AIエージェント導入に向けたエンタープライズソフトウェア向けのトレーニング環境を構築する"Arga Labs"がSeedで$10Mを調達

Arga Labsは、General Catalystがリードし、Box Group、Emergence、Gradient、SV Angelが参加したSeedで$10Mを調達しました。

AIエージェントを実際に機能させることは、多くの企業が予想していたよりもはるかに困難です。しかし、その課題を解決する支援が登場しつつあります。新たなスタートアップ群が、AIエージェントを実際に導入する前に、より効果的にテスト・トレーニングする方法を見つけ出しています。特に、現代の企業環境が持つ複雑性への対応に重点を置いています。

Arga Labsは、Salesforce、Workday、メールクライアントなどのエンタープライズソフトウェア向けのトレーニング環境を構築しています。一般的なテスト環境の多くがステートレスなAPIエンドポイントにとどまる一方、Argaはプログラムのフルスケールのデジタルツインを構築し、権限管理システムやWebhookを維持したまま、エンタープライズ向けプログラム全体を事実上複製します。その結果、複数のシステムにまたがってAIエージェントをトレーニングするための、より堅牢な方法を実現しています。

CEO兼共同創業者のPhillip Liは、見込み顧客がSalesforce上でリードとして作成される一方、その同僚がHubSpotを通じて別途その顧客に連絡するケースを例に挙げています。

「エージェントは、この2つが同じ会社であることを正しく認識できるでしょうか？」とLiは話します。「メールを1回だけ送信したかどうかを確認できるでしょうか？2つの商談のうち、誰にメールを送るべきかを判断できるでしょうか？」

エージェント型システムは、依然としてこのような曖昧性への対応に苦戦しています。Liは、こうしたシステムの改善を支援するうえで、Arga Labsのツールが重要になると考えています。

通常、このようなタスクについてエージェントをトレーニングする場合、強化学習を利用できます。基本的には、同じシナリオを数万回実行し、成功した戦略だけを残していく方法です。しかし、エンタープライズソフトウェアの性質上、この規模でテストを実施することはほぼ不可能です。同じシナリオをもう一度実行する必要がある場合、SalesforceやOutlookのようなシステムを簡単に「リセット」する方法はなく、ましてや複製することは容易ではありません。

Arga Labsの解決策は、そのソフトウェアをデジタル上で再現することです。これは、衝突試験用ダミー人形が人間を再現するのと同じように、その構造を複製するものです。Argaは環境を完全にコントロールできるため、簡単にリセットしたり変更したりできます。また、同時に多数の環境を稼働させ、異なるプログラム間の複雑な相互作用についてエージェントをトレーニングすることもできます。その考え方は、人間の仕事環境全体を再現し、異なるプログラムやナレッジシステム間で特定のタスクが重複する状況を作り出すというものです。

これは、コーディングとその他のアプリケーションとの間に存在する強化学習のギャップを埋める方法だと考えることができます。AIコーディングツールがこれほど急速に進歩した理由の1つは、新しいコードをデプロイし、元に戻し、分析するための高度なツールがすでに存在していることです。こうしたツールによって、コーディング向けの強化学習環境を構築することがはるかに容易になり、ますます複雑になるコーディングタスクについてAIシステムをテスト・トレーニングできるようになっています。

こうしたツールは、ほとんどのビジネスソフトウェアにはまだ存在していません。しかし、いったんこうしたツールが整備されれば、AIシステムがそれらのプログラムを使用する能力は大幅に向上すると考えられます。そして、AIがコーディングを変革したのと同じように、他の業界にも大きな変革をもたらすことが期待されます。

General CatalystのManaging Directorであり、同社のSeedプログラムも運営するYuri Sagalovは、Argaのようなエージェント型AI向けテストツールに対するニーズが高まっていると考えています。

「エージェントが生み出す経済的価値の多くは、ビジネスアプリケーションを利用することから生まれると考えています。繰り返し利用可能なサンドボックス環境を持つことは非常に重要です。そして、それは人間が利用していた時代よりも、エージェントにとってはるかに重要になります。」とSagalovは語りました。