Plurai quiere ayudar a los agentes de IA a trabajar mejor utilizando el mismo enfoque que ayudó a que los vehículos autónomos circularan por las carreteras.

Los agentes de IA están de moda, pero no son tan capaces como sus proveedores quieren hacernos creer.

Los esfuerzos por comparar a los agentes encargados de trabajos complejos muestran que normalmente no son lo suficientemente confiables para funcionar sin una estrecha supervisión. LiveBench 2.0 muestra que Claude Fable 5.2 y ChatGPT-6 Astra tuvieron éxito en 82,9 y 75,6 de 100 tareas, respectivamente, y un esfuerzo de la empresa de infraestructura de inteligencia artificial EON para probar agentes en un entorno corporativo simulado encontró que el modelo probado más exitoso, Claude Opus 4.8, realizó tareas con una precisión del 76,8%.

Ahora, una startup conocida como Plurai quiere aumentar esas cifras con las mismas técnicas que ponen a los autos sin conductor en las calles: simulaciones que utilizan datos sintéticos basados ​​en los propios sistemas digitales de una empresa, destinadas a preparar modelos para abordar casos extremos difíciles.

Los cofundadores Ilan Kadar y Elad Levi trabajaron anteriormente para Nexar, que desarrolla tecnología de conducción autónoma. Kadar trabajó con Waymo para simular y evaluar su software de conducción de aprendizaje profundo de extremo a extremo.

“En el momento en que vimos la ola de agentes de IA, vimos el mismo patrón: que es muy fácil crear una demostración, pero [hard] «Para obtener algo que sea confiable y rentable», dijo Kadar a TechCrunch. «Desde que vimos el mismo patrón, el mismo discurso fue que queremos construir esta capa de simulación».

El miércoles, la startup dijo que había recaudado 13 millones de dólares en financiación inicial para que eso suceda. La ronda estuvo liderada por Team8, con la participación de U&I, Velocity y Mercer.

Al igual que los modelos integrales entrenados para conducir automóviles, los agentes de IA son sistemas probabilísticos que operan en entornos impredecibles. Cuando los clientes los presionan, los agentes encargados de reservar viajes pueden ignorar las políticas de gasto. O, cuando se les asigna la tarea de consultar una base de datos, los agentes pueden proporcionar una respuesta confiable, pero la combinación de información de múltiples conjuntos de datos tiende a complicar el trabajo. Una conversación larga con un robot de servicio al cliente puede abrumar a un agente con demasiado contexto y llevarle a tomar decisiones equivocadas.

Para solucionar este problema, Plurai crea un gemelo digital de los sistemas electrónicos de la empresa, incluida la base de conocimientos y las herramientas a las que tendrá acceso un agente en producción. Luego mapea todos los flujos posibles de los agentes y utiliza ese gráfico para preparar el modelo con evaluaciones y correcciones para posibles casos extremos. La plataforma funciona junto con herramientas agentes existentes como Claude Code, Codex, Copilot y Cursor.

Sin embargo, Kadar dice que la verdadera promesa de la compañía es utilizar los datos que recopila para entrenar modelos pequeños y abiertos adaptados a las necesidades individuales de los clientes. Las pruebas realizadas en cooperación con Nvidia y Nebius mostraron que los modelos de la compañía superaban a los modelos de gama media a costos más bajos.

“Podemos tomar un modelo de lenguaje grande, podemos tomar la tarea, descomponerla en una tarea más pequeña usando la simulación, entrenar [an open-weight] modelo, y utilizando la simulación, verificar que la calidad sea mayor o comparable al modelo de frontera, y una reducción de costos de uno o dos órdenes de magnitud”, dijo.

Reah Miyara, investigador de Google DeepMind que respaldó a Plurai como inversionista ángel, dijo que la ventaja de la compañía proviene de comprender los modos de falla en la producción y generar datos sintéticos para ajustar los modelos. A medida que las empresas intentan optimizar sus gastos en IA, el enfoque de Plurai podría resultar una ventaja real, ya que los líderes de TI están viendo que «los modelos con capacidad de vanguardia están fuera de distribución con mis datos específicos, y el costo de estas cosas no es sostenible en el largo plazo», dijo Miyara.

Plurai espera que las analogías entre los agentes de IA en entornos físicos y digitales puedan resultar predictivas: si bien los potentes modelos generales de IA están dotando a los robots de capacidades fascinantes, todavía no son lo suficientemente confiables como para implementarlos ampliamente. Mientras tanto, en este momento hay robots impulsados ​​por modelos de IA creados para tareas específicas, trabajando para los clientes y recopilando datos valiosos del mundo real.

«Mi opinión es que no importa cuán inteligentes sean OpenAI y el modelo Anthropic (y serán mucho más inteligentes) no conocerán su negocio ni su política», dijo Kadar.