✨︎ Resumen (TL;DR):
- Trajectory anunció una ronda Serie A de 45 millones de dólares y lanzó una plataforma para adaptar modelos de IA con datos de aplicaciones propias.
- Sequoia Capital lideró la inversión, que sitúa la valuación de la startup en 300 millones de dólares.
- Una prueba de la empresa llevó la puntuación de 80.0% a 84.9%, aunque el evaluador original alcanzó 87.8%.
Trajectory anunció una ronda Serie A de 45 millones de dólares y lanzó una plataforma para que las empresas adapten modelos de inteligencia artificial con datos de sus propias aplicaciones. La startup busca que especialistas definan los criterios de calidad y conviertan correcciones y nuevos intentos en señales de entrenamiento, aunque conectar esas tareas todavía requiere unas cinco líneas de código.
Sequoia Capital lideró la inversión. Nvidia, Bessemer Venture Partners y Bain Capital Ventures también participaron. La empresa informó el anuncio el 2 de noviembre y situó la valuación de Trajectory en 300 millones de dólares.
El problema que Trajectory intenta resolver aparece cuando un modelo general puede contestar preguntas legales o financieras, pero no necesariamente seguir los criterios particulares de una empresa. El posentrenamiento es un proceso de adaptación que ajusta un modelo de IA existente con información y objetivos adicionales.
Trajectory propone recoger señales del uso de una aplicación. Una corrección, un nuevo intento o la edición de un documento pueden mostrar qué respuesta consideró adecuada una persona. La mejora depende de la selección y evaluación de esos datos.
La plataforma no elimina la programación
Trajectory presenta su producto como una plataforma de autoservicio para entrenar, evaluar y desplegar modelos. Según el anuncio, conectar las tareas con los criterios de puntuación requiere unas cinco líneas de código.
Así, un especialista del área puede aportar el criterio que usará la IA, pero la integración no queda completamente libre de programación. El sitio de Trajectory ofrece una lista de espera para los interesados.
Los clientes deciden qué datos entran al entrenamiento. Antes de llevar una actualización a producción, Trajectory la evalúa y la somete a un proceso de aprobación.
Continual Grading todavía está en investigación
Continual Grading es una herramienta en fase de investigación que busca aprender criterios de evaluación a partir de ejemplos que especialistas etiquetaron. La intención es usar esos criterios para evaluar otras tareas y generar señales para el entrenamiento.
El reporte también señala que la plataforma ya tiene clientes, aunque dos funciones siguen en fase de investigación. Continual Grading es la herramienta que el anuncio describe con más detalle.
En una prueba de la empresa con tareas de atención al cliente y procesos empresariales, Trajectory construyó y seleccionó un evaluador usando 60 tareas calificadas por expertos. El modelo entrenado con ese evaluador pasó de 80.0% a 84.9% en tareas reservadas para la evaluación. Con el evaluador original, alcanzó 87.8%.
Trajectory reportó esos resultados para una prueba concreta. Su equipo advierte que el método de búsqueda puede ajustarse demasiado a los ejemplos que sirvieron para escoger el evaluador. Esa posibilidad no garantiza una mejora equivalente en tareas nuevas.
Clientes y una ronda previa sin aclarar
Trajectory dijo que Harvey, Rogo, Mercor y Nvidia ya utilizan su plataforma para entrenar modelos. Ronak Malde, cofundador de la startup, explicó a TechCrunch que la empresa quiere que los especialistas definan los criterios de calidad de su organización y los conviertan en mejoras para sus modelos.
En agosto, FomoEra recogió un reporte sobre una ronda de 40 millones de dólares, también liderada por Sequoia Capital y con una valuación de 300 millones de dólares. El anuncio del 2 de noviembre no aclara cómo se relacionan esa cifra y los 45 millones anunciados ahora, por lo que no hay base para sumarlas como rondas distintas.
Por ahora, los datos publicados no muestran si la mejora se mantiene en tareas nuevas. Trajectory ya reporta clientes, pero su sitio ofrece una lista de espera y Continual Grading continúa en fase de investigación. La advertencia de la propia empresa deja el punto pendiente: el evaluador puede ajustarse demasiado a los ejemplos que lo definieron.
