AI 智能体落地企业软件的难度，远比许多公司预想的要大。不过，一批新兴创业公司正在填补这一空白——它们专注于在智能体部署前提供更优质的测试与训练环境。
种子轮融资 1000 万美元
企业软件 AI 智能体训练平台 Arga 于本周三宣布完成 1000 万美元种子轮融资，由 General Catalyst 领投，Box Group、EMERGE、Gradient、SV Angel 跟投。Arga 联合创始人兼 CEO Philip Li 表示，本轮资金将用于构建更完善的企业软件数字孪生训练环境。
数字孪生：比 API 更深一层的训练思路
传统测试环境通常只提供一个无状态的 API 端点，Arga 的做法截然不同——它构建的是整套企业软件的完整数字孪生，以 Salesforce、Workday、邮件客户端等为代表，将权限系统、Webhook 等交互逻辑一并保留，仿佛为软件制作了一个可反复使用的"碰撞测试假人"。
Li 用一个具体场景解释了这一价值：某客户在 Salesforce 中创建了一条潜在客户记录，而与此同时，其同事通过 HubSpot 单独触达了同一家公司。
智能体能否正确识别这两条记录指向同一家公司？它能否判断邮件是否已经发送过一次？面对两个不同的商机，它应该把邮件发给谁？
这类业务判断中的模糊性，正是当前 Agentic 系统的短板，也是 Arga 工具的核心用武之地。
为什么不能靠强化学习自己搞定
传统上，AI 智能体可以通过强化学习（RL）来训练类似任务：让同一场景运行成千上万次，只让成功的策略通过。但企业软件的特性使这种规模的测试几乎无法实现——当你需要反复运行相同场景时，很难"重置" Salesforce 或 Outlook，更不用说去克隆它了。
Arga 的解决思路是：通过数字方式重建软件结构。由于 Arga 对环境拥有完全控制权，重建后的系统可以随时重置或修改。公司还能同时并行运行多个环境，让智能体在跨系统交互中完成训练。其目标是复制一个人的完整工作环境，让特定任务在多个程序和知识系统之间交叉重叠。
缩小"强化学习鸿沟"
这一思路本质上是在弥合编程领域与其他应用之间的"强化学习鸿沟"。AI 编程工具之所以进展迅速，部分原因在于我们已有成熟工具来部署、回滚和分析新代码——这些工具使得为编程任务搭建 RL 训练环境变得容易得多，从而能持续测试和训练更复杂的编程任务。
对于大多数企业软件而言，这类工具目前尚不存在。但一旦它们成熟，AI 系统使用这类软件的能力将大幅提升，并有望像颠覆编程一样颠覆其他行业。
General Catalyst 董事总经理 Yuri Sagalov（同时负责该基金的种子投资计划）表示，他看到了市场对 Arga 这类 Agentic 测试工具的迫切需求。
"我认为，智能体的经济价值很大程度上来自对商业应用的使用，"Sagalov 接受 TechCrunch 采访时说，"拥有一个可重复的沙箱环境至关重要，相比人类，它对智能体的重要程度要高得多。"
评论