Стартап Arga привлёк $10 млн в посевном раунде на фоне растущего спроса на инструменты для тестирования и обучения ИИ-агентов в корпоративном ПО.
Раунд возглавил General Catalyst. Также в нём участвовали Box Group, Emergence, Gradient и SV Angel.
Arga создаёт среды для обучения агентов, работающих с корпоративными сервисами вроде Salesforce, Workday и почтовых клиентов. В отличие от стандартных тестовых стендов с API без сохранения состояния, компания строит цифровой двойник приложения с сохранением прав доступа и вебхуков.
По словам гендиректора и сооснователя Arga Филипа Ли, одна из типичных задач выглядит так: потенциальный клиент создаёт лид в Salesforce, а коллега параллельно связывается с той же компанией через HubSpot. В таких случаях агенту нужно понять, что речь идёт об одной и той же компании, проверить, не было ли повторной отправки письма, и выбрать правильного получателя из двух возможностей.
«Может ли агент правильно определить, что это одна и та же компания? Способен ли он проверить, отправили ли письмо только один раз? Может ли он понять, кому именно нужно отправить письмо из двух возможных вариантов?» — сказал Филип Ли.
По его словам, агентные системы пока плохо справляются с такой неоднозначностью. Arga пытается решить эту задачу через контролируемые цифровые копии бизнес-программ.
Обычно для подобных сценариев ИИ-агентов обучают с помощью обучения с подкреплением: систему десятки тысяч раз прогоняют через один и тот же сценарий, сохраняя удачные стратегии. Но в корпоративном ПО такой масштаб тестирования трудно организовать, поскольку сервисы вроде Salesforce или Outlook нельзя быстро вернуть в исходное состояние или просто клонировать для нового цикла проверки.
Решение Arga — воссоздавать такое ПО в цифровом виде. Компания сравнивает свой подход с манекеном для краш-тестов: он заменяет реальный объект, но позволяет безопасно и многократно проводить испытания. За счёт полного контроля над средой её можно быстро сбрасывать и изменять.
Компания также может запускать много таких сред одновременно, чтобы обучать агентов взаимодействию между разными программами. Цель — воспроизвести полноценное рабочее окружение человека, где задачи пересекаются между несколькими сервисами и внутренними базами знаний.
Ли считает, что такой подход должен сократить разрыв между прогрессом ИИ в программировании и его применением в бизнес-софте. Инструменты для развёртывания, отката и анализа кода уже хорошо развиты, поэтому среды для обучения с подкреплением в программировании строить проще. В бизнес-приложениях таких инструментов пока почти нет.
Управляющий директор General Catalyst Юрий Сагалов, который также курирует программу посевных инвестиций фонда, заявил, что спрос на инструменты тестирования для агентных систем растёт.
«Я думаю, что значительная часть экономической ценности агентов связана с использованием бизнес-приложений, — сказал Сагалов TechCrunch. — Наличие воспроизводимой песочницы очень важно, и для агентов это намного важнее, чем было для людей».
Источник: TechCrunch