Симуляция вместо обучения на ходу. Как Plurai планирует приручить ИИ-агентов
Создать демо-версию агента легко, но заставить его работать без надзора, огромная проблема. Стартап Plurai решил использовать методы беспилотных авто для решения этой задачи.
Сегодняшние ИИ-агенты часто ошибаются в сложных сценариях. По данным LiveBench 2.0, Claude Fable 5.2 и ChatGPT-6 Astra справляются лишь с 82,9% и 75,6% задач из 100 соответственно. В корпоративных тестах EON лучший результат показал Claude Opus 4.8 с точностью 76,8%.
Проблема в непредсказуемости. Агент может проигнорировать правила компании при бронировании поездки или запутаться в данных при работе с несколькими базами. Илан Кадар (Ilan Kadar), сооснователь Plurai, отмечает, что создание надежного и выгодного продукта гораздо сложнее, чем запуск демо-версии.
Для решения проблемы Plurai создает цифровой двойник систем компании. Платформа копирует базы знаний и инструменты, к которым будет иметь доступ агент. На основе этого графа строятся симуляции со множеством сценариев, чтобы подготовить модель к редким и сложным ситуациям.
Платформа работает параллельно с существующими инструментами вроде Claude Code или Copilot. Главная цель, использовать собранные данные для дообучения небольших моделей с открытыми весами. В тестах с Nvidia и Nebius такие модели показали результаты лучше средних флагманских систем при гораздо меньшей стоимости.
По словам Илана Кадара, даже самые умные модели от OpenAI или Anthropic не будут знать специфику вашего бизнеса и внутренние политики. Вместо огромных моделей компания предлагает декомпозировать задачи и обучать под них специализированные решения. Это может снизить расходы на один или два порядка.
Сейчас ИИ-агенты часто требуют постоянного контроля со стороны человека. Если подход с цифровыми двойниками сработает, работа с ними станет похожа на эксплуатацию роботов в цехах: они будут знать свои задачи и правила до того, как столкнутся с ними в реальности.
· обновлено, версия 5
Источники · 1
Текст подготовила языковая модель по материалам источников.
