让AI智能体真正投入实际工作，正被证明比众多企业预想的要难得多。好消息是，一批新兴创业公司正在寻找更好的方法，帮助智能体在正式部署前完成测试与训练，尤其针对现代企业环境中错综复杂的业务场景。
Arga正是其中之一。这家初创公司本周三宣布完成1000万美元种子轮融资，由General Catalyst领投，Box Group、Emergence、Gradient和SV Angel跟投。
Arga专为Salesforce、Workday、邮件客户端等企业软件构建训练环境。与大多数仅提供无状态API端点的测试环境不同，Arga会为目标程序构建一个完整的数字孪生体，在完整保留权限系统和Web Hook的前提下，对整套软件进行克隆复制。由此带来的是一种更加强健的跨系统智能体训练方式。
公司CEO兼联合创始人Philip Li用一个场景来演示其产品的价值：假设一位潜在客户在Salesforce中创建了一条销售线索，同时另一位同事也通过HubSpot单独进行了联系。"智能体能否正确判断这两条记录指向的是同一家公司？"Li说，"它能否核实邮件是否只发送过一次？在两个商机中，它能否判断应该联系哪一位？"
现有的智能体系统在处理此类模糊情境时仍力不从心，而Li认为Arga的工具对提升这方面的能力至关重要。
通常情况下，针对上述任务的智能体训练可以借助强化学习（RL）完成：将同一场景反复运行数万次，只保留成功的策略。然而，企业软件的特殊性使得如此大规模的测试几乎无从实现——无论是Salesforce还是Outlook，都没有简便的方式在每轮测试后"重置"系统，更别提克隆整个环境了。
Arga的解决方案是对这些软件进行数字化重建，其作用类似于碰撞测试中用假人代替真人。由于Arga对整个环境拥有完全的控制权，重建出的环境既易于重置，也便于修改。该公司还可以同时运行多个环境，以训练智能体应对不同程序之间的复杂交互。其核心理念是还原一个人完整的工作环境，包括分布在不同程序与知识系统中、彼此交叉的具体任务。
这可以理解为一种弥合编程与其他应用领域之间"强化学习鸿沟"的方式。AI编程工具之所以进步如此迅速，部分原因在于我们已经拥有了一套成熟的工具链，可用于部署、回滚和分析新代码。这些工具使得为编程任务搭建强化学习环境变得容易得多，从而推动了AI系统在日益复杂的编程任务上的训练与测试。
而对于大多数商业软件而言，类似的工具目前尚不存在。但一旦这类工具到位，AI系统很可能在使用这些程序方面取得质的飞跃，并以颠覆编程行业的方式，改写其他行业的面貌。
General Catalyst常务董事Yuri Sagalov同时负责该机构的种子投资项目，他表示目前对智能体测试工具的需求正在持续增长。
"我认为，智能体所蕴含的大量经济价值，正是来自对商业应用软件的使用，"Sagalov在接受TechCrunch采访时表示，"拥有一个可复现的沙箱环境非常重要，而对于智能体来说，这比面向人类时更加关键。"
Q&A
Q1：Arga构建的企业软件数字孪生环境和普通测试环境有什么区别？
A：普通测试环境通常只提供无状态的API端点，功能较为单薄。而Arga构建的是企业软件的完整数字孪生体，在克隆整套软件结构的同时，完整保留了权限系统和Web Hook等关键机制。这意味着智能体可以在高度还原真实业务场景的环境中接受训练，且该环境可以随时重置或修改，还可以多个并行运行，以模拟跨系统的复杂交互。
Q2：为什么在企业软件中训练AI智能体比在编程领域更难？
A：编程领域已有成熟的工具链支持代码的部署、回滚和分析，这使得搭建强化学习训练环境相对容易。但Salesforce、Outlook等企业软件并不具备类似的"重置"机制，每次训练后无法简便地恢复初始状态，更无法批量克隆环境运行大规模测试。这种基础设施的缺失，使得企业软件中的智能体训练面临远比编程场景更高的门槛。
Q3：Arga的种子轮融资由哪些机构参与，融资金额是多少？
A：Arga本次种子轮融资共计1000万美元，由General Catalyst领投，Box Group、Emergence、Gradient和SV Angel跟投。General Catalyst常务董事Yuri Sagalov同时主导该机构的种子投资业务，他认为可复现的沙箱测试环境对于企业智能体的落地部署具有关键价值。
