er at modeller trenger stadig mer realistisk øving, kombinert med evalueringer som ivaretar reglene for arbeidet. Verdien av denne infrastrukturen avhenger av hvor godt erfaring fra en simulering forbereder en agent på beslutningene den vil måtte ta utenfor simuleringen.