Arga正在构建一种更好的方式来训练企业AI代理

事实证明，让AI代理真正发挥作用，远比许多公司预期的要困难得多。幸运的是，它们并非孤立无援：一批新兴初创公司正在寻找更好的方法，在代理部署之前对其进行测试和训练，尤其是在应对现代企业的复杂性方面。 Arga就是其中一家公司。这家初创公司周三宣布，已获得1000万美元的种子轮融资，由General Catalyst领投，Box Group、Emergence、Gradient和SV Angel参投。 Arga为Salesforce、Workday和电子邮件客户端等企业软件构建训练环境。大多数测试环境只提供无状态的API端点，而Arga则构建该程序的全面数字孪生，有效克隆整个软件，包括权限系统和网络钩子（web hooks）完整保留。这带来了一种更强大的方式，能够在多个系统中训练代理。 该公司首席执行官兼联合创始人菲利普·李（Philip Li）用一个例子来说明其产品：一位潜在客户在Salesforce中创建了一条销售线索，而同事则通过Hubspot单独联系。 “代理能否正确识别这两家公司其实是同一家？”李说，“它们能否检查邮件是否只发送了一次？又能否从这两个商机中判断出应该把邮件发送给谁？” 代理式系统在面对这类模糊情境时仍然力不从心，而李认为Arga的工具对于帮助它们改进至关重要。 通常情况下，AI代理可以通过强化学习（RL）来训练完成此类任务：将场景运行数万次，只让成功的策略通过。但企业软件的特性使得这种规模的测试几乎不可能实现。当你需要再次运行相同场景时，没有简单的方法来“重置”Salesforce或Outlook这样的系统，更不用说克隆了。 Arga的解决方案是以数字方式重建该软件，复制其结构，就像碰撞测试假人替代真人一样。由于Arga完全掌控环境，重建后的环境可以轻松重置或修改。该公司还可以同时运行多个环境，训练代理处理不同程序之间的复杂交互。其理念是复制一个人的完整工作环境，让具体任务跨越不同程序和知识体系重叠进行。 你可以把它视为一种弥合编程与其他应用之间强化学习差距的方法。AI编程工具之所以进步如此之快，部分原因在于我们已经拥有了用于部署、回滚和分析新代码的成熟工具。这些工具使得为编程设置强化学习环境变得容易得多，从而让我们能够在越来越复杂的编程任务上测试和训练AI系统。 对于大多数商业软件来说，这些工具还不存在——至少目前如此。但一旦它们出现，AI系统在使用这些程序方面很可能会变得更加熟练，并以它们彻底改变编程的方式，同样彻底改变其他行业。 General Catalyst的董事总经理尤里·萨加洛夫（Yuri Sagalov）同时负责该公司的种子投资计划，他表示，他看到了对Arga这类代理测试工具日益增长的需求。 “我认为代理的很大一部分经济价值来自于使用业务应用程序，”萨加洛夫告诉TechCrunch，“拥有一个可重复的沙盒环境非常重要，而且对于代理来说，比对人类来说更为重要。”