Arga Labs recauda una ronda semilla de USD 10 millones para construir entornos de entrenamiento para agentes de IA empresariales

Lograr que los agentes de IA funcionen en la práctica es más difícil de lo que muchas empresas esperaban, y una nueva generación de startups busca mejores formas de probar y entrenar esos agentes antes de su implementación, en particular frente a las complejidades de la empresa moderna. Arga Labs es una de esas compañías, y anunció el miércoles una ronda semilla de USD 10 millones liderada por General Catalyst, con la participación de Box Group, Emergence, Gradient y SV Angel.

Arga Labs construye entornos de entrenamiento para software empresarial como Salesforce, Workday y clientes de correo electrónico. Mientras que la mayoría de los entornos de prueba se conforman con un punto de conexión de API sin estado, Arga construye un gemelo digital a gran escala del programa, clonando toda una aplicación empresarial con sus sistemas de permisos y webhooks intactos, en busca de una forma más robusta de entrenar agentes a través de múltiples sistemas. El CEO y cofundador Phillip Li describió el tipo de ambigüedad que las herramientas de Arga buscan resolver: un cliente potencial que crea un lead en Salesforce mientras un colega lo contacta por separado a través de HubSpot, y si un agente puede identificar correctamente que ambos son la misma empresa, evitar enviar el correo dos veces, y elegir el contacto correcto.

Normalmente, un agente podría entrenarse para una tarea así mediante aprendizaje por refuerzo —ejecutando el escenario muchas veces y dejando pasar solo las estrategias exitosas—, pero la naturaleza del software empresarial dificulta esa escala de pruebas, ya que no hay una manera sencilla de reiniciar un sistema como Salesforce u Outlook para repetir el mismo escenario, y mucho menos clonarlo. El enfoque de Arga consiste en crear una recreación digital de ese software, replicando su estructura como un muñeco de pruebas de choque replica a una persona; y como Arga controla por completo el entorno, puede reiniciarlo o modificarlo con facilidad y ejecutar muchos entornos a la vez, entrenando agentes en las interacciones entre distintos programas. Parte de la razón por la que las herramientas de codificación con IA han avanzado rápidamente, según esta lógica, es que ya existen herramientas sofisticadas para desplegar, revertir y analizar código, lo que facilita configurar entornos de aprendizaje por refuerzo para tareas de codificación, herramientas que todavía no existen para la mayoría del software empresarial.

Yuri Sagalov, director general de General Catalyst, quien además dirige el programa semilla de la firma, dijo que ve una necesidad creciente de herramientas de prueba para agentes como la de Arga. “Creo que gran parte del valor económico de los agentes proviene del uso de aplicaciones empresariales”, dijo Sagalov a TechCrunch. “Contar con un entorno de pruebas repetible es muy importante, y mucho más importante con los agentes de lo que era con los humanos”.

Por qué importa

Si los entornos de aprendizaje por refuerzo hicieron por las herramientas de codificación con IA lo que Arga intenta hacer con el software empresarial, el cuello de botella que impide que los agentes usen de forma confiable sistemas empresariales como Salesforce y Workday podría ser un problema de infraestructura de entrenamiento y no de capacidad del modelo.