Trajectory ha raccolto 45 milioni di dollari in un round Series A che ha portato la valutazione dell’azienda a 300 milioni di dollari. L’operazione è stata guidata da Sequoia, con la partecipazione di Nvidia, Bessemer Venture Partners e Bain Capital Ventures. La startup, fondata circa un anno fa da tre compagni di classe di Stanford con esperienze in Google DeepMind e Apple, conta 18 dipendenti e punta ad automatizzare il post-training dei modelli AI, rendendolo accessibile anche a clienti non tecnici.
Il problema riguarda tutti i modelli attuali, sviluppati da OpenAI, Anthropic o basati su alternative open source: senza un ulteriore addestramento, non imparano dai propri errori. Le imprese che adattano questi sistemi a settori come il diritto e la finanza ricorrono normalmente al fine-tuning dei modelli generalisti. Questa pratica, però, richiede spesso gruppi di ricerca interni oppure consulenti costosi, noti come forward-deployed engineers (FDE).
Trajectory intende semplificare il processo attraverso un metodo chiamato continual learning. Le aziende possono partire da un modello AI open source e collegare la piattaforma alle proprie applicazioni, così da raccogliere segnalazioni sul comportamento del sistema. Questi dati vengono poi utilizzati per rieditare il modello e accrescere, nel tempo, le sue prestazioni in compiti specialistici.
Secondo Ronak Malde, cofondatore, con Trajectory avvocati, medici e altri specialisti possono migliorare quasi automaticamente i modelli, rendendo più rapido e meno costoso l’impiego di AI specializzata. L’azienda ha sviluppato un’interfaccia che rende il post-training più accessibile ai propri clienti non tecnici, mentre la piattaforma è ora disponibile pubblicamente.
Harvey e Rogo utilizzano già la piattaforma di Trajectory per il post-training di modelli open source. Le due aziende servono esempi come la revisione di un determinato tipo di contratto legale o la valutazione di un’azienda secondo una metodologia specifica: l’obiettivo è rendere i sistemi più simili ad avvocati o analisti finanziari con esperienza, attingendo anche ai compiti precedenti. Tra gli altri clienti della startup figurano Decagon, Mercor e Nvidia.
Gli utenti della piattaforma definiscono ciò che considerano un buon risultato per la propria organizzazione e trasformano questa indicazione in miglioramenti del modello. In questa fase rimane centrale il coinvolgimento delle persone: mantenere persone coinvolte nel processo di addestramento rende l’approccio di Trajectory più sicuro, perché il miglioramento autonomo delle capacità potrebbe produrre esiti indesiderati o pericolosi.
Il principale vantaggio competitivo di Trajectory è il team, formato da ricercatori ed esperti di prodotto provenienti da organizzazioni come OpenAI, Stripe e Netflix. Malde fa parte del gruppo di ricercatori che Google DeepMind ha assunto da Windsurf. Michael Elabd ha lavorato in DeepMind, mentre il terzo cofondatore, Arjun Karanam, si è occupato di modelli generativi fondamentali in Apple.
Trajectory non è l’unica startup che automatizza il post-training. L’azienda considera Thinking Machines Lab, fondata da Mira Murati, un concorrente diretto, insieme ad Applied Compute, valutata a 3,25 miliardi di dollari il mese precedente, e a Prime Intellect, che aiuta le imprese a costruire e addestrare i propri agenti AI. Thinking Machines Lab ha inoltre sviluppato la piattaforma di fine-tuning Tinker.
