Plato atrage 16 milioane de dolari în cadrul unei finanțări de serie A pentru a crea medii de lucru simulate pentru agenții AI

Plato a atras 16 milioane de dolari în cadrul unei finanțări de serie A pentru a crea medii de lucru simulate în care modelele AI pot exersa utilizarea programelor software, navigarea deciziilor de afaceri și îndeplinirea unor sarcini complexe înainte de a lucra în sisteme reale. Nava Ventures a condus runda, la care au participat Gradient Ventures, Transpose Platform și Mustafa Suleyman, CEO-ul Microsoft AI.

Finanțarea aduce totalul atras de Plato la 19 milioane de dolari, după o rundă inițială condusă de Gradient Ventures. Freddie Martignetti, fondatorul Nava Ventures, se alătură consiliului de administrație. Înființată în 2025 și cu sediul în San Francisco, Plato va folosi capitalul pentru a-și extinde biblioteca de medii de lucru și experiența pusă la dispoziția dezvoltatorilor AI.

Investiția vizează o limitare practică a tranziției de la chatboturi la agenți: a oferi un răspuns convingător și a duce la îndeplinire o sarcină sunt capacități diferite. Un agent care se ocupă de o achiziție, de o solicitare de asistență sau de un flux de lucru contabil trebuie să folosească instrumentele potrivite, să coreleze informațiile, să respecte constrângerile și să lase înregistrările de bază în starea corespunzătoare.

Un spațiu de exersare fără a modifica înregistrările din sistemele reale

Antrenarea unui agent într-un sistem de afaceri real poate avea consecințe înainte ca agentul să fie pregătit. O sarcină de achiziție ar putea duce la cheltuirea unor bani, în timp ce un flux de lucru administrativ ar putea modifica înregistrarea unui client sau a unui angajat real. Plato recreează aceste fluxuri de lucru în medii izolate, pe care dezvoltatorii le pot reseta și reutiliza.

„Stăpânirea muncii complexe din lumea reală vine din experiența dobândită prin îndeplinirea acestor sarcini”, a declarat Robert Farlow, cofondatorul și CEO-ul Plato, în anunț. Simulările companiei sunt concepute pentru a reproduce instrumentele, deciziile și situațiile neașteptate care fac dificilă munca profesională.

Plato colaborează cu experți din diverse domenii pentru a recrea activități din asistența pentru clienți, resurse umane, finanțe, contabilitate și administrația din domeniul sănătății. Laboratoarele AI pot folosi mediile rezultate pentru învățarea prin consolidare, în care modelele încearcă să îndeplinească sarcini și învață din feedback pe parcursul unor experiențe repetate, precum și pentru a-și evalua performanța.

De la simulatoare software la fluxuri de lucru verificabile

Pe site-ul companiei, Plato se descrie drept un laborator de cercetare aplicată care transformă programele software și datele din lumea reală în medii pentru antrenarea și evaluarea agenților. Fluxul de lucru ilustrativ pentru dezvoltatori creează o sesiune cu mai multe simulatoare, încarcă o sarcină, rulează un agent și evaluează execuția rezultată. Exemplul combină simulatoare GitHub, Jira și Stripe, arătând cum o singură sarcină se poate desfășura în mai multe instrumente.

Această structură le oferă dezvoltatorilor o unitate de experiență repetabilă: un spațiu de lucru inițial, o sarcină de îndeplinit, acțiunile agentului și verificări ale rezultatului. Resetarea spațiului de lucru permite reluarea aceleiași probleme fără acumularea de modificări într-un cont real.

Raportul de cercetare Computer Work Val v1.0 al Plato, datat 27 octombrie, descrie un set de validare cu 300 de sarcini din 10 domenii și 36 de roluri, desfășurate în 210 aplicații simulate. Compania spune că participanții transformă fragmente din propriile activități profesionale în medii construite pe baza unor replici software și a unor date fictive.

Un exemplu îi cere unui agent să întocmească un raport trimestrial de profit și pierdere folosind instrumente simulate pentru foi de calcul, e-mail, plăți și servicii bancare. Verificatori separați controlează cerințe precum tratamentul contabil, conversia corectă a valutei și livrarea fișierului final. Această abordare poate scoate la iveală o greșeală cu consecințe importante într-un flux de lucru aparent finalizat: un raport poate ajunge la destinatarul potrivit și, totuși, poate supraestima veniturile.

Raportul descrie, de asemenea, evaluarea realizată de experți din ocupațiile relevante și verificări pentru depistarea defectelor mediului, a neconcordanțelor dintre cerințe și criteriile de evaluare, precum și a exploatării mecanismului de recompensare. Accentul cade pe sarcini care conțin informațiile necesare pentru reușită, dar care cer totodată raționament bazat pe mai multe surse.

De ce contează sistemul de evaluare

Feedbackul unei simulări influențează ceea ce învață un model. Dacă o evaluare recompensează finalizarea unei achiziții fără să verifice bugetul, agentul poate învăța să prioritizeze finalizarea în detrimentul instrucțiunilor care dau sens sarcinii.

Plato spune că evaluează atât rezultatul, cât și modul în care modelul l-a obținut, inclusiv dacă a urmat instrucțiunile și a respectat constrângerile. Compania verifică și dacă modelele exploatează punctele slabe ale unui mediu pentru a obține un scor care nu reflectă o muncă realizată corect.

„Construim evaluări care reflectă cerințele reale ale activității, astfel încât dezvoltatorii să poată distinge între un scor mare și o muncă realizată corect”, a declarat Pranav Putta, cofondatorul și directorul tehnic al Plato.

Proiectul separat Web Clone Bench al companiei evaluează capacitatea modelelor de a recrea aplicații web pornind de la medii de referință. Plato descrie verificările funcționale și asigurarea calității realizată de oameni ca părți ale procesului de creare a unor replici foarte fidele. Pentru infrastructura de antrenare, fidelitatea este o cerință tehnică: comportamentele lipsă sau scurtăturile nerealiste pot schimba strategiile pe care le învață un agent.

Finanțare pentru mai multă experiență din lumea reală

Farlow a construit anterior la Yutori o platformă de adnotare care susținea antrenarea modelelor capabile să utilizeze un computer. Experiența lui Putta include viziune computerizată, robotică, învățare prin consolidare și activitatea desfășurată la MultiOn pe modele capabile să utilizeze un computer.

Noua finanțare va fi folosită pentru a plăti profesioniștii să reproducă mai multe dintre activitățile lor profesionale în medii simulate. Plato intenționează, de asemenea, să implementeze agenți IA pentru sarcini reale, ca să colecteze experiență suplimentară, și dezvoltă simulări mai complexe, cu fluxuri de lucru mai lungi și interacțiuni cu persoane simulate.

Runda vine în contextul unor investiții mai ample în infrastructura pentru antrenarea agenților, inclusiv finanțarea obținută de Labelbox pentru medii de învățare prin consolidare și agenți IA. Plato mizează pe ideea că modelele au nevoie de un volum tot mai mare de exerciții realiste, însoțit de evaluări care păstrează regulile activității. Valoarea acestei infrastructuri depinde de măsura în care experiența acumulată într-o simulare pregătește un agent pentru deciziile cu care se va confrunta în afara ei.