Yapay zeka ajanlarını gerçek dünyada çalışır hale getirmek, pek çok şirketin başlangıçta öngördüğünden çok daha zorlu bir süreç olduğunu ortaya koyuyor. Bu soruna çözüm arayan yeni nesil girişimler arasında öne çıkan Arga Labs, kurumsal yazılımlar için eğitim ortamları oluşturduğunu ve 10 milyon dolarlık tohum yatırım turunu tamamladığını duyurdu.
Turu General Catalyst yönetti; Box Group, Emergence, Gradient ve SV Angel ise yatırıma katılan diğer firmalar arasında yer aldı. Şirketin CEO'su ve kurucu ortağı Phillip Li'nin liderliğinde geliştirilen platform, yapay zeka ajanlarının Salesforce, Workday ve e-posta istemcileri gibi yaygın kurumsal yazılımlarda doğru biçimde davranmasını sağlamak amacıyla tasarlandı.
Dijital İkiz Yaklaşımı: Kurumsal Yazılımın Tam Kopyası
Arga Labs'ın temel farklılaşma noktası, rakiplerinin büyük çoğunluğunun tercih ettiği durumsuz API uç noktalarının ötesine geçmesidir. Şirket, kurumsal bir programı izin sistemleri ve web kancaları dahil olmak üzere bütünüyle kopyalayan tam ölçekli dijital ikizler inşa ediyor. Bu yaklaşım, bir kaza test mankeninin insan vücudunu taklit etmesine benzer biçimde, yazılımın yapısını olduğu gibi yeniden üretiyor.
Ortamın tamamen Arga Labs'ın kontrolünde olması, sistemi sıfırlamayı ya da üzerinde değişiklik yapmayı son derece kolaylaştırıyor. Üstelik şirket, birden fazla ortamı eş zamanlı olarak çalıştırarak ajanları farklı programlar arasındaki karmaşık etkileşimler konusunda eğitebiliyor. Amaç, belirli görevlerin birden fazla program ve bilgi sistemi arasında örtüştüğü, kişinin tam iş ortamını yeniden yaratmaktır.
Gerçek Hayattan Senaryo: Salesforce ile HubSpot Arasındaki Bağlantı
CEO Phillip Li, platformun çözdüğü sorunu somutlaştırmak için ilgi çekici bir örnek veriyor. Bir müşteri adayının Salesforce üzerinden sisteme girildiğini, aynı müşterinin iş arkadaşının ise ayrı bir kanaldan HubSpot aracılığıyla iletişime geçtiğini düşünün. Li'ye göre asıl soru şu: "Ajan bu iki kaydın aynı şirkete ait olduğunu doğru biçimde tespit edebiliyor mu?"
Li, soruyu daha da genişletiyor: "E-postanın yalnızca bir kez gönderilip gönderilmediğini kontrol edebiliyorlar mı? İki fırsat arasından e-postanın kime gönderileceğini belirleyebiliyorlar mı?" Bu tür belirsizlikler, mevcut yapay zeka ajanlarının hâlâ ciddi biçimde zorlandığı noktalardır. Li, Arga Labs'ın araçlarının bu performans açığını kapatmak için kritik bir rol üstlendiğini vurguluyor.
Pekiştirmeli Öğrenmenin Kurumsal Yazılımdaki Kısıtları
Yapay zeka ajanlarının bu tür karmaşık görevlerde başarılı olabilmesi için pekiştirmeli öğrenme yöntemiyle eğitilmesi gerekiyor. Bu süreç özünde şu anlama geliyor: Aynı senaryoyu onlarca binlerce kez çalıştırıp yalnızca başarılı stratejilerin devam etmesine izin vermek. Ne var ki kurumsal yazılımların doğası, bu ölçekte test yapmayı neredeyse imkânsız kılıyor.
Salesforce ya da Outlook gibi bir sistemi aynı senaryoyu tekrar çalıştırmak için "sıfırlamanın" kolay bir yolu yok; sistemi kopyalamak ise çok daha güç. Arga Labs'ın dijital ikiz çözümü tam da bu noktada devreye giriyor: Ortam üzerinde tam kontrol sağlandığından sıfırlama ve çoğaltma işlemleri artık basit bir hale geliyor.
Kodlama ile Diğer Uygulamalar Arasındaki Uçurumu Kapatmak
Yapay zeka kodlama araçlarının bu denli hızlı ilerlemiş olmasının temel nedenlerinden biri, yeni kodu dağıtmak, geri almak ve analiz etmek için halihazırda gelişmiş araçların mevcut olmasıdır. Bu araçlar, kodlama için pekiştirmeli öğrenme ortamları kurmayı çok daha kolaylaştırıyor ve yapay zeka sistemlerini giderek daha karmaşık görevler üzerinde test edip eğitmeye imkân tanıyor. Ancak iş yazılımlarının büyük çoğunluğu için bu türden araçlar henüz mevcut değil.
Arga Labs'ın vizyonu, bu boşluğu doldurmak üzerine kurulu. Kurumsal yazılımlar için de benzer test ve eğitim altyapısı oluşturulduğunda, yapay zeka sistemlerinin bu programları kullanma konusundaki yetkinliğinin önemli ölçüde artması bekleniyor. Bu gelişmenin, kodlama alanında yaşanan dönüşüme benzer biçimde başka sektörleri de kökten değiştirme potansiyeli taşıdığı değerlendiriliyor.
General Catalyst'ten Değerlendirme: Ajanlar İçin Tekrarlanabilir Ortam Şart
Yatırım turuna liderlik eden General Catalyst'in yönetici direktörü ve şirketin tohum programını yürüten Yuri Sagalov, ajanlar için test araçlarına yönelik artan talebi açıkça ortaya koyuyor. Sagalov, TechCrunch'a yaptığı açıklamada şunları söyledi: "Ajanlardan elde edilecek ekonomik değerin büyük bölümünün iş uygulamalarının kullanımından geldiğini düşünüyorum. Tekrarlanabilir bir kum havuzu ortamına sahip olmak son derece önemli; üstelik bu, insanlara kıyasla ajanlar için çok daha kritik bir gereksinim."
Sagalov'un bu değerlendirmesi, kurumsal yapay zeka ajanlarının gerçek anlamda işe yarar hale gelmesi için altyapı katmanının ne denli belirleyici olduğuna dikkat çekiyor. Arga Labs, tam da bu altyapıyı inşa etmeyi hedefleyen girişimler arasında öne çıkıyor.
Sıkça Sorulan Sorular
Arga Labs ne kadar yatırım aldı ve bu turu kimler yönetti?
Arga Labs, 10 milyon dolarlık tohum yatırım turunu kapattı. Turu General Catalyst yönetti; Box Group, Emergence, Gradient ve SV Angel ise yatırıma katılan diğer firmalar arasında yer aldı.
Arga Labs'ın platformu diğer test ortamlarından nasıl ayrışıyor?
Çoğu test ortamı durumsuz bir API uç noktasıyla yetinirken Arga Labs, izin sistemleri ve web kancaları dahil olmak üzere kurumsal yazılımın tamamını kopyalayan tam ölçekli dijital ikizler oluşturuyor. Bu sayede ortam kolayca sıfırlanabiliyor ve birden fazla ortam eş zamanlı olarak çalıştırılabiliyor.
Kurumsal yazılımlarda pekiştirmeli öğrenme neden zorlu?
Salesforce veya Outlook gibi sistemleri pekiştirmeli öğrenme için gereken onlarca binlerce tekrar çalıştırmak mümkün değil; çünkü bu sistemleri her seferinde sıfırlamak ya da kopyalamak son derece güç. Arga Labs'ın dijital ikiz yaklaşımı, tam da bu kısıtı ortadan kaldırmak için tasarlandı.
Arga Labs'ın çözdüğü pratik problem nedir?
CEO Phillip Li'nin verdiği örnekte, bir müşteri adayının hem Salesforce hem de HubSpot üzerinden iki farklı kişi tarafından sisteme girilmesi durumunda ajanın bu iki kaydın aynı şirkete ait olduğunu tespit edip edemeyeceği, e-postanın yalnızca bir kez gönderilip gönderilmediğini kontrol edip edemeyeceği ve doğru alıcıyı belirleyip belirleyemeyeceği sorgulanıyor. Mevcut ajanlar bu tür belirsizliklerle baş etmekte zorlanıyor.
Yapay zeka kodlama araçları neden iş yazılımı araçlarından daha hızlı ilerledi?
Kaynak metne göre, kodlama alanında yeni kodu dağıtmak, geri almak ve analiz etmek için halihazırda gelişmiş araçlar bulunuyor. Bu araçlar pekiştirmeli öğrenme ortamları kurmayı kolaylaştırıyor. İş yazılımları için bu tür araçlar ise henüz mevcut değil; Arga Labs bu boşluğu doldurmayı hedefliyor.
