Sprawni Cyfrowo
Amerykański startup Trajectory pozyskał 45 mln dolarów na platformę do ciągłego uczenia modeli AI. Rundę Series A poprowadziła Sequoia, a dołączyły do niej Nvidia, Bessemer Venture Partners i Bain Capital Ventures. Spółka jest wyceniana na 300 mln dolarów. Ciekawsze od samej kwoty jest to, do kogo trafia narzędzie: do prawników, lekarzy i analityków, a nie do zespołów badawczych.
Na czym polega ciągłe uczenie modeli AI
Dzisiejsze modele językowe, niezależnie od dostawcy, nie uczą się na własnych błędach po wdrożeniu. Żeby model dobrze radził sobie np. z umowami określonego typu, firma musi go dostroić (fine-tuning). Zwykle oznacza to własny zespół badawczy albo drogich konsultantów wdrożeniowych. Trajectory chce ten etap zautomatyzować. Platforma podłącza otwarty model do aplikacji firmy, zbiera oceny jego odpowiedzi i na tej podstawie regularnie go doucza.
Współzałożyciel Ronak Malde porównuje obecne modele do bardzo zdolnego doktoranta, który co chwilę zaczyna nową pracę. Rynek ceni jednak kogoś, kto zna swoje stanowisko od lat. Firma podkreśla, że to specjaliści sami ustalają, jak wygląda dobra odpowiedź w ich organizacji, a platforma zamienia te oceny w poprawki modelu. Z narzędzia korzystają już m.in. Harvey (AI dla kancelarii), Rogo (AI dla finansów), Decagon, Mercor i sama Nvidia. Od teraz platforma jest dostępna publicznie.
Konkurencja i wątek bezpieczeństwa
Trajectory ma 18 pracowników, a trzej założyciele, absolwenci Stanforda, pracowali wcześniej w Google DeepMind i Apple. O ten sam rynek walczą m.in. Thinking Machines Lab Miry Murati (platforma Tinker), Applied Compute, wyceniony w październiku na 3,25 mld dolarów, oraz Prime Intellect. Trajectory stawia na prosty interfejs, bo jego klienci nie są programistami.
Samodoskonalenie AI bez nadzoru człowieka to dziś jeden z głośniejszych tematów w branży. Współzałożyciel Michael Elabd przekonuje, że udział ludzi w każdej rundzie douczania czyni podejście Trajectory bezpieczniejszym. To rozsądny argument, ale też wygodny element prezentacji dla inwestorów. Na niezależne testy skuteczności trzeba jeszcze poczekać.
Co to znaczy dla polskich firm
Dla większości polskich firm ciągłe uczenie modeli AI to na razie temat do obserwacji, a nie do zakupu. Kierunek jest jednak czytelny. Przybywa narzędzi, które pozwalają dopasować otwarty model do własnych dokumentów i procedur bez zatrudniania specjalistów od uczenia maszynowego. Najcenniejszym zasobem staje się wtedy wiedza ekspertów w firmie: kto potrafi ocenić odpowiedź AI i kto ma czas, żeby to robić.
Kancelarie, biura rachunkowe i działy obsługi klienta mogą zrobić prosty pierwszy krok już teraz. Wystarczy zbierać przykłady dobrych i złych odpowiedzi AI, z krótkim komentarzem, co było nie tak. Taki zbiór przyda się niezależnie od tego, które narzędzie wygra wyścig.
Źródło: TechCrunch (EN), 2 listopada 2026; ETEnterpriseAI (EN).
