Plurai привлекла $13 млн на симулятор, который ищет ошибки ИИ-агентов

Агент умеет бронировать командировки, пока сотрудник не попросит сделать исключение и купить билет дороже установленного лимита. На демонстрации всё выглядело убедительно; в рабочей системе появилась лишняя трата. Стартап Plurai предлагает заранее воспроизводить такие ситуации в симуляторе корпоративных систем. Для разработчика здесь практический вопрос: как проверить поведение агента до того, как дать ему доступ к реальным операциям.

По данным TechCrunch, компания привлекла $13 млн посевных инвестиций. Раунд возглавил Team8, к нему присоединились U&I, Velocity и Mercer. Основатели Илан Кадар и Элад Леви раньше работали в Nexar, а Кадар занимался симуляциями и оценкой программного обеспечения для автономного вождения вместе с Waymo. Теперь команда переносит этот опыт на программных агентов.

Как устроен испытательный стенд

Plurai создаёт цифровую копию среды, в которой будет работать агент: базы знаний и доступных ему инструментов. Затем платформа строит граф возможных действий и использует его для подготовки проверок сложных сценариев. По описанию компании, это помогает обнаруживать и исправлять ошибки до запуска.

Возьмём того же помощника для командировок. Обычная проверка покажет, способен ли он найти рейс и оформить бронирование. В симуляции можно проверить более неприятную цепочку: подходящий билет превышает бюджет, пользователь настаивает на покупке, а правило об исключениях лежит в отдельном документе. Успех здесь означает, что агент правильно обработал ограничение, а не просто завершил бронирование. Это иллюстрация подхода, а не опубликованный результат испытаний Plurai.

Аналогичная проблема возникает при работе с данными. Ответить на вопрос по одной базе проще, чем сопоставить сведения из нескольких систем и выбрать правильное действие. Длинная переписка с клиентом добавляет ещё одну нагрузку: агенту приходится сохранять условия задачи, несмотря на накопившийся контекст.

Зачем компании небольшие модели

Проверки — первая часть замысла. Вторая — использовать полученные синтетические данные для дообучения небольших моделей с открытыми весами под задачи конкретного заказчика. Платформа, как сообщает TechCrunch, работает рядом с существующими инструментами, включая Claude Code, Codex, Copilot и Cursor.

Логика понятна: если агент выполняет ограниченный набор операций, компании может быть выгодно обучить модель именно этим операциям. Симулятор при этом должен помогать разбивать большую задачу на меньшие и проверять, сохранилось ли нужное качество после замены модели.

Кадар заявляет о возможности снизить затраты в 10–100 раз при сопоставимом или более высоком качестве относительно крупных моделей. В материале также упоминаются испытания совместно с Nvidia и Nebius, где модели Plurai, по утверждению компании, превзошли часть передовых моделей среднего уровня при меньших расходах.

Но в предоставленном тексте нет подробной методики, состава задач, названий сравниваемых моделей и полного расчёта стоимости. Поэтому эти цифры стоит воспринимать как заявление поставщика. Они ещё не позволяют оценить экономию для чужого продукта.

Что проверить перед внедрением

Главное ограничение такого подхода — насколько точно симулятор воспроизводит рабочую среду. Если в нём отсутствуют реальные ограничения доступа, устаревшие документы или сбои инструментов, хороший результат испытаний может дать ложную уверенность. Проверить буквально все возможные действия агента в сложной системе тоже трудно; граф сценариев сам по себе не гарантирует полноту покрытия.

Есть и вопрос экономики. Более дешёвый вызов модели не обязательно означает более дешёвую выполненную задачу. Нужно учитывать повторные попытки, вмешательство сотрудника, поддержку симулятора и обновление обучения после изменений в корпоративных правилах.

Для команды, которая уже запускает агентов, полезный шаг — собрать собственные случаи отказов и превратить их в повторяемые проверки. Например, отдельно измерять завершение задачи, соблюдение политики и необходимость ручного исправления. Plurai предлагает объединить такую проверку с подготовкой обучающих данных. Интерес здесь в возможности системно находить ошибки конкретного рабочего процесса; обещанную экономию придётся подтверждать на собственных задачах.