元GoogleとAppleの研究者がAIに欠けている「フィード」を構築するスタートアップを立ち上げ

水曜日、Google DeepMind、Apple、OpenAI、Meta Superintelligence Labsで働いていたAI研究者のグループが、Trajectoryという新興企業を立ち上げたと発表しました。この企業は、企業が実世界のユーザーインタラクションを訓練することでAI製品を定期的に改善できるようにすることを目指しています。

Trajectoryは、継続的に学習できるAIのプラットフォームを構築したいと考えています。この能力は、研究者たちが長い間、AIのさらなる進歩に対する大きな障壁として挙げてきました。OpenAI、Google、Anthropicは、特にコーディング、数学、科学などの分野で、ますます高性能なAIモデルの訓練に成功しています。しかし、これらのシステムは訓練が完了すると賢くなることが止まります。継続学習における最近の進歩にもかかわらず、テクノロジー企業は一般に、リアルタイムでエラーから学ぶAI製品を作るのに苦労しています。2025年12月、最大のAI研究会議の1つであるNeurIPSで、チューリング賞受賞者のRichard Sutton氏は、継続学習が超知能エージェントを構築するために不可欠であると主張しました。

Trajectoryは、シードラウンドで1500万ドルを調達し、ポストマネー評価額は1億1500万ドルです。このラウンドはベンチャーキャピタルのConvictionがリードし、Bessemer Venture Partners、Radical VC、BoxGroupが参加しました。個人投資家としては、Google DeepMindの主任科学者Jeff Dean氏や、いわゆる「AIの名付け親」であるスタンフォード大学教授兼World Labs CEOのFei-Fei Li氏も参加しています。

TrajectoryのCEO兼共同創業者であるRonak Malde氏は、以前はWindsurfでAI研究者として働いていました。その後、Google DeepMindが昨年、コーディングスタートアップのトップタレントを24億ドルで買収した際に、Google DeepMindに移籍した数少ない従業員の1人になりました。他の共同創業者には、AppleでVision Proに携わった元AI研究者のArjun Karanam氏と、Google DeepMindのロボティクス部門で働いていたMichael Elabd氏が含まれます。

Malde氏はWIREDに対し、Cursorのような主要なAIコーディング製品はすでに初期の継続学習を実践していると述べています。これらの製品は、ユーザーが製品とどのように相互作用するかについての実際のデータを使用して事後訓練を行い、定期的にモデルの改善を出荷しています。彼は、これがAIコーディング製品が急速に普及した核心的な理由であり、大手AIラボが独自の「バイブコーディング」アプリケーションを急いで開発している理由の一部であると主張しています。Trajectoryでは、Malde氏と11人の研究者およびエンジニアからなるチームが、コーディング以外の分野でAIを活用したツールを改善するために同様の技術を適用したいと考えています。

「最も強力なAIでさえ、今日ではまだ静的です。昨日使ったAIモデルは、今日も同じ間違いを犯します」とMalde氏は言います。「いくつかの企業が継続学習の世界に足を踏み入れ始めています。私たちがしているのは、すべての企業が継続学習に到達するためのプラットフォームを構築することです。」

このロジックを他の分野に適用する際の課題は、コーディングは簡単に検証できることですが（コードは実行されるかされないか）、一部の業界では成功の定義がより曖昧であることです。Karanam氏は、Trajectoryのプラットフォームの一部は、AIモデルを企業の特定のニーズに最適化するのに役立つことだと述べています。

Trajectoryは、OpenAIやAnthropicの既製モデルから始めるのではなく、顧客に特定のAI製品向けに事後訓練されたオープンソースモデルから始めてもらいます。AIカスタマーサポートエージェントを構築する顧客Decagonの場合、TrajectoryはAIが不十分だったとき（例えば、返品しようとしている顧客の問い合わせが人間にエスカレーションされた場合）を記録し、それらの事例を使用して週に1回新しいモデルを事後訓練します。Trajectoryは、これらの事後訓練されたモデルが、企業の製品にとって最も重要な狭いタスクにおいて最先端の研究所のモデルを凌駕すると主張しています。

企業の経営陣は、さまざまな種類のタスクにAIを使用することに熱心ですが、現在それを実現するには、多くの場合、「前進展開エンジニア」のチーム、つまりAI製品の構築を支援するために企業内に組み込まれたコンサルタントや技術者を雇う必要があります。OpenAI、Anthropic、Palantirなどの企業は、このニーズを満たすために急いでいます。Elabd氏は、Trajectoryの目標は、企業がAIスタックを継続的にトラブルシューティングするために社内エンジニアを必要としないように、自律的に改善できる製品を構築することだと述べています。このスタートアップは、すでに企業向け販売スタートアップのClayや法律AIスタートアップのHarveyなど、さまざまな分野に顧客を抱えていると述べています。現在は主にAIネイティブ企業と協力していますが、Trajectoryは最終的にフォーチュン500企業にプラットフォームをマーケティングする計画です。

批評家は、Trajectoryがまだ真の継続学習を構築していない、少なくとも従来の意味ではそうではないと主張するかもしれません。結局のところ、このスタートアップのモデルは現時点では週に1回しか更新されず、アップグレードの間は静的です。

Elabd氏は、Trajectoryは始まったばかりだと主張しています。彼は、AI業界はAIが経験から学習する新しいパラダイムに向かっており、これはAIコーディング分野ですでに起こっていることと似ていると述べています。Elabd氏は、Trajectoryの最終目標は、企業のAIモデルを毎日、あるいはそれ以上の頻度で更新できるプラットフォームを構築することだと述べています。

「毎日では十分ではないかもしれません。1時間ごと、インタラクションごとになる可能性があります」とElabd氏は言います。「もしかしたら、すべての企業に1つのAIだけでなく、すべての企業のすべての人のために学習するAIを訓練できるかもしれません。」