本文へ移動
tappuri.ai
ニュース

Trajectory、45億円規模ならぬ4500万ドル調達 専門家向けAI再学習

創業約1年の米Trajectoryが、Sequoia主導のシリーズAで4500万ドルを調達し、評価額は3億ドルになったと米TechCrunchが報じた。法律や金融の専門家が自分でAIモデルを再学習させられる基盤を提供している。

出典
1件 主な出典
公開日時
AI利用範囲
AIによる要約・執筆(機械チェック実施)

重要ポイント

  • Trajectoryは4500万ドルのシリーズAを実施し、評価額は3億ドルとなった。
  • Sequoiaが主導し、Nvidia、Bessemer Venture Partners、Bain Capital Venturesが参加した。
  • オープンソースのAIモデルを業務アプリにつなぎ、利用時のフィードバックをもとに再学習させる仕組みを提供している。
  • 弁護士や医師など技術者でない専門家が使える操作画面を用意し、プラットフォームを一般公開した。
  • 利用企業としてHarvey、Rogo、Decagon、Mercor、Nvidiaの名前が挙がっている。

米スタートアップのTrajectoryが、シリーズAで4500万ドルを調達したと米TechCrunchが2026年11月2日に報じた。評価額は3億ドルに達したという。創業から約1年の同社は、法律や金融の専門家が技術者に頼らずAIモデルを鍛え直せる「ポストトレーニング」の基盤を手がけている。調達はSequoiaが主導し、Nvidiaなどが参加した。

背景

汎用の基盤モデルは幅広い質問に答えられる一方、個々の企業の業務手順や判断基準までは身につけていない。事前学習を終えたモデルに追加の学習を施して特定の用途へ合わせる工程はポストトレーニングと呼ばれ、これまでは機械学習の専門知識が欠かせなかった。法律や金融の分野では、企業が社内に研究チームを抱えるか、顧客先に常駐する高額な技術者に頼るケースが多いと報じられている。

読者

専門家が自分でAIを鍛えるって、具体的に何をするんですか?

ヌマ(編集部)

自分の組織にとって「良い出来」とは何かを決め、その評価をモデルに返す作業です。プログラムを書く部分はTrajectoryの基盤が引き受けます。

詳細

TechCrunchによると、今回のラウンドはSequoiaが主導し、Nvidia、Bessemer Venture Partners、Bain Capital Venturesが加わった。評価額は3億ドルで、従業員は18人という。調達資金の使い道は記事では明らかにされていない。

創業者はスタンフォード大学の同級生3人である。Ronak Malde氏はGoogle DeepMindの出身で、Windsurfから同社に移った少数の研究者の一人だった。Michael Elabd氏も同じくGoogle DeepMindに在籍し、Arjun Karanam氏はAppleで生成AIの基盤モデル開発に携わっていた。OpenAIやStripe、Netflixからも研究者やプロダクトデザイナーを迎えている。

仕組みはこうなる。企業はまずオープンソースのAIモデルを選び、Trajectoryの基盤を自社のアプリケーションにつなぐ。基盤はモデルの出来についてフィードバックを集め、それを使ってモデルを再学習させる。この手法は継続学習と呼ばれ、使うほど特定業務に強くなっていくことを狙っている。学習させる業務の例として、特定の種類の契約書の審査や、決まった手法に沿った企業価値の算定が挙げられている。

利用企業には、法律分野のAIを手がけるHarveyや金融分野のRogoが含まれ、両社はこの基盤でオープンソースモデルのポストトレーニングを行っている。DecagonやMercor、Nvidiaも顧客に名を連ねる。Malde氏は基盤モデルを「とても賢いが、いつも新しい仕事を始めたばかりの博士課程の学生」にたとえ、経済が評価するのは「30年その仕事に携わってきた人」だと語った。同氏は自社の最大の強みとしてチームを挙げている。

競合として、元OpenAI最高技術責任者のMira Murati氏が創業し、ファインチューニング基盤「Tinker」を展開するThinking Machines Labが直接の競合に挙げられた。先月に評価額32億5000万ドルを付けたと報じられたApplied Computeや、企業が独自のAIエージェントを構築・学習できるよう支援するPrime Intellectも同じ領域で事業を進めている。Trajectoryの手法はAIが自らを改良し続ける再帰的自己改善と似た面を持つが、学習の過程に人間を残している。Elabd氏は、自律的な自己改善には意図しない、あるいは危険な結果を招くおそれがあるとし、人間が関わる自社の方式のほうが安全だと主張している。

関連する仕事・業種

関連ワークフロー

求人票の下書き作成

求人票のたたき台を作る

入力 AI処理 人が確認 完成
想定時間
目安10分
難易度
やさしい
使用ツール
ChatGPT・Claude・Gemini
人の確認あり 機密情報に注意
手順を見る →
就業規則の問い合わせ対応

就業規則・社内FAQへの問い合わせに一次回答案を作る

入力 AI処理 人が確認 完成
想定時間
目安15分
難易度
ふつう
使用ツール
ChatGPT・Claude・Gemini
人の確認あり 機密情報に注意
手順を見る →

関連記事

毎週金曜、AIまとめを無料でお届け