Plurai capta US$ 13 milhões para simulador que encontra erros em agentes de IA

Um agente sabe reservar viagens de trabalho até que um funcionário peça uma exceção para comprar uma passagem acima do limite estabelecido. Na demonstração, tudo parecia convincente; no sistema em produção, surgiu uma despesa desnecessária. A startup Plurai propõe reproduzir essas situações antecipadamente em um simulador de sistemas corporativos. Para quem desenvolve, a questão prática é como verificar o comportamento do agente antes de lhe dar acesso a operações reais.

Segundo o TechCrunch, a empresa captou US$ 13 milhões em uma rodada de investimento semente. A Team8 liderou a rodada, que também teve a participação de U&I, Velocity e Mercer. Os fundadores, Ilan Kadar e Elad Levy, trabalharam anteriormente na Nexar, e Kadar atuou em simulações e avaliação de software para direção autônoma junto com a Waymo. Agora, a equipe leva essa experiência para os agentes de software.

Como funciona o ambiente de testes

A Plurai cria uma réplica digital do ambiente em que o agente vai operar: as bases de conhecimento e as ferramentas disponíveis para ele. Em seguida, a plataforma constrói um grafo de ações possíveis e o utiliza para preparar testes de cenários complexos. Segundo a descrição da empresa, isso ajuda a identificar e corrigir erros antes do lançamento.

Vejamos o mesmo assistente de viagens de trabalho. Um teste convencional mostrará se ele consegue encontrar um voo e concluir uma reserva. Na simulação, é possível testar uma sequência mais complicada: a passagem adequada excede o orçamento, o usuário insiste na compra e a regra sobre exceções está em um documento separado. Nesse caso, o sucesso significa lidar corretamente com a restrição, e não apenas concluir a reserva. Essa é uma ilustração da abordagem, não um resultado publicado de testes da Plurai.

Um problema semelhante surge no trabalho com dados. Responder a uma pergunta usando uma única base é mais simples do que cruzar informações de vários sistemas e escolher a ação correta. Uma conversa longa com um cliente acrescenta outra dificuldade: o agente precisa preservar as condições da tarefa à medida que o contexto se acumula.

Por que as empresas podem querer modelos menores

Os testes são a primeira parte do plano. A segunda é usar os dados sintéticos obtidos para fazer o ajuste fino de modelos menores com pesos abertos para as tarefas de um cliente específico. Segundo o TechCrunch, a plataforma funciona junto a ferramentas existentes, incluindo Claude Code, Codex, Copilot e Cursor.

A lógica é clara: se um agente executa um conjunto limitado de operações, pode ser vantajoso para a empresa treinar um modelo especificamente para essas operações. O simulador deve ajudar a dividir uma tarefa grande em outras menores e verificar se a qualidade necessária se mantém após a troca de modelo.

Kadar afirma que é possível reduzir os custos de 10 a 100 vezes com qualidade comparável ou superior à dos modelos grandes. A reportagem também menciona testes realizados com Nvidia e Nebius nos quais, segundo a empresa, os modelos da Plurai superaram alguns modelos de ponta da categoria intermediária a um custo menor.

Mas o texto fornecido não apresenta metodologia detalhada, conjunto de tarefas, nomes dos modelos comparados nem um cálculo completo dos custos. Por isso, esses números devem ser tratados como alegações do fornecedor. Eles ainda não permitem estimar a economia para um produto de outra empresa.

O que verificar antes da implantação

A principal limitação dessa abordagem é a fidelidade com que o simulador reproduz o ambiente de produção. Se ele deixar de fora restrições reais de acesso, documentos desatualizados ou falhas nas ferramentas, um bom resultado nos testes poderá gerar uma falsa sensação de segurança. Também é difícil testar literalmente todas as ações possíveis de um agente em um sistema complexo; um grafo de cenários, por si só, não garante cobertura completa.

Há ainda a questão econômica. Uma chamada ao modelo mais barata não significa necessariamente uma tarefa concluída a um custo menor. É preciso considerar novas tentativas, intervenção de funcionários, manutenção do simulador e atualização do treinamento após mudanças nas regras corporativas.

Para uma equipe que já coloca agentes em produção, um passo útil é reunir seus próprios casos de falha e transformá-los em testes repetíveis. Por exemplo, medir separadamente a conclusão da tarefa, o cumprimento das políticas e a necessidade de correção manual. A Plurai propõe combinar essa verificação com a preparação de dados de treinamento. O interesse está na possibilidade de encontrar sistematicamente erros de um fluxo de trabalho específico; a economia prometida terá de ser comprovada nas tarefas de cada equipe.