A aposta de US$ 45 milhões da Trajectory em quem aprova mudanças na IA

Em novembro de 2026, a Trajectory levantou US$ 45 milhões para ferramentas de pós-treinamento de modelos voltadas a clientes não técnicos. Adaptar um modelo pré-treinado exige menos dados e computação do que criar um, permitindo que mais pessoas mudem seu comportamento — e cada mudança cria mais uma decisão a ser tomada por alguém antes da implantação.

Equipes empresariais podem obter acesso a um modelo com capacidade geral. O problema mais difícil é controlar se ele se comporta de modo confiável em tarefas específicas. O treinamento de fronteira continua concentrado, mas a oportunidade a jusante está em um fluxo de trabalho no qual responsáveis pelo domínio definem o comportamento aceitável, o testam em tarefas reais, aprovam versões e usam o feedback de produção para orientar a próxima mudança.

A computação de fronteira concentra o treinamento, não todas as adaptações

A Epoch AI estimou que o Google controlava cerca de 25% da computação global de IA, operando aproximadamente 3,8 milhões de TPUs e 1,3 milhão de GPUs. Uma empresa não reproduz essa infraestrutura para tornar um modelo melhor em seu próprio trabalho. Ela parte de pesos pré-treinados: o fine-tuning geralmente requer menos dados e computação do que o pré-treinamento, enquanto o pós-treinamento pode otimizar resultados que a previsão de tokens, por si só, não especifica.

Desenvolvedores e provedores ampliaram esse caminho de menor exigência de recursos de maneiras distintas. Em 2024, a Mistral introduziu um SDK de fine-tuning para workstations, servidores e pequenos nós de data center. A OpenAI ampliou seu programa Custom Model com fine-tuning assistido, pipelines de dados de clientes e sistemas de avaliação. As duas ofertas diferem quanto à parcela do trabalho assumida pelo provedor, mas ambas tratam um modelo-base como ponto de partida, e não como o produto empresarial finalizado. O movimento da Snorkel AI em direção ao desenvolvimento e à avaliação de dados por humanos e agentes integra a mesma transformação mais ampla de infraestrutura de pós-treinamento.

A posição do Google em computação ainda importa. Um cliente capaz de ajustar um modelo não ganha, por isso, a capacidade de criar ou avançar materialmente um modelo-base de fronteira. Uma adaptação mais barata distribui algumas decisões sobre comportamento sem distribuir a capacidade subjacente de treinamento.

A avaliação se torna uma barreira de lançamento quando as tarefas divergem

Um benchmark público ajuda uma equipe a comparar capacidades amplas. Ele não pode decidir se um modelo revisado atende às regras daquela equipe para um trabalho específico. A distinção surgiu cedo: em 2023, a AWS apresentou em prévia o Model Evaluation no Bedrock, com testadores humanos envolvidos antes do uso. À medida que o avanço dos modelos pressionava benchmarks mais antigos, pesquisadores introduziram testes mais difíceis, incluindo FrontierMath, Humanity’s Last Exam e RE-Bench; mais tarde, a OpenAI introduziu 13 avaliações para monitorabilidade da cadeia de raciocínio. Esses esforços respondem a perguntas diferentes das de um teste de aceitação do cliente.

Uma equipe de produção precisa definir seus próprios casos de teste, a ordem em que os testes são executados, os limites para promoção e a pessoa autorizada a aceitar exceções. Quando um modelo muda, a equipe precisa executar esse processo novamente. A revisão humana não é apenas uma forma de capturar um erro que um benchmark deixou passar. Em decisões consequentes, um ponto de controle registrado identifica quem aceitou o comportamento e com quais evidências. Isso é responsabilização pela implantação, não outra coluna de ranking.

A Trajectory vende acesso à decisão, não um novo modelo-base

A Trajectory deixa incomumente clara a mudança no usuário pretendido. Em maio de 2026, ela levantou uma rodada seed de US$ 15 milhões com avaliação pós-money de US$ 115 milhões para construir modelos de aprendizado contínuo baseados em interações de usuários. Sua Série A de US$ 45 milhões em novembro, liderada pela Sequoia com avaliação de US$ 300 milhões, veio acompanhada da descrição de ferramentas de pós-treinamento para clientes não técnicos. A Trajectory garantiu ambas as rodadas, mas nenhum dos relatos estabelece adoção ampla por clientes ou documenta um fluxo de trabalho de aprovação já em uso.

A Patronus AI abordou outra parte do problema. Ela construiu ambientes simulados para avaliar agentes que executam tarefas em múltiplas etapas e levantou uma Série B de US$ 50 milhões em 2026. Um especialista de domínio que avalia uma sequência de ações precisa ver mais do que se a resposta final parece correta: o teste deve expor o que o agente fez no caminho. O público não técnico declarado pela Trajectory e as simulações de tarefas da Patronus apontam para produtos distintos, não para uma categoria única e estabelecida de fornecedores.

Trazer especialistas no assunto para o processo também muda o que o software precisa representar. Um domínio de negócios tem seus próprios conceitos, exceções e regras de autorização. Uma interface de ajuste que aceita exemplos, mas não consegue preservar essas regras, deixa a parte difícil com o cliente — ou com uma equipe de serviços sob medida.

A implantação torna as restrições locais parte da qualidade do modelo

Em agosto de 2026, SAP, Capgemini, Sopra Steria e OVHcloud relataram demanda mais forte por IA à medida que empresas passavam de experimentos para implantação. Suas posições diferem — software, serviços e infraestrutura em nuvem —, mas a produção dá a cada uma um motivo para se importar com a validação dentro do ambiente do cliente, e não apenas com a seleção de modelos a partir de uma pontuação pública.

Alguns clientes também querem controlar onde um sistema é executado. Fornecedores chineses venderam produtos de “IA em uma caixa” on-premises; a Huawei estimou em 2024 que o mercado chinês para essas máquinas chegaria a cerca de US$ 2,3 bilhões naquele ano. Era uma estimativa, não um número de vendas realizadas. Separadamente, o verificador da LatticeFlow encontrou problemas de conformidade ao avaliar modelos relevantes em relação a elementos do AI Act da União Europeia. A constatação de um verificador não é uma decisão jurídica, mas mostra por que um comprador não pode inferir adequação para toda implantação a partir da capacidade geral de um modelo.

O trabalho prático recai sobre as pessoas que conhecem o domínio e assumem seus riscos. Elas precisam decidir quais falhas são toleráveis, quais casos exigem revisão e quais mudanças não podem prosseguir sem autorização. O desempenho do modelo continua necessário; as regras do cliente determinam se esse desempenho é utilizável.

Arena e Weave mostram que os gastos com avaliação são desiguais

A demanda por esse trabalho não prova que todo fornecedor de avaliação tenha um grande negócio independente. Em abril de 2025, o The Information relatou receita modesta em várias startups de avaliação. A Weights & Biases havia alcançado US$ 50 milhões em receita recorrente anual até dezembro de 2024, mas seu produto de avaliação Weave respondia por apenas 2% desse valor.

Em junho de 2026, a Arena afirmou ter alcançado US$ 100 milhões em receita anualizada oito meses após lançar o AI Evaluations, uma oferta de análise de desempenho. A Arena já operava um ranking de modelos amplamente utilizado, o que lhe dava uma superfície de distribuição que o Weave não tinha na mesma forma. A Arena informou uma receita anualizada da empresa, não receita anual auditada nem um número de receita divulgado apenas para o AI Evaluations. A comparação sustenta uma conclusão mais restrita do que um boom em toda a categoria: a avaliação pode atrair gastos substanciais quando seu vendedor já ocupa um lugar nas decisões de seleção de modelos, enquanto outros produtos tiveram dificuldade para monetizar a tarefa.

Plataformas podem empacotar o ciclo, a menos que os clientes detenham o registro

Provedores de infraestrutura e de modelos têm motivos para manter esse trabalho por perto. A CoreWeave adquiriu a Weights & Biases, levando ferramentas de fluxo de trabalho para desenvolvedores para junto de seu negócio de infraestrutura. A AWS já oferece avaliação de modelos; a OpenAI oferece fine-tuning assistido e sistemas de avaliação. A Anthropic descreveu o midtraining de especificação de modelo como uma etapa adicional entre o pré-treinamento e o fine-tuning. Fornecedores independentes não competem contra laboratórios que abandonaram a adaptação.

A posição duradoura de um fornecedor, portanto, depende menos de possuir uma técnica de ajuste do que de deter os casos de tarefas de um cliente, suas decisões de revisão e seu histórico de mudanças aprovadas em uma forma que continue útil entre modelos. Se os clientes puderem levar esse registro com eles, poderão escolher um modelo-base sem abrir mão do controle sobre seu processo de lançamento. Se o registro permanecer dentro de uma plataforma de modelo ou nuvem, a plataforma terá uma forma direta de empacotar o fluxo de trabalho. O menor custo de mudar modelos abriu esse campo; quem mantém a autoridade para aprovar uma mudança determina seus limites.