ライブの本番システムでAIエージェントを訓練することは、混雑する通勤時間に運転を教えるようなものだ。技術的には可能だが、ミスをした場合の影響は関係者全員にとって不快なものになる。Arga Labsは、より優れたアプローチを考案したと考えている：道路の完璧なレプリカを構築し、AIがそこで衝突するようにするのだ。
サンフランシスコを拠点とするスタートアップは、General Catalystが主導するシードラウンドで1,000万ドルを調達し、Box Group、Emergence、Gradient、SV Angelも参加した。同社は以前、Y Combinatorから支援を受けており、Comma CapitalやScribble Venturesを初期の支援者に数えている。
Argaが実際に構築するもの
Argaのコア製品は、企業がすでに依存しているサードパーティサービスの高精細なサンドボックス環境、すなわちデジタルツインを構築するプラットフォームです。支払いにはStripe、コミュニケーションにはSlack、そして現代のソフトウェアチームが毎日組み合わせるAPIの群れをイメージしてください。
これらのレプリカは、本番システムと同じAPIと動作を模倣しています。つまり、Argaサンドボックス内で動作するAIエージェントは、現実的な応答、遅延特性、エッジケースを備えた本物のように振る舞うシステムとやり取りします。ただし、実際には何の処理も行われません。実際の支払いは処理されず、実際のメッセージは送信されず、実際のデータベースも破損しません。
自律型AIワークフローを展開するエンジニアリングチームにとって、これは従来のテスト手法が長年にわたり解決できなかった課題を解決します。ユニットテストやステージング環境は個々のコンポーネントのバグを検出できますが、AIエージェントが複数のサービスにまたがって順次呼び出しを連鎖させる際に発生する、複雑で不規則なマルチステップの相互作用をほとんど捉えることができません。Argaの環境はまさにこのような複雑さに対応するよう設計されており、開発者がどこで問題が生じたかを正確に把握できるよう、完全なトレースとレイテンシーデータを提供します。
また、このプラットフォームは実用的な課題であるレート制限を回避します。1時間に数千回のAPI呼び出しが必要な強化学習モデルを訓練する際、実サービスのレート制限に達すると作業が停止します。サンドボックス化されたレプリカには、その制約がありません。
それを開発したチーム
Argaは2025年、元Amazon幹部のCEOフィリップ・リーと、元Stripeおよびゴールドマン・サックスのCTOである唐明が設立しました。チームは現在も約4〜5人の小規模で、この規模における1,000万ドルのシードラウンドは1人当たりでは控えめに見えるかもしれませんが、現在のAIインフラストラクチャーへの資金調達環境では決して異常ではありません。
同社は、自社でAIコーディングエージェントを構築している、またはサードパーティの自律ワークフローを導入している中規模から大規模なエンジニアリングチームをターゲットとしています。