Plurai、自動運転技術でAIエージェントを強化へ
原題: Plurai wants to help AI agents work better using the same approach that helped get self-driving cars to roads
なぜ重要か
AIエージェントの信頼性問題は企業導入の最大障壁であり、シミュレーションによる検証・特化モデル生成の手法が普及すれば市場拡大を加速する可能性がある。
AIエージェント評価スタートアップのPluraiは2026年11月11日、シードラウンドで1,300万ドルの資金調達を発表した。Team8がリードし、U&I、Velocity、Mercerが参加。自動運転開発で培ったシミュレーション技術を活用し、企業のデジタルシステムのデジタルツインを構築してAIエージェントの精度と信頼性向上を目指す。現状ではClaude Opus 4.8でも業務タスクの達成率は76.8%にとどまる。
AIエージェントへの期待が高まる一方、実態は厳しい。LiveBench 2.0のデータによれば、Claude Fable 5.2が100タスク中82.9件、ChatGPT-6 Astraが75.6件を達成するにすぎない。AIインフラ企業EONが模擬企業環境でテストした結果でも、最高性能モデルのClaude Opus 4.8の正確性は76.8%止まりだった。
この課題に挑むのがPluraiだ。共同創業者のIlan KadarとElad Leviはともに自動運転技術開発のNexar出身で、KadarはWaymoの自動運転ソフトウェアのシミュレーション・評価にも携わった経歴を持つ。「デモは簡単に作れるが、信頼性があってコスト効率の高いものを作るのは難しい。自動運転でも同じパターンを見てきた」とKadarはTechCrunchに語った。
Pluraiのアプローチは、企業の電子システム、ナレッジベース、エージェントが本番環境で使用するツール群のデジタルツインを構築し、エージェントが取り得るすべての処理フローをマッピングする。そのグラフを使って、エッジケースへの対応策を含む評価・修正を事前に実施する仕組みだ。Claude Code、Codex、Copilot、Cursorといった既存のエージェントツールとも連携して動作する。
さらに重要なのは、収集したデータを活用して個社ニーズに特化した小規模オープンウェイトモデルをポストトレーニングする点だ。NvidiaおよびNebius との協力で実施したテストでは、同社のモデルが中堅フロンティアモデルを精度で上回りつつ、コストを1〜2桁削減できたという。旅行予約エージェントが経費ポリシーを無視したり、複数データセットの統合時に回答精度が落ちるといった典型的な失敗パターンも、シミュレーションで事前に特定・修正できるとしている。