AI技術への需要が高まる中、その開発と導入を促進する新しいツールが登場しています。カリフォルニアのスタートアップ、RagaAIは、人工知能システムのテストと問題修正に特化した企業で、最近490万ドルのシード資金調達を成功裏に終え、企業はpi Venturesを主導に、Anorak Ventures、TenOneTen Ventures、Arka Ventures、Mana Ventures、Exfinity Venture Partnersが参加しました。
元Nvidiaの幹部であるガウラブ・アガルワールにより設立されたRagaAIは、この資金を活用して、自動テストプラットフォームの研究を進め、安全で信頼性の高いAIの構築に向けた強固な枠組みを作る計画です。アガルワールは「私たちのコアバリューに基づき、自動エラー検出、根本原因分析、問題解決の境界を押し広げることにコミットし、革新的な手法の最前線に立ち続けます」と述べています。RagaAIは現在、フォーチュン500企業にサービスを提供し、バイアス、精度、幻覚といった重要な課題に取り組んでいます。
AIの効果的な構築と導入は複雑な作業です。チームはデータを収集し、モデルをトレーニングし、パフォーマンスを監視して期待される結果を確保する必要があります。小さな見落としでも、コストのかかる失敗や機会の損失に繋がる可能性があります。アガルワールは、Nvidiaやインドのモビリティ企業Olaでの経験を通じてこの課題を認識し、AIの問題を自動的に検出、診断、解決するプラットフォームの開発を決意しました。
従来のソリューションが限られた問題群をチェックするのに対し、RagaAIは最大300のテストを実施し、データ、モデル、オペレーションに関連する潜在的な落とし穴を特定します。問題が見つかると、プラットフォームはバイアスのあるトレーニングデータや不適切なラベリング、データの変動など、根本原因の特定をサポートします。その後、誤ラベルのデータポイントを排除したり、データの不整合に対処するための再トレーニングを提案するなど、実用的な推奨事項を提供します。
RagaAIの技術の中心には、RagaDNAという基盤モデルがあり、高品質なデータ埋め込み（情報の圧縮された意味のある表現）を生成します。これらの埋め込みは、プラットフォーム上での問題の検出、診断、修正に欠かせない要素です。
RagaAIのプロダクト責任者であるジガル・グプタは、「RagaDNAは、テストのためにカスタムトレーニングされた業種特化型の基盤モデルを表しています。これにより、運用設計ドメイン（ODD）を明確に定義し、モデルが性能を発揮しないエッジケースを識別し、結果を不十分または低品質なトレーニングデータと相関付けることで、自動的にテストワークフローを向上させることができます」と説明しています。
公開後間もなくして、RagaAIはすでに大きな影響を与えており、いくつかのフォーチュン500企業がその技術を活用しています。例えば、あるeコマース企業はチャットボットの幻覚の問題を解決し、自動車関連のクライアントは低照度条件での車両検出精度を向上させました。
RagaAIは、AI開発における90%のリスクを軽減し、生産スケジュールを3倍以上加速できると考えています。新たな資金を活用し、研究開発の強化、テスト能力の向上、スタッフの拡充、安全で透明なAIの設計を進めることを目指しています。
RagaAIはこの取り組みの中で唯一の企業ではありません。ArizeのPhoenixオープンソースライブラリ、Context AI、Braintrust Dataなど、AI導入の簡素化に取り組む企業が増えており、Acceldataのような可視化プロバイダーも運用支援のための生成的AIモニタリングソリューションを模索しています。
AI市場は2030年までに2兆ドルに達すると予測されており、その25%は安全で信頼性の高いAIシステムを確保するためのツールに配分される見込みです。
ランキング
