Plurai capta US$ 13 milhões em rodada seed e abre plataforma de simulação de agentes de IA

A Plurai anunciou o financiamento e o lançamento em 11 de novembro de 2026, divulgando uma rodada seed de US$ 13 milhões e a disponibilidade geral de sua plataforma de simulação de agentes de IA. A Team8 liderou a rodada, enquanto a empresa apresentava um plano gratuito para um produto que antes era restrito a parceiros e clientes selecionados.

U&I, Velocity e Mercer também participaram, junto com mais de 20 investidores-anjo e líderes do setor. Entre eles estavam Udi Mokady, fundador da CyberArk, e Reah Miyara, diretora sênior de Google Models na Google Cloud e ex-líder de avaliação de modelos na OpenAI. Eyal Carmi, diretor de tecnologia do Microsoft 365 Copilot, entrou para o conselho consultivo da Plurai.

Aviad Harell, sócio-gerente da Team8, disse que a Plurai atende à necessidade de infraestrutura para criar confiança antes que os agentes cheguem aos clientes e continuar aprimorando-os em produção, acrescentando: “A simulação se tornará tão fundamental para a pilha de agentes quanto CI/CD é para o software.”

Como funciona a plataforma de simulação

A Plurai cria um gêmeo digital, ou réplica de software, de um agente e de seu ambiente operacional com base na base de conhecimento, nas ferramentas e nas políticas do cliente. Em seguida, submete o agente a usuários simulados realistas e adversariais em um ambiente isolado, buscando violações de políticas, alucinações, ações incorretas, chamadas de ferramentas com falha, tarefas não concluídas e vazamentos de dados confidenciais antes que os clientes sejam afetados.

A página do produto descreve ambientes isolados nos quais serviços, documentos e o estado do ambiente podem ser simulados e redefinidos entre execuções, enquanto rastros de produção podem orientar cenários posteriores. A Plurai rastreia as falhas até as evidências e os locais exatos no código, gera correções e as valida com um conjunto de regressão para verificar se um reparo não provoca outra falha.

Os dados de simulação também fornecem exemplos para o pós-treinamento, o treinamento adicional de modelos de linguagem pequenos para tarefas específicas. Esses modelos podem executar o agente ou atuar como avaliadores contínuos e mecanismos de proteção, enquanto as falhas recém-detectadas em produção retornam à simulação. Os desenvolvedores podem começar com Claude Code, Codex ou GitHub Copilot, e as equipes podem usar a plataforma com agentes desenvolvidos com Salesforce Agentforce.

Resultados divulgados pela empresa

Segundo a Plurai, os parceiros de desenvolvimento reduziram os ciclos de desenvolvimento de agentes de meses para horas, diminuíram em 82% as falhas que chegam aos usuários reais e baixaram em 97% o custo de operar agentes confiáveis. Os resultados vieram de um grupo selecionado de empresas dos setores nativos de IA e altamente regulamentados, incluindo empresas da Fortune 500 e grandes instituições financeiras, antes da abertura da plataforma a uma base mais ampla de usuários.

Um estudo de caso de cliente, de 15 de agosto de 2026, apresenta uma análise detalhada de uma implantação. A Plurai afirmou que um provedor de serviços gerenciados de TI para empresas dos EUA, cujo nome não foi divulgado, criou seu primeiro modelo personalizado em 20 minutos e mais de 100 em duas semanas. Na decisão de encaminhamento pelo portal analisada no estudo, o modelo personalizado resolveu 89% das solicitações, em comparação com 69% da configuração existente com Claude Haiku, sem raciocínio; a latência caiu de 1,0 segundo para 0,15 segundo, e o custo de inferência, de US$ 2,87 para US$ 0,076 por 1.000 chamadas.

Um estudo de caso, de 21 de outubro de 2026, descreve um trabalho com a NVIDIA e a Nebius para um cliente empresarial global. A Plurai informa que fez o pós-treinamento do NVIDIA Nemotron 3.5 Lightning com um conjunto de treinamento de 3.722 conversas rotuladas por um modelo professor de fronteira; o modelo resultante recebeu uma pontuação de qualidade de 88,8 em 100 em conversas reais de produção, contra 78,4 do Claude Haiku-5.5 e 88,6 do GPT-6 Luna.

Origens na condução autônoma e dados sintéticos

O diretor-executivo Ilan Kadar e o diretor de tecnologia Elad Levi fundaram a Plurai depois de trabalharem na Nexar, onde Kadar era vice-presidente de IA e Levi, arquiteto de IA. Kadar comparou a abordagem da Plurai à validação de veículos autônomos, citando os mais de 20 bilhões de quilômetros simulados pela Waymo, que, segundo ele, correspondem a cerca de 100 vezes a distância percorrida pela empresa em condições reais.

BARRED, um preprint submetido em 28 de abril de 2026 por Arnon Mazza e Levi, fornece o método de geração de dados sintéticos por trás desse fluxo. Ele decompõe um domínio em dimensões e usa debate entre vários agentes para verificar rótulos, exigindo apenas uma descrição da tarefa e um pequeno conjunto de exemplos sem rótulos. A Plurai afirma que o método foi aceito no ICML 2026.

A rodada seed e o plano gratuito levam a Plurai de parcerias de desenvolvimento selecionadas a um teste mais amplo de autoatendimento dessa abordagem. A questão central para a próxima etapa é se os ganhos de confiabilidade e redução de custos relatados nessas implantações se manterão à medida que mais equipes adotarem o ciclo completo de simulação, correções automatizadas e modelos especializados.