Composio samlar in 29 miljoner dollar för att bygga AI som faktiskt lär sig av erfarenhet

Komposition har säkrat 29 miljoner dollar i finansiering för att åtgärda en långvarig begränsning inom AI: agenters oförmåga att förbättra sig genom upprepning. Serie A-rundan på 25 miljoner dollar, ledd av Lightspeed Venture Partners, bringar den totala finansieringen till 29 miljoner dollar och inkluderar stöd från framstående branschledare som Guillermo Rauch (Vercel), Dharmesh Shah (HubSpot) och Soham Mazumdar (Rubrik), tillsammans med företag som SV Angel, Blitzscaling Ventures, Operatörspartnersoch AgentfondBefintliga stödjare Höjdkapital och Tillsammans fond återvände också för rundan.

Medan AI-agenter har blivit mer sofistikerade på att generera text och automatisera uppgifter, förblir de fundamentalt statiska – oförmögna att lära av tidigare handlingar eller justera sitt beteende över tid. Composio strävar efter att förändra detta genom att utveckla ett infrastrukturlager som gör det möjligt för agenter att samla kunskap, dela den mellan system och kontinuerligt förbättra sig genom verklig användning.

AI som inte bara agerar – den lär sig

Kärnan i Composios teknik finns ett gemensamt kompetenslager som kopplar samman tusentals AI-agenter. När en agent lär sig att hantera ett Salesforce-edge-ärende, felsöka ett GitHub-arbetsflöde eller bygga upp en databas med Supabase MCP, förblir den kunskapen inte isolerad. Den blir tillgänglig för alla andra agenter på plattformen, vilket skapar en kraftfull nätverkseffekt där hela ekosystemet förbättras kollektivt.

Detta markerar ett skifte bort från den isolerade, engångsanvändningen av AI-agenter till något mer dynamiskt: ett system som blir mer kapabelt med varje interaktion. Med stöd av ett förstärkningsinlärningslager skräddarsytt för företagsprogramvara bygger Composios agenter intuition, inte bara följer instruktioner. Som Ganatra förklarar: ”Utmaningen är inte att göra AI smartare i isolering – det är att ge AI möjligheten att samla praktisk kunskap på samma sätt som människor gör, men i den skala och hastighet som bara programvara kan uppnå.”

Infrastrukturen som driver detta inkluderar stöd för koordinering mellan flera agenter, autentisering över flera plattformar och skalbarhet i realtid. Den behandlar redan miljontals förfrågningar dagligen och betjänar fler än 200 företag – bland annat Y Combinator-stödda startups som April, Dash och OpenNote, och tillväxtföretag som Glean. Över 100,000 XNUMX utvecklare har redan anammat plattformen, och företaget genererar sjusiffriga årliga intäkter.

En förändring i företagens förväntningar

I åratal har AI sålts som framtidens arbete, Ändå är de flesta företagsimplementeringar fortfarande otillräckliga – begränsade av anpassningsförmåga och kontext. Composio åtgärdar detta direkt genom att möjliggöra agenter som inte börjar från början varje gång utan istället bygger vidare på tidigare erfarenhet och kompetens från communityn.

Denna delade intelligens minskar avsevärt den tid det tar att bygga och driftsätta användbara AI-drivna verktyg. Utvecklare behöver inte längre lägga veckor på att bygga autentiseringsflöden eller felsöka integrationsproblem. Istället kan de lansera sofistikerade agenter på några dagar – agenter som levereras med inbäddad kunskap hämtad från tusentals tidigare interaktioner.

Raviraj Jain från Lightspeed anser att den här modellen har enorma konsekvenser: ”De bygger grunden för att AI-agenter ska bli genuint användbara genom att lära av erfarenheter i stor skala. Detta är den saknade pusselbiten mellan imponerande demonstrationer och transformerande implementeringar.”

Den bredare effekten på AI-industrin

Composios framväxt signalerar en ny riktning för AI-ekosystemet – en riktning där framsteg inte längre begränsas till modellstorlek eller snabb utveckling, utan istället hänger på hur effektivt system kan lära sig av användningen. Genom att förvandla en agents framgång till en annans utgångspunkt introducerar Composio en sammansatt återkopplingsslinga som accelererar användbarheten av AI inom olika branscher.

Den här modellen skulle kunna lägga grunden för samarbete mellan agenter, återanvändbara kompetensbibliotek och interoperabla intelligenslager över plattformar. I framtiden kan utvecklare ansluta sig till ett ständigt föränderligt ekosystem där agenter inte bara automatiserar uppgifter – de blir betrodda digitala samarbetspartners som förbättras tillsammans med de team de stöder.

Precis som övergången från rå infrastruktur till molnplattformar omformade mjukvaruutvecklingen, Composios Delat lärande har potential att omdefiniera vad som är möjligt inom tillämpad AI. I takt med att företag söker mer än bara flashiga demonstrationer, kommer plattformar som levererar genuin, utvecklande expertis att sätta den nya standarden.