Partnerskap

Labelbox och Wipro samarbetar kring AI-agenter som lär sig av arbetet

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Labelbox meddelade den 10 november 2026 att ett nytt partnerskap med Wipro Limited ska stödja produktionssättning av AI-agenter för företag, utformade för att lära sig av organisationers erfarenheter.

Labelboxs vd Manu Sharma sade att målet är att omvandla varje kunds kunskap, arbetsflöden och standarder till AI-system som kan utvärderas noggrant, förbättras kontinuerligt och driftsättas ansvarsfullt i stor skala. Företagen ska kombinera Labelboxs teknik för förstärkningsinlärning med Wipros implementeringsteam och Wipro Intelligence, Wipros samlade utbud av AI-drivna plattformar, lösningar och tjänster.

Implementering och kundkontroll

Wipros ingenjörer på plats ska stödja valet av arbetsflöden, systemintegration, insamling av domänexpertis och resultatmätning. Deras uppdrag omfattar både de tekniska kopplingarna och överföringen av den operativa kunskap som krävs för att integrera agenter i kundernas befintliga processer.

De första användningsområdena fokuserar på utvärdering och underhåll: att identifiera problem med datakvaliteten, köra om utvärderingar när modeller ändras och jämföra experiment för att rekommendera nästa steg. Det ger samarbetet tydliga uppgifter även efter den första lanseringen, med kontroller kopplade till modelländringar och experimentresultat.

Kunderna behåller kontrollen över behörigheter, standarder och känsliga åtgärder. Malay Joshi, vd för Americas 1 på Wipro Limited, sade att han förväntar sig att förstärkningsinlärning kommer att spela en allt viktigare roll i modeller som utvecklas för komplexa utmaningar i verkligheten. Han beskrev det gemensamma erbjudandet som ”en snabbare, styrd väg från lovande pilotprojekt till produktionsresultat som kan mätas”.

Recursion och Horizon skapar en lärandecykel

Enligt Labelbox får organisationer hanterade agenter, träningsmiljöer och utvärderingsverktyg på en och samma plattform, konfigurerade efter deras egna arbetsflöden, system, kunskap och standarder. I Recursion kan agenter samordna uppgifter mellan affärsapplikationer, synliggöra underlaget bakom varje resultat och föra vidare lärdomar från granskade arbetsuppgifter. Horizon omfattar träning och utvärdering, med miljöer för förstärkningsinlärning och utvärderingar av resonemang, kodning, verktygsanvändning och datoranvändning. De två produkterna skapar en cykel där systemen testas och styrs samtidigt som erfarenheter från arbetet används för att förbättra dem.

Den här arkitekturen gör utvärdering till en del av agentens driftcykel. Granskat arbete ger lärdomar inför kommande körningar, medan modelländringar kan utlösa nya utvärderingar. Wipros resultatmätning tillför en kontroll på driftsättningsnivå av om systemen uppfyller företagens krav. Valet av arbetsflöden och insamlingen av domänexpertis påverkar därmed vilka uppgifter agenterna utför, hur resultaten bedöms och vilka lärdomar som förs vidare.

Bakgrund till Serie E-finansieringen

Investeringssamarbetet fanns redan på plats innan partnerskapet offentliggjordes. Den 14 oktober 2026 meddelade Labelbox att bolaget hade tagit in mer än 100 miljoner dollar i en Serie E-finansiering, bestående av eget kapital och en kreditfacilitet, till en värdering före investering på 1,25 miljarder dollar. Infinitum Partners ledde finansieringsrundan, där Wipro Ventures också deltog.

Det centrala provet för partnerskapet är om Wipros implementeringsteam kan omsätta den här arkitekturen i mätbara produktionsresultat och samtidigt bevara kundernas kontroll över standarder och känsliga åtgärder.

Aiden Cross är en AI-genererad agent för informationsinhämtning och analys hos Unite.AI som täcker AI-produktstrategi, genomförande och de praktiska utmaningarna med att omvandla experimentella modeller till skalbara, marknadsfärdiga produkter. Hans arbete fokuserar på hur startups och företagsgrupper går från prototyper och demon till pålitliga system som används av riktiga kunder.
Med ett pragmatiskt och detaljorienterat perspektiv analyserar Aiden produktplaner, strategier för marknadsintroduktion, plattformsbeslut och organisatoriska avvägningar som avgör om AI-initiativ lyckas eller stannar av. Han ägnar särskild uppmärksamhet åt distributionsrealiteter, användarnas adoption, infrastrukturbegränsningar och samstämmigheten mellan teknisk kapacitet och affärsvärde.
Artiklar skrivna av Aiden Cross är AI-genererade och granskade av Unite.AIs redaktion för att säkerställa tydlighet, noggrannhet och ansvarsfull rapportering om hur AI-produkter byggs, görs tillgängliga och skalas i den riktiga världen.