Trajectoryは2026年11月2日(現地時間)、AIモデルの訓練を非技術系専門家にもアクセス可能にする目的で、シリーズAラウンドにおいて4500万ドルを調達したと発表した。この資金調達はSequoiaが主導し、Nvidia、Bessemer Venture Partners、Bain Capital Venturesが参加した。創業約1年の同社の評価額は3億ドルに達した。
既存のAIモデルは、OpenAIやAnthropicが開発したもの、あるいはオープンソースの代替モデルであっても、追加の訓練なしには間違いから学習しないという限界がある。法律や金融などの専門分野でこれらのモデルを適用する企業は、通常、汎用モデルをファインチューニングすることでこの問題に対処している。
しかし、これには社内研究チームの雇用や、フォワードデプロイエンジニア（FDEs）として知られる高額なコンサルタントへの依存が必要となる場合が多い。Google DeepMindやAppleでの経験を持つスタンフォード大学の同級生3人によって約1年前に設立されたスタートアップであるTrajectoryは、このプロセスを自動化し、モデルがフィードバックから学習し、専門タスクで継続的に改善できるようにすることを目指している。
Trajectoryの共同創業者であるRonak Malde（ロナン・マルデ）氏は、基盤モデルを常に新しい仕事を始める非常に賢い博士課程の学生に例え、経済が価値を置くのは30年間その仕事に従事した人物だと述べた。同社は継続学習と呼ばれるアプローチを通じてこの問題の解決を図っている。Trajectoryを利用する企業は、オープンソースのモデルから開始し、プラットフォームをアプリケーションに接続することで、モデルのパフォーマンスに関するフィードバックを収集できる。
Trajectoryはその情報を使用してモデルを再訓練し、専門タスクにおける時間経過に伴う改善を支援する。Malde氏は、弁護士や医師などの専門家がほぼ自動でモデルを改善できると述べている。この機能は、専門化されたモデルの導入をより迅速かつ安価にする可能性がある。既にHarveyやRogoなどの企業はTrajectoryのプラットフォームを利用してオープンソースモデルのポストトレーニングを行っており、経験豊富な弁護士や金融アナリストのように機能できるよう支援している。
Trajectoryの他の顧客にはDecagon、Mercor、Nvidiaが含まれる。同社は現在、そのポストトレーニングプラットフォームを一般公開している。共同創業者であるMichael Elabd（マイケル・エラブド）氏は、人間を訓練プロセスに関与させることでTrajectoryのアプローチはより安全になると主張している。
競争環境において、TrajectoryはThinking Machines Lab（Tinkerというファインチューニングプラットフォームを展開）、Applied Compute、Prime Intellectを直接の競合と見なしている。Malde氏は、Trajectoryの最大の強みはそのチームにあると考えている。Malde氏はGoogle DeepMindがWindsurfから買収した研究者の一員であり、Elabd氏もDeepMindに勤務していた。3人目の共同創業者であるArjun Karanam（アルジュン・カラナム）氏は、以前Appleで生成系基盤モデルに取り組んでいた。同社はOpenAI、Stripe、Netflixからも研究者やプロダクトデザイナーを雇用している。Karanam氏は、非技術系顧客がポストトレーニングにアクセスしやすくなるインターフェースを開発したと述べている。
参考: TechCrunch Funding (アーカイブ) — 2026年11月3日 08:13 (JST)
原文ハイライト"allowing AI models to learn from feedback and continuously improve at specialized tasks."