Trajectory Rebut Dana Rp700 Miliar untuk Automasi Pembelajaran Berkelanjutan Model AI

Trajectory, sebuah startup yang didirikan sekitar setahun lalu oleh tiga alumni Stanford yang pernah bekerja di Google DeepMind dan Apple, baru saja mengumumkan penggalangan dana sebesar 45 juta dolar AS dalam putaran Seri A dengan valuasi mencapai 300 juta dolar AS. Didukung oleh Sequoia dengan partisipasi dari Nvidia, Bessemer Venture Partners, dan Bain Capital Ventures, perusahaan ini bertujuan mendemokratisasi proses pascapelatihan (post-training) model AI. Langkah strategis ini memungkinkan pakar non-teknis di berbagai sektor industri untuk meningkatkan performa AI khusus mereka tanpa perlu bergantung pada tim riset internal mahal atau konsultan teknis yang kompleks.

Model AI saat ini, baik yang dikembangkan oleh OpenAI, Anthropic, maupun berbasis sumber terbuka, memiliki keterbatasan kritis: mereka tidak belajar dari kesalahan tanpa pelatihan ulang. Ronak Malde, co-founder Trajectory, mengibaratkan model mendasar ini seperti mahasiswa doktoral cerdas yang selalu memulai pekerjaan baru, padahal ekonomi sangat menghargai profesional dengan pengalaman kerja selama 30 tahun. Trajectory memecahkan masalah ini melalui pendekatan continual learning (pembelajaran berkelanjutan), yang memungkinkan model AI untuk terus beradaptasi dan menyempurnakan diri berdasarkan umpan balik real-time dari aplikasi pengguna.

Mekanisme Otomatisasi dan Pemanfaatan di Industri

Narator utama di balik teknologi ini adalah kemampuan untuk menghubungkan platform Trajectory dengan model AI sumber terbuka, lalu mengumpulkan data tentang seberapa baik model tersebut berkinerja. Algoritma kemudian menggunakan informasi tersebut untuk melatih ulang model, membantu peningkatan tugas-tugas spesifik secara bertahap. Dengan pendekatan ini, ahli hukum, dokter, dan spesialis lain dapat memperbaiki model AI mereka secara hampir otomatis. Saat ini, perusahaan seperti Harvey dan Rogo telah memanfaatkan platform ini untuk melatih ulang model mereka agar berperilaku lebih seperti pengacara senior atau analis keuangan berpengalaman, belajar dari tugas sebelumnya seperti meninjau kontrak hukum atau melakukan valuasi perusahaan. Pelanggan Trajectory lainnya mencakup Decagon, Mercor, dan Nvidia.

Para pemimpin Trajectory menegaskan bahwa pendekatan mereka lebih aman dibandingkan recursive self-improvement (RSI) atau penyempurnaan diri otonom yang sepenuhnya tanpa campur tangan manusia. Michael Elabd, co-founder lainnya, berpendapat bahwa dengan melibatkan manusia dalam proses pelatihan, risiko dari peningkatan yang tidak disengaja atau berbahaya dapat diminimalisir. Pengguna kini dapat menentukan apa yang dianggap 'baik' untuk organisasi mereka dan langsung menerjemahkannya menjadi peningkatan model.

Keunggulan Kompetitif dan Arsitektur Produk

Dalam lanskap kompetitif yang ketat, Trajectory menghadapi pemain seperti Thinking Machines Lab (didirikan oleh mantan CTO OpenAI Mira Murati), Applied Compute, dan Prime Intellect. Namun, Malde meyakini keunggulan utama perusahaan terletak pada kualitas tim, yang direkrut dari raksasa teknologi seperti OpenAI, Stripe, dan Netflix. Menariknya, Trajectory juga merekrut desainer produk, karena Arjun Karanam, co-founder ketiga yang sebelumnya bekerja di Apple pada model dasar generatif, menekankan pentingnya antarmuka yang intuitif. Desain yang fokus pada aksesibilitas ini memungkinkan klien non-teknis untuk memahami dan mengelola proses pascapelatihan yang rumit, menjadikannya lebih mudah digunakan secara luas di sektor bisnis.