اگر امروز در حال طراحی عامل‌های هوش مصنوعی هستید، بزرگ‌ترین چالش شما دیگر قدرت مدل نیست، بلکه نبود محیطی برای «تمرین» آن‌هاست. شرکت Labelbox با جذب سرمایه‌ای کلان، قصد دارد این خلأ را با ساخت دنیای شبیه‌سازی‌شده برای آموزش مدل‌ها پر کند.
به نقل از گزارش‌های رسمی، این شرکت در ۱۴ اکتبر ۲۰۲۶، بیش از ۱۰۰ میلیون دلار در دور سرمایه‌گذاری Series E جذب کرد که ارزش پیش از سرمایه‌گذاری (Pre-money valuation) آن را به ۱.۲۵ میلیارد دلار رساند. این دور که توسط Infinitum Partners رهبری شد و شرکت‌هایی چون Wipro Ventures، Andreessen Horowitz (a16z)، B Capital، Tau Ventures و Snowpoint Ventures در آن حضور داشتند، ترکیبی از سهام و تسهیلات اعتباری است تا توسعه یادگیری تقویتی (Reinforcement Learning) — شبیه به آموزش یک ورزشکار که با تکرار خطا و پاداش، مهارتش را بالا می‌برد — و عامل‌های خودمختار را تسریع کند.
این سرمایه‌گذاری در حالی رخ می‌دهد که صنعت از پرامپت‌نویسی ساده به سمت گردش‌کارهای عامل‌محور (Agentic) حرکت می‌کند؛ جایی که مدل‌ها برای بهبود، باید وظایف واقعی را تمرین کنند. این روند بهبودی در عملکرد عامل‌های هوش مصنوعی، مشابه رشد سریع پلتفرم‌هایی است که با تمرکز بر کاربردهای تخصصی، مانند پلتفرم EliseAI در حوزه‌های مسکن و سلامت، توانسته‌اند مقیاس درآمدی چشمگیری را تجربه کنند. در حالی که هوش مصنوعی اولیه بر مجموعه‌داده‌های ایستا (Static) متمرکز بود، مرز فعلی فناوری نیازمند تعامل مدل‌ها با محیط‌های پیچیده است تا به آنچه مانو شارما (Manu Sharma)، مدیرعامل شرکت، «سلیقه» می‌نامد، دست یابند. سلیقه یعنی توانایی مدل در ترجیح دادن یک راه‌حل باکیفیت، به‌جای صرفاً یک جواب درست.
Labelbox که در سال ۲۰۱۸ توسط شارما، برایان و دن تأسیس شد، ریشه در دیدگاه شارما دارد. او با پیشینه‌ای در دینامیک سیالات محاسباتی و شبکه‌های عصبی و تجربه فعالیت در شرکت‌های DroneDeploy و Planet Labs، به این نتیجه رسیده بود که فرصت اصلی در یادگیری ماشین، در بخش «داده‌ها» نهفته است.
این شرکت مسیر تکامل خود را در سه فصل متمایز تعریف می‌کند:
- نرم‌افزارهای داده‌های آموزشی: ابزارهایی برای کسانی که مدل‌های اولیه هوش مصنوعی را می‌ساختند.
- محیط‌های یادگیری تقویتی (RL): که پس از «لحظه ChatGPT» توسعه یافتند و بر مدل‌هایی تمرکز داشتند که از طریق تمرین کارهای واقعی بهبود می‌یابند.
- عامل‌ها (Agents): سامانه‌هایی که ابتدا به‌صورت داخلی ساخته شدند و سپس در اختیار مشتریان قرار گرفتند.
برای پشتیبانی از این اهداف, Labelbox پلتفرم Full-stack خود را ساخته است که شامل یک «هارنس عامل» (Agent Harness) برای عامل‌هایی با افق زمانی بسیار بلند، زیرساخت سندباکس برای اجرای میلیون‌ها ماشین مجازی، زیرساخت پس‌آموزش RL و یک شبکه متخصص متشکل از بیش از ۴ میلیون نفر است.
طبق اعلام شرکت در یک پست وبلاگی، این سرمایه صرف توسعه دو محصول کلیدی می‌شود: Horizon و Recursion Managed Agents. این شرکت گزارش داده که در سال ۲۰۲۶ به سوددهی رسیده و درآمدش بیش از ۵ برابر شده است. در حال حاضر Labelbox به بیش از ۴۰۰ مشتری خدمات می‌دهد که شامل ۹۰٪ از آزمایشگاه‌های پیشرو هوش مصنوعی آمریکا، هایپراسکالرها، استارتاپ‌ها و شرکت‌های Fortune 500 است.
محصول Horizon با استفاده از سیستمی به نام WorldSim، شرکت‌های شبیه‌سازی‌شده‌ای می‌سازد. این محیط‌ها شامل داده‌های واقعی تجاری مثل صفحات گسترده، داشبوردها، کدها، اسلایدهای ارائه (Decks) و مستندات هستند تا مدل‌ها بتوانند وظایف چندمرحله‌ای را به‌طور کامل (End-to-End) اجرا کنند.
سازوکار Horizon بر سه رکن استوار است:
- ثبت مسیر (Trajectory Recording): هر قدمی که مدل برمی‌دارد به عنوان یک مسیر ثبت می‌شود.
- تأییدکننده‌های قطعی (Deterministic Verifiers): ابزارهایی که مسیرها را در هر بار اجرا به‌طور سازگار امتیازدهی می‌کنند.
- بازخورد متخصصان: زمانی که دو مسیر هر دو درست باشند، متخصصان انسانی داده‌های ترجیحی را ارائه می‌دهند تا مدل اصلاح شود.
Labelbox هزاران دنیا و میلیون‌ها مسیر امتیازدهی‌شده را مدیریت می‌کند. این‌ها برای رسیدن به اهداف pass@k آزمایشگاه‌ها در حوزه‌هایی چون تحقیقات هوش مصنوعی خودمختار، کدنویسی عامل‌ها، مهندسی نرم‌افزار، کارهای دانشی چندوجهی (Multimodal)، استفاده از ابزارها در صوت، استفاده از کامپیوتر و امنیت سایبری تنظیم شده‌اند.
از سوی دیگر، Recursion Managed Agents که در اکتبر ۲۰۲۶ برای مشتریان سازمانی عرضه شد، به کسب‌وکارها اجازه می‌دهد عامل‌هایی را بر اساس اهداف، محرک‌های مشخص (مانند پیام‌های Slack، وب‌هوک‌ها، فراخوانی‌های API یا زمان‌بندی‌ها) و معیارهای ارزیابی (Rubrics) مستقر کنند. یک «عامل ارزیاب» (Grader Agent) مجزا، هر اجرا را خط به خط در برابر معیارها می‌سنجد و در صورت شکست در انجام کار، دستور بازبینی صادر می‌کند.
این عامل‌ها در سه حالت متمایز فعالیت می‌کنند:
۱. چندعاملی (Multi-agent): یک هماهنگ‌کننده، متخصصانی با ابزارها، مدل‌ها، دستورالعمل‌ها و مجوزهای منحصربه‌فرد را به هم زنجیره می‌کند.
۲. تیمی (Team): چندین نسخه از یک عامل، کار را روی یک برد مشترک تقسیم کرده و نتایج یکدیگر را بازبینی (Peer-review) می‌کنند.
۳. خودکار (Auto): سیستم به‌طور مستقل تصمیم می‌گیرد که از یک متخصص استفاده کند یا یک تیم.
برای تضمین امنیت، Labelbox جلسات را در سندباکس‌های ایزوله اجرا می‌کند و هیچ داده‌ای در سطح ارائه‌دهنده مدل زبانی بزرگ (LLM) ذخیره نمی‌شود. این پلتفرم با استانداردهای SOC 2 Type II، GDPR، CCPA، NIST 800-171 و PCI DSS سازگار است و اعتبارنامه‌ها در یک خزانه (Vault) امن ذخیره می‌شوند. قیمت‌گذاری بر اساس ساعتِ هر جلسه عامل است که هزینه محاسبات و مدل را ترکیب می‌کند. مشتریان سازمانی فعلی یک اعتبار یک‌باره ۱۰۰ دلاری دریافت می‌کنند.
Labelbox پیش از این ۵۱ عامل را در ۱۱ تیم داخلی خود، از جمله مالی، فروش، استراتژی، تدارکات و مهندسی نرم‌افزار مستقر کرده است. در یک تست داخلی، یک عامل بازبینی Pull-request، تعداد ۳۹ بازبینی امتیازدهی‌شده را اجرا کرد. در ۳۳ مورد که پذیرفته شدند، میانه هزینه از ۱۳.۱۵ دلار برای ۱۱ بازبینی اول به ۸.۹۰ دلار برای ۱۱ بازبینی آخر کاهش یافت (۳۲٪ کاهش هزینه)، در حالی که حافظه عامل ۱۵ بار به‌روزرسانی شد و زمان هر بازبینی در حدود ۲۷ دقیقه ثابت ماند.
در مکانیسم حافظه این محصول، یک «عامل کیوریتور» (Curator Agent) هرگاه ۵ گزارش جدید ایجاد شود (حداکثر یک بار در ساعت)، گزارش‌های جلسه را می‌خواند تا حافظه عامل را به‌روز کند. مشتریان می‌توانند هر یک از درس‌های آموخته‌شده‌ای را که دیگر کاربرد ندارند، مرور و حذف کنند.
این تحول نشان می‌دهد که گلوگاه بعدی هوش مصنوعی، اندازه مدل نیست، بلکه دسترسی به «محیط‌های تمرینی» با کیفیت (High-fidelity) است. با ساخت سندباکس، تأییدکننده و شبکه متخصصان، Labelbox خود را به عنوان زیرساخت ضروری برای مرحله «پس‌آموزش» (Post-training) توسعه هوش مصنوعی معرفی می‌کند.
برای سازمان‌ها، انتقال از «چت‌بات‌ها» به «عامل‌های مدیریت‌شده» به معنای تغییر تمرکز از نوشتن پرامپت‌های بهتر به تعریف معیارهای ارزیابی (Rubrics) دقیق‌تر است. ارزش دیگر در تعامل نیست، بلکه در نتیجه قابل تأیید یک فرآیند تجاری چندمرحله‌ای است.
باید دید ادغام زیرساخت‌های محاسباتی مقیاس‌بزرگ GroqCloud در ماه‌های آینده چگونه بر تأخیر (Latency) و مقیاس این دنیاهای شبیه‌سازی‌شده تأثیر می‌گذارد؛ به‌ویژه با توجه به اینکه جان یتیموگلو از Infinitum، یکی از سرمایه‌گذاران اولیه Groq بود.
گام بعدی شما
- اگر مدیر محصول هستید، به‌جای تمرکز بر مهندسی پرامپت، روی تعریف «معیارهای پذیرش» (Acceptance Criteria) برای خروجی‌های AI تمرکز کنید.
- بررسی کنید که آیا گردش‌کارهای تکراری سازمان شما قابلیت تبدیل به یک سامانه چندعاملی را دارد یا خیر.
- مدل‌های ارزیابی (Grader Agents) را برای کنترل کیفیت خروجی‌های مدل‌های فعلی‌تان پیاده‌سازی کنید.
گفتگو