Plato залучила $16 млн у межах раунду фінансування Серії A на створення симульованих робочих середовищ для ШІ-агентів

Plato залучила $16 млн у межах раунду фінансування Серії A, щоб створити симульовані робочі середовища, де моделі ШІ зможуть практикуватися у використанні програмного забезпечення, ухваленні бізнес-рішень і виконанні складних завдань, перш ніж працювати в реальних системах. Раунд очолила Nava Ventures; до нього також долучилися Gradient Ventures, Transpose Platform і Мустафа Сулейман, генеральний директор Microsoft AI.

Завдяки цьому фінансуванню загальний обсяг залучених Plato коштів сягнув $19 млн; раніше компанія залучила початкове фінансування в раунді, який очолила Gradient Ventures. Засновник Nava Ventures Фредді Мартінетті приєднується до ради директорів. Заснована у 2025 році компанія Plato, що базується в Сан-Франциско, використає кошти, щоб розширити бібліотеку робочих середовищ і збільшити обсяг практичного досвіду, доступного розробникам ШІ.

Інвестиція спрямована на подолання практичного обмеження під час переходу від чатботів до агентів: переконливо сформулювати відповідь і виконати завдання — це різні навички. Агент, який обробляє купівлю, звернення до служби підтримки чи бухгалтерський процес, має використовувати належні інструменти, узгоджувати інформацію, дотримуватися обмежень і залишати базові записи в правильному стані.

Місце для практики без зміни реальних записів

Навчання агента в реальній бізнес-системі може мати наслідки ще до того, як агент буде готовий до роботи. Завдання із закупівель може призвести до витрати грошей, а адміністративний процес — змінити справжній запис про клієнта чи працівника. Plato відтворює такі процеси в ізольованих середовищах, які розробники можуть скидати до початкового стану й використовувати повторно.

«Майстерність у складній реальній роботі приходить із досвідом виконання таких завдань», — заявив у повідомленні Роберт Фарлоу, співзасновник і генеральний директор Plato. Симуляції компанії покликані відтворювати інструменти, рішення й непередбачені ситуації, які ускладнюють професійну роботу.

Plato співпрацює з галузевими експертами, щоб відтворювати робочі процеси у сфері підтримки клієнтів, управління персоналом, фінансів, бухгалтерського обліку та адміністрування охорони здоров’я. Лабораторії ШІ можуть використовувати створені середовища для навчання з підкріпленням, у межах якого моделі виконують завдання й навчаються на зворотному зв’язку завдяки багаторазовому досвіду, а також для оцінювання їхньої ефективності.

Від симуляторів програмного забезпечення до робочих процесів із можливістю перевірки

На сайті компанії Plato описано як лабораторію прикладних досліджень, що перетворює реальне програмне забезпечення й дані на середовища для навчання агентів та оцінювання їхньої роботи. Наведений приклад робочого процесу розробника передбачає створення сеансу з кількома симуляторами, завантаження завдання, запуск агента й оцінювання отриманої траєкторії виконання. У прикладі поєднано симулятори GitHub, Jira і Stripe, що демонструє, як одне завдання може охоплювати кілька інструментів.

Така структура дає розробникам змогу відтворювати той самий досвід: початкове робоче середовище, завдання, яке потрібно виконати, дії агента та перевірки результату. Скидання середовища дає змогу повторити ту саму задачу, не накопичуючи змін у реальному обліковому записі.

У своєму дослідницькому звіті про Computer Work Val v1.0 від 27 жовтня Plato описує набір для перевірки з 300 завдань у 10 галузях і 36 професійних ролях, що виконуються в 210 симульованих застосунках. За словами компанії, учасники перетворюють окремі завдання зі своєї роботи на середовища, створені на основі копій програмного забезпечення та штучних даних.

В одному з прикладів агент має підготувати квартальний звіт про прибутки й збитки за допомогою симульованих інструментів для роботи з електронними таблицями, електронною поштою, платежами та банківськими операціями. Окремі засоби перевірки контролюють такі вимоги, як правильне відображення операцій в обліку, коректне конвертування валют і доставлення підсумкового файла. Такий підхід може виявити серйозну помилку в процесі, який в іншому вже завершено: звіт може надійти належному адресатові, але водночас містити завищені показники доходу.

У звіті також описано перевірку фахівцями відповідної професії та контроль на наявність дефектів середовища, невідповідностей між завданнями й оцінюванням, а також маніпулювання системою винагород. Основна увага приділяється завданням, які містять необхідну для успіху інформацію, але водночас вимагають міркувань на основі кількох джерел.

Чому система оцінювання має значення

Зворотний зв’язок у симуляції формує те, чого навчається модель. Якщо під час оцінювання винагороджують за завершену купівлю, не перевіряючи бюджет, модель може засвоїти, що завершення завдання важливіше за інструкції, які надавали йому сенсу.

За словами Plato, компанія оцінює результат і те, як модель його досягла, зокрема чи дотримувалася вона інструкцій та обмежень. Також компанія перевіряє, чи не використовують моделі слабкі місця середовища, щоб отримати оцінку, яка не свідчить про належне виконання роботи.

«Ми створюємо оцінювання, яке відображає реальні вимоги до роботи, щоб розробники могли відрізнити високий бал від належно виконаного завдання», — сказав Пранава Путта, співзасновник і технічний директор Plato.

Окремий бенчмарк Web Clone Bench компанії перевіряє здатність моделей відтворювати вебзастосунки на основі еталонних середовищ. Plato зазначає, що перевірки функціональності та контроль якості за участю людей є частиною створення високоточних копій. Для інфраструктури навчання така точність — технічна вимога: відсутні функції або нереалістичні спрощення можуть змінити стратегії, яких навчається агент.

Фінансування для розширення практичного досвіду роботи в реальних умовах

Раніше Farlow створив на Yutori платформу анотування для навчання моделей взаємодії з комп’ютером. Putta має досвід у комп’ютерному зорі, робототехніці, навчанні з підкріпленням і розробці моделей для взаємодії з комп’ютером у MultiOn.

Нове фінансування спрямують на оплату праці фахівців, які відтворюватимуть у симульованих середовищах дедалі більше аспектів своєї роботи. Plato також планує залучати агентів ШІ до реальних завдань, щоб збирати додатковий досвід, і розробляє складніші симуляції з довшими робочими процесами та взаємодією із симульованими людьми.

Цей раунд відбувається на тлі ширших інвестицій в інфраструктуру для навчання агентів, зокрема фінансування Labelbox на розробку середовищ для навчання з підкріпленням та агентів ШІ. Plato робить ставку на те, що моделям потрібен дедалі більший обсяг реалістичної практики в поєднанні з оцінюваннями, які зберігають правила роботи. Цінність цієї інфраструктури залежить від того, наскільки добре досвід у симуляції готує агента до рішень, які йому доведеться ухвалювати поза нею.