Arga разрабатывает более эффективный способ обучения корпоративных ИИ-агентов

Оказалось, что заставить ИИ-агентов работать намного сложнее, чем ожидали многие компании. К счастью для них, помощь уже близко: новое поколение стартапов находит более эффективные способы тестировать и обучать агентов до их внедрения, особенно с учетом сложностей современной корпоративной среды.

Arga — одна из таких компаний. В среду стартап сообщил, что привлек $10 млн в посевном раунде финансирования под руководством General Catalyst при участии Box Group, Emergence, Gradient и SV Angel.

Arga создает обучающие среды для корпоративного программного обеспечения, такого как Salesforce, Workday и почтовые клиенты. В то время как большинство тестовых сред предоставляет API-эндпоинт без сохранения состояния, Arga создает полномасштабный цифровой двойник программы, фактически клонируя все программное обеспечение с сохранением систем разрешений и веб-хуков. В результате появляется более надежный способ обучать агентов работе с несколькими системами.

Генеральный директор и сооснователь стартапа Филип Ли проиллюстрировал работу своего продукта примером: потенциальный клиент создает лид в Salesforce, а коллега параллельно связывается с ним через Hubspot.

«Может ли агент правильно определить, что это одна и та же компания? — спрашивает Ли. — Может ли он проверить, не отправили ли письмо только один раз? Может ли он определить, кому из двух потенциальных клиентов следует отправить письмо?»

Агентные системы по-прежнему испытывают трудности с подобными неоднозначными ситуациями, и Ли считает инструменты Arga ключевыми для их совершенствования.

Обычно ИИ-агента можно обучить такой задаче с помощью обучения с подкреплением (RL): запускать сценарий десятки тысяч раз и пропускать только успешные стратегии. Но особенности корпоративного программного обеспечения делают такое масштабное тестирование практически невозможным. Нет простого способа «сбросить» систему вроде Salesforce или Outlook, когда нужно снова запустить тот же сценарий, не говоря уже о ее клонировании.

Решение Arga заключается в цифровом воссоздании такого программного обеспечения путем копирования его структуры — подобно тому, как манекен для краш-тестов должен заменять человека. Поскольку Arga полностью контролирует среду, получившуюся копию легко сбрасывать или изменять. Компания также может одновременно запускать множество сред, чтобы обучать агентов сложным взаимодействиям между разными программами. Идея заключается в воспроизведении всей рабочей среды человека, где конкретные задачи пересекаются в разных программах и системах знаний.

Можно рассматривать это как способ сократить разрыв в обучении с подкреплением между программированием и другими приложениями. Одна из причин, по которой инструменты ИИ для программирования развиваются так быстро, заключается в том, что у нас уже есть сложные инструменты для развертывания, отката и анализа нового кода. Эти инструменты значительно упрощают создание сред для обучения с подкреплением в программировании, что позволяет тестировать и обучать ИИ-системы все более сложным задачам кодирования.

Однако для большинства бизнес-программ таких инструментов пока нет. Но когда они появятся, ИИ-системы, вероятно, станут гораздо лучше работать с этими программами и произведут революцию в других отраслях так же, как они уже преобразили программирование.

Управляющий директор General Catalyst Юрий Сагалов, который также руководит программой посевных инвестиций фирмы, говорит, что видит растущую потребность в инструментах для тестирования агентов, подобных Arga.

«Я думаю, что значительная часть экономической ценности агентов связана с использованием бизнес-приложений, — сказал Сагалов TechCrunch. — Наличие воспроизводимой изолированной среды очень важно, причем для агентов это гораздо важнее, чем для людей».