Plato, Yapay Zekâ Ajanları İçin Simüle Edilmiş İş Ortamları Oluşturmak Üzere A Serisi Yatırım Turunda 16 Milyon Dolar Aldı

Plato, yapay zekâ modellerinin canlı sistemlerde çalışmaya başlamadan önce yazılımları kullanmayı, iş kararlarını değerlendirmeyi ve karmaşık görevleri tamamlamayı deneyebileceği simüle edilmiş iş ortamları oluşturmak için A Serisi yatırım turunda 16 milyon dolar aldı. Tura Nava Ventures liderlik etti; Gradient Ventures, Transpose Platform ve Microsoft AI CEO’su Mustafa Suleyman da yatırıma katıldı.

Bu yatırımla Plato’nun toplam fonlaması, Gradient Ventures liderliğindeki tohum yatırım turunun ardından 19 milyon dolara ulaştı. Nava Ventures’ın kurucusu Freddie Martignetti yönetim kuruluna katılıyor. 2025’te kurulan ve San Francisco merkezli Plato, bu sermayeyi çalışma ortamları kütüphanesini ve yapay zekâ geliştiricilerine sunulan deneyim olanaklarını genişletmek için kullanacak.

Yatırım, sohbet botlarından ajanlara geçişteki pratik bir sınırlamayı hedefliyor: ikna edici bir yanıt üretmekle bir işi yerine getirmek farklı yetkinliklerdir. Satın alma, destek talebi veya muhasebe iş akışını yöneten bir ajan; doğru araçları kullanmalı, bilgileri karşılaştırıp tutarlı hâle getirmeli, kısıtlamalara uymalı ve temel kayıtları doğru durumda bırakmalıdır.

Canlı Kayıtları Değiştirmeden Alıştırma Yapılabilecek Bir Ortam

Bir ajanı gerçek bir iş sisteminde eğitmek, ajan hazır olmadan önce sonuçlara yol açabilir. Bir satın alma görevi para harcanmasına neden olabilirken idari bir iş akışı gerçek bir müşteri veya çalışan kaydını değiştirebilir. Plato, geliştiricilerin sıfırlayıp yeniden kullanabileceği, yalıtılmış ortamlarda bu iş akışlarını yeniden oluşturuyor.

Plato’nun kurucu ortağı ve CEO’su Robert Farlow duyuruda, “Gerçek hayattaki karmaşık işlerde ustalaşmak, bu görevleri deneyimleyerek öğrenmekle mümkün,” dedi. Şirketin simülasyonları, profesyonel işleri zorlaştıran araçları, kararları ve beklenmedik durumları yansıtmayı amaçlıyor.

Plato; müşteri desteği, insan kaynakları operasyonları, finans, muhasebe ve sağlık hizmetleri yönetimi alanlarındaki işleri yeniden oluşturmak için uzmanlarla çalışıyor. Yapay zekâ laboratuvarları, ortaya çıkan ortamları pekiştirmeli öğrenmede kullanabiliyor: modeller görevleri deneyip tekrarlanan deneyimler boyunca geri bildirimlerden öğreniyor. Bu ortamlar, modellerin performansını değerlendirmek için de kullanılabiliyor.

Yazılım Simülatörlerinden Doğrulanabilir İş Akışlarına

Şirketin web sitesi, Plato’yu gerçek dünyadaki yazılım ve verileri ajanları eğitme ve değerlendirme ortamlarına dönüştüren uygulamalı bir araştırma laboratuvarı olarak tanımlıyor. Geliştirici iş akışını örnekleyen süreçte, birden fazla simülatörle oturum oluşturuluyor, görev yükleniyor, ajan çalıştırılıyor ve ortaya çıkan çalışma süreci değerlendiriliyor. Örnekte GitHub, Jira ve Stripe simülatörleri bir araya getirilerek tek bir görevin birden fazla aracı kapsayabileceği gösteriliyor.

Bu yapı, geliştiricilere tekrarlanabilir bir deneyim birimi sunuyor: başlangıç çalışma alanı, tamamlanacak görev, ajanın eylemleri ve sonuç üzerindeki kontroller. Çalışma alanını sıfırlamak, canlı bir hesapta değişiklikleri biriktirmeden aynı sorunu yeniden denemeyi mümkün kılıyor.

Plato’nun 27 Ekim tarihli Computer Work Val v1.0 araştırma raporu, 10 alanı ve 36 rolü kapsayan, 210 simüle edilmiş uygulamada yürütülen 300 görevden oluşan bir doğrulama kümesini anlatıyor. Şirket, katkıda bulunanların kendi işlerinin bazı bölümlerini yazılım kopyaları ve sahte verilerle oluşturulmuş ortamlara dönüştürdüğünü belirtiyor.

Örneklerden birinde ajandan, simüle edilmiş elektronik tablo, e-posta, ödeme ve bankacılık araçlarını kullanarak üç aylık kâr-zarar tablosu hazırlaması isteniyor. Ayrı doğrulayıcılar; muhasebe uygulamaları, para biriminin doğru çevrilmesi ve son dosyanın teslim edilmesi gibi gereklilikleri denetliyor. Bu yaklaşım, tamamlanmış gibi görünen bir iş akışındaki önemli bir hatayı ortaya çıkarabilir: Rapor doğru alıcıya ulaşsa bile gelir olduğundan yüksek gösterilmiş olabilir.

Raporda ayrıca ilgili meslek alanlarından uzmanların yaptığı incelemeler ile ortam kusurlarına, istemlerle puanlama arasındaki uyumsuzluklara ve ödül sisteminin açıklarından yararlanılmasına yönelik kontroller anlatılıyor. Raporun vurgusu, başarılı olmak için gereken bilgileri içeren ancak yine de birden fazla kaynaktan akıl yürütmeyi gerektiren görevlerde.

Puanlama Sistemi Neden Önemli?

Bir simülasyondan alınan geri bildirim, modelin ne öğrendiğini şekillendirir. Değerlendirme, bütçeyi denetlemeden satın almayı tamamlamayı ödüllendirirse ajana, görevi anlamlı kılan talimatlar yerine işi bitirmeye öncelik vermeyi öğretebilir.

Plato, sonucun yanı sıra modelin bu sonuca nasıl ulaştığını da değerlendirdiğini; talimatlara uyup uymadığını ve kısıtlamaları gözetip gözetmediğini incelediğini söylüyor. Ayrıca modellerin, doğru çalışmayı yansıtmayan bir puan elde etmek için ortamdaki zayıflıklardan yararlanıp yararlanmadığını da araştırıyor.

Plato’nun kurucu ortağı ve CTO’su Pranav Putta, “Geliştiricilerin yüksek puanla doğru yapılmış işi birbirinden ayırt edebilmesi için, işin gerçekte gerektirdiklerini yansıtan değerlendirmeler oluşturuyoruz,” dedi.

Şirketin ayrı bir çalışması olan Web Clone Bench, modellerin referans ortamlardan web uygulamalarını yeniden oluşturma becerisini inceliyor. Plato, aslına yüksek düzeyde uygun kopyalar oluşturma sürecinin parçası olarak işlev kontrollerinden ve insan eliyle kalite güvencesinden söz ediyor. Eğitim altyapısı açısından aslına uygunluk teknik bir gereklilik: eksik davranışlar veya gerçekçi olmayan kestirme yollar, ajanın öğrendiği stratejileri değiştirebilir.

Gerçek Dünya Deneyimini Artırmak İçin Yeni Yatırım

Farlow daha önce Yutori’de, bilgisayar kullanımı modellerinin eğitimini destekleyen bir etiketleme platformu geliştirdi. Putta’nın geçmişinde bilgisayarlı görü, robotik, pekiştirmeli öğrenme ve MultiOn’da bilgisayar kullanımı modelleri üzerine yaptığı çalışmalar bulunuyor.

Yeni finansman, profesyonellere işlerinin daha büyük bir bölümünü simüle edilmiş ortamlarda yeniden oluşturmaları için ödeme yapılmasını sağlayacak. Plato ayrıca ek deneyim toplamak amacıyla yapay zekâ ajanlarını gerçek görevlerde kullanmayı ve daha uzun iş akışlarıyla simüle edilmiş kişilerle etkileşimler içeren daha kapsamlı simülasyonlar geliştirmeyi planlıyor.

Bu finansman turu, Labelbox’ın pekiştirmeli öğrenme ortamları ve yapay zekâ ajanları için sağladığı finansman da dâhil olmak üzere ajan eğitimi altyapısına yönelik daha geniş çaplı yatırımların ardından geldi. Plato, modellerin işin kurallarını koruyan değerlendirmelerle birlikte, giderek artan miktarda gerçekçi uygulamaya ihtiyaç duyduğuna inanıyor. Bu altyapının değeri, simülasyon içindeki deneyimin bir ajanı simülasyon dışında karşılaşacağı kararlara ne ölçüde hazırladığına bağlı.