AIエージェントを仮想環境で試験し、本番前に失敗を見つけるイスラエルのPluraiが、Team8主導のシードラウンドで1,300万米ドルを調達しました（ Mokady氏ら20人を超えるエンジェル投資家も参加しました。資金は研究開発チームの拡充、大企業向け市場の開拓、米国での事業拡大に充て、約12人の従業員を2026年末までに倍にする計画です。プラットフォームも無料枠つきで開発者に一般公開しました。 エージェントを作ること自体は、デモなら数時間でできるようになりました。難しいのはその先です。エージェントは同じ依頼にも違う応答を返すことがあり、プロンプトやモデルを少し変えるだけで振る舞いが変わります。手作業や決め打ちのシナリオでは試しきれず、利用者の前で初めて問題が出ることもあります。同社が引用するVentureBeatの調査では、社内評価を通ったエージェントやLLM機能が本番で顧客向けの不具合を起こした企業が半数にのぼりました。 発想の元は自動運転のシミュレーションです。企業のナレッジベース、ツール、ポリシーをもとに、エージェントとその動作環境のデジタルツイン（ソフトウェア上に再現した複製）を作り、サンドボックス（本番から隔離された試験環境）で数千の模擬ユーザーをぶつけます。意地の悪い問い合わせも混ぜて、ハルシネーション（もっともらしい誤答）、ポリシー違反、ツール呼び出しの失敗、機密情報の漏えいなどを洗い出し、修正案を作って同じ環境で再試験します。 本番では、シミュレーションで得たデータからエージェントごとに小規模言語モデル（SLM）を作り、常時の監視役にします。全会話を大型モデルで検査すると高くつくため、多くの企業は一部の抜き取り確認にとどまっています。用途を絞った小さなモデルなら全件を見られるという考え方で、1枚のGPUで数百の専用モデルを同時に動かせることも研究で示したとしています。 同社によると、デザインパートナー（製品を一緒に磨く初期顧客）では開発期間が数か月から数時間に縮み、利用者に届く失敗が82%減り、運用コストは最大97%下がりました。NVIDIAとNebiusとの取り組みでは、ある大手企業向けに追加学習したNemotronモデルが、特定の本番タスクでOpenAIのGPT-6 Lunaと同等の結果を約40分の1のコストで出し、AnthropicのClaude Haiku 5.5を約44分の1のコストで上回ったそうです（ynetの報道。Calcalistは両方を精度で上回ったと伝えています）。特定業務での比較で、汎用的な性能比較ではありません。 巨大なモデル1つに全部を見張らせるのではなく、小さな専用モデルをたくさん並べて監視する設計なので、エージェントを安心して動かすための費用は、モデルの大きさより試験データの質で決まっていくのかもしれません。