Los agentes de inteligencia artificial están en boca de todos, pero su capacidad real dista mucho de lo que prometen sus creadores. Las pruebas comparativas de tareas complejas revelan que estos sistemas aún no son lo suficientemente confiables para operar sin una supervisión cercana. LiveBench 2.0 muestra que Claude Fable 5.2 y ChatGPT-6 Astra resuelven con éxito 82,9 y 75,6 de cada 100 tareas, respectivamente, mientras que un test de la empresa de infraestructura de IA EON en un entorno corporativo simulado encontró que el modelo más exitoso, Claude Opus 4.8, logró una precisión del 76,8%.

Ahora, la startup Plurai quiere elevar esas cifras con las mismas técnicas que llevaron los autos autónomos a las calles: simulaciones con datos sintéticos basados en los sistemas digitales de cada empresa, diseñadas para preparar a los modelos ante casos límite difíciles. Sus cofundadores, Ilan Kadar y Elad Levi, trabajaron antes en Nexar, desarrolladora de tecnología de conducción autónoma. Kadar colaboró con Waymo en la simulación y evaluación de su software de conducción con aprendizaje profundo de extremo a extremo.

"En el momento en que vimos la ola de agentes de IA, vimos el mismo patrón: es muy fácil construir una demo, pero [es difícil] conseguir algo confiable y rentable", declaró Kadar a TechCrunch. "Como vimos el mismo patrón, el mismo enfoque fue que queremos construir esta capa de simulación".

Este miércoles, la startup anunció que había recaudado 13 millones de dólares en financiación semilla para hacerlo realidad. La ronda fue liderada por Team8, con la participación de U&I, Velocity y Mercer.
CAPTURA DE IA

Esta noticia fue extraída, transcrita y resumida en tiempo real por nuestros modelos de inteligencia artificial tras su emisión en medios de comunicación.

Fuente original: TechCrunch - Inteligencia Artificial (EE.UU.) (Tecnología e IA (EE.UU. / Silicon Valley))