Plurai ระดมทุนรอบ Seed ได้ 13 ล้านดอลลาร์ พร้อมเปิดแพลตฟอร์มจำลองการทำงานของเอเจนต์ AI

เมื่อวันที่ 11 พฤศจิกายน 2026 Plurai ประกาศการระดมทุนและเปิดตัว โดยเปิดเผยว่าได้รับเงินทุนรอบ Seed จำนวน 13 ล้านดอลลาร์ และเปิดให้ใช้งานแพลตฟอร์มจำลองการทำงานของเอเจนต์ AI ได้ทั่วไป Team8 เป็นผู้นำการระดมทุนรอบนี้ ขณะที่บริษัทเปิดตัวแพ็กเกจฟรีสำหรับผลิตภัณฑ์ที่ก่อนหน้านี้จำกัดการใช้งานไว้เฉพาะพันธมิตรและลูกค้าบางราย

U&I, Velocity และ Mercer เข้าร่วมการลงทุนด้วย พร้อมด้วยนักลงทุนอิสระและผู้นำในอุตสาหกรรมกว่า 20 ราย ในจำนวนนี้มี Udi Mokady ผู้ก่อตั้ง CyberArk และ Reah Miyara ผู้อำนวยการอาวุโสฝ่าย Google Models ที่ Google Cloud และอดีตหัวหน้าทีมประเมินโมเดลที่ OpenAI ด้วย Eyal Carmi ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีของ Microsoft 365 Copilot เข้าร่วมคณะที่ปรึกษาของ Plurai

Aviad Harell หุ้นส่วนผู้จัดการของ Team8 กล่าวว่า Plurai พัฒนาโครงสร้างพื้นฐานที่จำเป็นต่อการสร้างความเชื่อมั่นก่อนนำเอเจนต์ไปให้ลูกค้าใช้งาน และช่วยให้ปรับปรุงเอเจนต์ได้อย่างต่อเนื่องระหว่างใช้งานจริง พร้อมเสริมว่า “การจำลองจะกลายเป็นองค์ประกอบพื้นฐานของระบบเอเจนต์ เช่นเดียวกับที่ CI/CD เป็นองค์ประกอบพื้นฐานของซอฟต์แวร์”

แพลตฟอร์มจำลองการทำงานมีวิธีทำงานอย่างไร

Plurai สร้างแฝดดิจิทัลหรือสำเนาซอฟต์แวร์ของเอเจนต์และสภาพแวดล้อมการทำงาน โดยใช้ฐานความรู้ เครื่องมือ และนโยบายของลูกค้า จากนั้นนำเอเจนต์ไปทดสอบในแซนด์บ็อกซ์กับผู้ใช้จำลองที่มีพฤติกรรมสมจริงและเป็นปฏิปักษ์ เพื่อค้นหาการละเมิดนโยบาย การหลอนข้อมูล การดำเนินการที่ไม่ถูกต้อง การเรียกใช้เครื่องมือที่ผิดพลาด งานที่ทำไม่สำเร็จ และการรั่วไหลของข้อมูลที่ละเอียดอ่อน ก่อนที่ลูกค้าจะพบปัญหาเหล่านี้

หน้าผลิตภัณฑ์อธิบายถึงแซนด์บ็อกซ์แบบแยกส่วน ซึ่งสามารถจำลองบริการ เอกสาร และสถานะของระบบ ตลอดจนรีเซ็ตข้อมูลเหล่านี้ระหว่างการทดสอบแต่ละครั้งได้ ขณะเดียวกันก็ใช้ข้อมูลบันทึกการทำงานจริงมาประกอบการสร้างสถานการณ์จำลองในภายหลังได้ Plurai ระบุสาเหตุของความล้มเหลวโดยเชื่อมโยงกับหลักฐานและตำแหน่งโค้ดที่แน่ชัด สร้างวิธีแก้ไข และตรวจสอบวิธีแก้เหล่านั้นกับชุดทดสอบการถดถอย เพื่อดูว่าการแก้ปัญหาหนึ่งทำให้เกิดปัญหาอื่นหรือไม่

ข้อมูลจากการจำลองยังเป็นตัวอย่างสำหรับการฝึกเพิ่มเติม ซึ่งเป็นการฝึกโมเดลภาษาขนาดเล็กเพิ่มเติมเพื่อให้ทำงานเฉพาะด้านได้ โมเดลเหล่านั้นสามารถใช้ทำงานแทนเอเจนต์ หรือทำหน้าที่เป็นผู้ประเมินและกลไกป้องกันอย่างต่อเนื่องได้ ขณะที่ความล้มเหลวในการใช้งานจริงซึ่งตรวจพบใหม่จะถูกส่งกลับไปใช้ในการจำลองอีกครั้ง นักพัฒนาสามารถเริ่มต้นจาก Claude Code, Codex หรือ GitHub Copilot และทีมต่าง ๆ สามารถใช้แพลตฟอร์มนี้กับเอเจนต์ที่สร้างบน Salesforce Agentforce ได้

ผลลัพธ์ที่บริษัทรายงาน

Plurai รายงานว่าพันธมิตรด้านการออกแบบลดระยะเวลาพัฒนาวงจรเอเจนต์จากหลายเดือนเหลือเพียงไม่กี่ชั่วโมง ลดความล้มเหลวที่ไปถึงผู้ใช้จริงได้ 82% และลดต้นทุนการใช้งานเอเจนต์ที่เชื่อถือได้ลง 97% ผลลัพธ์ดังกล่าวมาจากกลุ่มผู้ใช้ที่คัดเลือกมาในอุตสาหกรรมที่ขับเคลื่อนด้วย AI และอุตสาหกรรมที่มีการกำกับดูแลอย่างเข้มงวด ซึ่งรวมถึงบริษัทใน Fortune 500 และบริษัทการเงินรายใหญ่ ก่อนเปิดแพลตฟอร์มให้ผู้ใช้ในวงกว้างขึ้น

กรณีศึกษาลูกค้าลงวันที่ 15 สิงหาคม 2026นำเสนอรายละเอียดการใช้งานจริงหนึ่งกรณี Plurai ระบุว่าผู้ให้บริการจัดการไอทีสำหรับองค์กรในสหรัฐฯ ซึ่งไม่เปิดเผยชื่อ สร้างโมเดลแบบกำหนดเองตัวแรกได้ภายใน 20 นาที และสร้างได้มากกว่า 100 โมเดลภายในสองสัปดาห์ สำหรับการตัดสินใจเลือกเส้นทางคำขอผ่านพอร์ทัลที่ศึกษา โมเดลแบบกำหนดเองจัดการคำขอได้ 89% เทียบกับ 69% ของการตั้งค่า Claude Haiku ที่ใช้อยู่เดิมโดยไม่มีความสามารถในการให้เหตุผล ขณะที่เวลาแฝงลดลงจาก 1.0 วินาทีเหลือ 0.15 วินาที และต้นทุนการอนุมานลดลงจาก 2.87 ดอลลาร์เหลือ 0.076 ดอลลาร์ต่อการเรียกใช้ 1,000 ครั้ง

กรณีศึกษาอีกฉบับลงวันที่ 21 ตุลาคม 2026กล่าวถึงการทำงานร่วมกับ NVIDIA และ Nebius สำหรับลูกค้าองค์กรระดับโลก Plurai รายงานว่าได้ฝึก NVIDIA Nemotron 3.5 Lightning เพิ่มเติมโดยใช้ชุดฝึกที่ประกอบด้วยบทสนทนา 3,722 รายการ ซึ่งติดป้ายกำกับโดยโมเดลครูรุ่นแนวหน้า โมเดลที่ได้คะแนนคุณภาพ 88.8 จาก 100 ในแชตจากการใช้งานจริง เทียบกับ 78.4 สำหรับ Claude Haiku-5.5 และ 88.6 สำหรับ GPT-6 Luna

รากฐานจากการขับขี่อัตโนมัติและข้อมูลสังเคราะห์

Ilan Kadar ประธานเจ้าหน้าที่บริหาร และ Elad Levi ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยี ก่อตั้ง Plurai หลังจากทำงานที่ Nexar ซึ่ง Kadar ดำรงตำแหน่งรองประธานฝ่าย AI ส่วน Levi เป็นสถาปนิกด้าน AI Kadar เปรียบแนวทางของ Plurai กับการตรวจสอบความถูกต้องของยานยนต์ขับเคลื่อนอัตโนมัติ โดยยกตัวอย่างระยะทางจำลองกว่า 20,000 ล้านไมล์ของ Waymo ซึ่งเขาระบุว่ามีระยะทางราว 100 เท่าของการขับขี่ในโลกจริง

BARRED ซึ่งเป็นเอกสารวิจัยฉบับก่อนตีพิมพ์ที่ Arnon Mazza และ Levi ส่งเมื่อวันที่ 28 เมษายน 2026 นำเสนอวิธีสร้างข้อมูลสังเคราะห์ที่เป็นหัวใจของกระบวนการดังกล่าว วิธีนี้แบ่งขอบเขตงานออกเป็นมิติต่าง ๆ และใช้การอภิปรายโต้แย้งระหว่างเอเจนต์หลายตัวเพื่อตรวจสอบป้ายกำกับ โดยต้องใช้เพียงคำอธิบายงานและตัวอย่างจำนวนเล็กน้อยที่ยังไม่ได้ติดป้ายกำกับ Plurai ระบุว่าวิธีนี้ได้รับการตอบรับให้นำเสนอใน ICML 2026

การระดมทุนรอบ Seed และแพ็กเกจฟรีช่วยให้ Plurai ขยับจากการเป็นพันธมิตรด้านการออกแบบที่คัดเลือกไว้ ไปสู่การทดสอบแนวทางนี้ในวงกว้างผ่านบริการที่ผู้ใช้เริ่มใช้งานได้ด้วยตนเอง คำถามสำคัญในระยะต่อไปคือ ผลลัพธ์ด้านความน่าเชื่อถือและการลดต้นทุนที่รายงานจากการใช้งานเหล่านั้นจะยังเกิดขึ้นหรือไม่ เมื่อมีทีมเข้ามาใช้วงจรการทำงานครบชุด ซึ่งประกอบด้วยการจำลอง การแก้ไขอัตโนมัติ และโมเดลเฉพาะทาง มากขึ้น