Trajectory capta 45 milhões de dólares para tornar o treinamento de modelos de IA acessível a especialistas não técnicos

Sejam desenvolvidos pela OpenAI ou pela Anthropic, ou construídos sobre alternativas de código aberto, os modelos de IA atuais compartilham uma limitação crítica: eles não aprendem com seus erros sem treinamento adicional.

As empresas que adaptam esses modelos para áreas especializadas, como direito e finanças, geralmente contornam isso ajustando modelos gerais. No entanto, isso frequentemente exige a contratação de equipes de pesquisa internas ou a dependência de consultores caros, comumente conhecidos como engenheiros de implantação avançada (FDEs).

Trajectory, uma startup fundada há cerca de um ano por três colegas de classe de Stanford com experiência no Google DeepMind e na Apple, quer automatizar esse processo, permitindo que os modelos de IA aprendam com o feedback e melhorem continuamente em tarefas especializadas.

A empresa de 18 funcionários acaba de anunciar que captou US$ 45 milhões em uma rodada da Série A, com uma avaliação de mercado de US$ 300 milhões, liderada pela Sequoia, com a participação da Nvidia, Bessemer Venture Partners e Bain Capital Ventures.

O cofundador da Trajectory, Ronak Malde, comparou os modelos fundamentais a um estudante de doutorado muito inteligente que está sempre começando um novo emprego. “Mas o que a economia valoriza é alguém que trabalhou no emprego por 30 anos”, disse ele ao TechCrunch.

A startup visa resolver esse problema por meio de uma abordagem conhecida como aprendizado contínuo. As empresas que usam a Trajectory podem começar com um modelo de IA de código aberto e conectar a plataforma aos seus aplicativos, permitindo coletar feedback sobre o desempenho do modelo. A Trajectory então usa essas informações para retreinar o modelo, ajudando-o a melhorar em tarefas especializadas ao longo do tempo.

Com a Trajectory, advogados, médicos e outros especialistas podem melhorar os modelos quase automaticamente por conta própria, disse Malde. Essa capacidade pode tornar a implantação de IA especializada mais rápida e barata.

Empresas como Harvey e Rogo já estão usando a plataforma da Trajectory para realizar o pós-treinamento de modelos de código aberto, ajudando-os a atuar mais como advogados experientes ou analistas financeiros ao aprender com tarefas anteriores, como a revisão de um tipo específico de contrato jurídico ou a avaliação de uma empresa usando uma metodologia específica. Outros clientes da Trajectory incluem Decagon, Mercor e Nvidia. A startup está agora disponibilizando publicamente sua plataforma de pós-treinamento.

As pessoas que usam a Trajectory decidem “o que é um bom resultado para a organização delas e podem transformar isso em melhorias para o modelo”, disse Malde.

A abordagem da Trajectory para o aprendizado contínuo compartilha algumas semelhanças com a autoaperfeiçoamento recursivo (RSI), a ideia de que os sistemas de IA podem aprimorar suas próprias capacidades. Mas o cofundador Michael Elabd argumenta que manter humanos envolvidos no processo de treinamento torna a abordagem da Trajectory mais segura, uma vez que o autoaperfeiçoamento autônomo pode levar a resultados indesejados ou até perigosos.

A Trajectory não é a única startup tentando automatizar o pós-treinamento. Ela considera a Thinking Machines Lab, fundada pela ex-CTO da OpenAI Mira Murati e a empresa por trás da plataforma de ajuste fino Tinker, uma concorrente direta, juntamente com a Applied Compute, que foi avaliada em US$ 3,25 bilhões no mês passado, e a Prime Intellect, que ajuda empresas a construir e treinar seus próprios agentes de IA.

Malde acredita que a maior vantagem da startup é a sua equipe. Ele foi um dos poucos pesquisadores contratados pelo Google DeepMind por meio de aquisição de talentos (acquihire) da Windsurf. Elabd também trabalhou na DeepMind, enquanto o terceiro cofundador da Trajectory, Arjun Karanam, trabalhou anteriormente em modelos fundamentais generativos na Apple. A startup também recrutou pesquisadores e designers de produtos da OpenAI, Stripe e Netflix.

Por que o design importa tanto para uma empresa focada em treinamento de IA? Karanam diz que a startup desenvolveu uma interface que torna o pós-treinamento mais acessível aos seus clientes não técnicos.