Markdown संस्करण

AI-translated from English; not yet reviewed by a fluent editor.

# Snorkel का $350 मिलियन का नया निवेश AI के लिए नकली कार्यस्थलों को समर्थन देता है

> Snorkel की नई फंडिंग ऐसे नकली कार्यस्थलों को समर्थन देती है जहां AI एजेंट कंपनी के टूल, नियमों और रिकॉर्ड का इस्तेमाल करना सीखते हैं; उनके काम और नतीजों का मूल्यांकन भी होता है।

By BIG CHANGE Editorial

Published: 2026-09-22T23:48:28.109Z
Updated: 2026-09-23T03:38:46.383Z
Canonical: https://bigchange.ai/blog/snorkel-ai-training-simulated-workplaces

![A blank monitor and tool tray sit inside an orange-edged controlled training workstation.](https://bigchange.ai/api/media/file/snorkel-training-room-boundary-hero-v2.png)
AI-generated conceptual illustration by BIG CHANGE. Illustration of a controlled training workstation with tools and a visible boundary. It does not show a customer system or a production result.

Snorkel AI एजेंटों को प्रशिक्षित करने के लिए नकली कार्यस्थल बेचता है। उनमें कंपनी के रिकॉर्ड, टूल और नियम होते हैं, और एजेंट के काम तथा नतीजों का मूल्यांकन किया जाता है।

22 सितंबर को Snorkel ने [$350 मिलियन की सीरीज़ E फंडिंग जुटाने और $3.5 अरब का मूल्यांकन हासिल करने की घोषणा की](https://snorkel.ai/blog/data-2-0-and-the-research-era-of-ai-data/)। फंडिंग नई है; उत्पाद की दिशा नहीं। Snorkel ने 2025 में अपने परिवेश बनाने का तरीका बताया था, और उसकी मौजूदा Data Series में संपत्ति एवं दुर्घटना बीमा अंडरराइटिंग तथा वित्त के सिमुलेशन शामिल हैं। यह दौर ऐसे मौजूदा कारोबार को समर्थन देता है जो काम के विशेषज्ञ ज्ञान को प्रशिक्षण और मूल्यांकन के बुनियादी ढांचे में बदलता है।

## बड़ा बदलाव

- **क्या बदला:** प्रशिक्षण-डेटा देने वाली कंपनी अब किसी संगठन की प्रक्रिया का काम करने वाला सिमुलेशन बेच सकती है। सफलता के लिए उपलब्ध टूल और रिकॉर्ड का इस्तेमाल करके कार्य-प्रवाह पूरा करना पड़ता है।
- **यह क्यों मायने रखता है:** परिवेश बनाने वाले लोग तय करने में मदद करते हैं कि काम में दक्षता कैसी दिखती है। नीति की सीमा, ज़रूरी मंज़ूरी या डेटाबेस में बदलाव यह संकेत बन जाता है कि किस व्यवहार को पुरस्कृत करना और किसे अस्वीकार करना है। इसलिए क्षेत्र-विशेष का निर्णय प्रशिक्षण का इनपुट है, केवल अंतिम समीक्षा नहीं।
- **क्या देखना है:** Snorkel कहता है कि वह खुले बेंचमार्क के लिए अनुदान बढ़ाएगा। व्यावसायिक परिवेशों में मुख्य सवाल यह है कि उनके टूल, नियम और अपवाद खरीदार के वास्तविक कामकाज से कितने मेल खाते हैं, क्योंकि सिमुलेशन में सफलता उसी तरह गढ़े गए काम के आधार पर मापी जाती है।

## एक नकली कंपनी के परिवेश में क्या होता है

स्थिर डेटासेट किसी सवाल को पसंदीदा जवाब से जोड़ सकता है। परिवेश में कार्रवाइयां और उनके नतीजे भी शामिल होते हैं। एजेंट कोई टूल चुनता है, देखता है कि क्या हुआ और फिर तय करता है कि आगे क्या करना है। डेटाबेस बदल सकता है, सिमुलेट किया गया उपयोगकर्ता छूटी जानकारी दे सकता है और नीति के तहत मामला आगे बढ़ाना ज़रूरी हो सकता है।

[Snorkel का अगस्त का एंटरप्राइज़ परिवेशों पर लेख](https://snorkel.ai/blog/enterprise-environments-ai-agents/) बताता है कि मूल्यांकन में जवाब, बदली हुई सिस्टम स्थिति, अनुमतियां, मंज़ूरियां और सबूत जुटाने की प्रक्रिया जांची जाती है। इसलिए काम पूरा होने का दावा तब विफल हो सकता है जब मूल रिकॉर्ड में कोई बदलाव न आया हो।

मौजूदा [Enterprise Environments उत्पाद पृष्ठ](https://snorkel.ai/data-series/enterprise-environments/) में अंडरराइटिंग और वित्त ऐसे उपलब्ध परिवेशों के रूप में सूचीबद्ध हैं, जिनमें हजारों कार्य और सिमुलेट किए गए उपयोगकर्ता हैं। ये प्रशिक्षण के लिए बनाई गई सामग्री है।

एक ही सामग्री दो संबंधित कामों में आ सकती है। टीम इससे एजेंट का मूल्यांकन दोहराए जा सकने वाले कार्यों पर कर सकती है। साथ ही, कार्य और पुरस्कार के संकेत रीइन्फोर्समेंट लर्निंग प्रक्रिया में डाले जा सकते हैं, ताकि सफल व्यवहार आगे की कार्रवाइयों को प्रभावित करे।

## नियम भी उत्पाद का हिस्सा हैं

Snorkel के अनुसार विशेषज्ञ कार्य-प्रवाह और सफलता के मानदंड तय करते हैं; इंजीनियर टूल और डेटा बनाते हैं। सत्यापक काम को अंक देते हैं, जबकि एक ऑरेकल एजेंट जांचता है कि सही रास्ता मौजूद है।

कंपनी-विशेष नियम एजेंट से कहते हैं कि वह उद्योग के सामान्य ज्ञान पर निर्भर रहने के बजाय परिवेश का निरीक्षण करे।

परिवेश बनाने वाले तय करते हैं कि कौन-से अपवाद मायने रखते हैं, काम पूरा होने का क्या अर्थ है और कौन-से वैकल्पिक रास्ते स्वीकार्य हैं। खरीदारों और क्षेत्र-विशेषज्ञों को जांचना चाहिए कि ये विकल्प वास्तविक काम को दर्शाते हैं या नहीं।

## नियंत्रित परीक्षण की सीमाएं होती हैं

Snorkel की [2025 की तकनीकी व्याख्या](https://snorkel.ai/blog/snorkeling-in-rl-environments/) के अनुसार, उसके परिवेश प्रतिनिधि सेवाओं और स्कीमा का उपयोग करते हैं; लाइव सिस्टम के बजाय सिंथेटिक या गुमनाम किया गया डेटा रखा जाता है। इस नियंत्रण से टीम ग्राहक रिकॉर्ड को छुए बिना कार्य दोहरा सकती है, डेटाबेस में बदलाव देख सकती है और निषिद्ध कार्रवाइयां परख सकती है।

नतीजे बताते हैं कि एजेंट तय कार्य-प्रवाह के अनुसार कैसा करता है। Snorkel के स्रोत बताते हैं कि वह कार्य कैसे बनाता और जांचता है, लेकिन वे ऐसा स्वतंत्र अध्ययन नहीं देते जो इन व्यावसायिक सिमुलेशन के स्कोर को वास्तविक अंडरराइटिंग या वित्त संचालन की विश्वसनीयता से जोड़े। उत्पादन में इस्तेमाल इस बात पर निर्भर करेगा कि सिमुलेशन ने वास्तविक टूल, डेटा और मुश्किल अपवादों को कितनी सही तरह समेटा है।

## यह फंडिंग किस काम आएगी

Snorkel की शुरुआत लेबल किए गए डेटासेट बनाने की प्रणाली से हुई थी। अब उसकी पेशकश विशेषज्ञ ज्ञान को परिवेशों, मूल्यांकन प्रणालियों और प्रशिक्षण कार्यों के रूप में पैकेज करती है। इससे AI तकनीकी ढांचे में काम का एक अलग मॉडल बनता है: काम का निर्मित रूप, जिसमें यह तय करने वाले नियम भी होते हैं कि एजेंट ने उसे ठीक से किया या नहीं।

क्षेत्र-विशेषज्ञों के लिए कार्य तय करना और उनकी पुष्टि करना मॉडल विकास के करीब आता है। खरीदारों के लिए विनिर्देश की गुणवत्ता खरीद का हिस्सा बन जाती है। Snorkel ने अपने Open Benchmarks Grants कार्यक्रम को बढ़ाने की घोषणा की है; इससे अधिक परिवेश निर्माण और स्कोरिंग की खुली जांच संभव हो सकती है, लेकिन फंडिंग घोषणा अगले अनुदानों या उनकी शर्तों का विवरण नहीं देती।

## Sources

- [Snorkel AI: Data 2.0 और AI डेटा का शोध युग](https://snorkel.ai/blog/data-2-0-and-the-research-era-of-ai-data/) — CEO Alex Ratner ने $350 मिलियन की सीरीज़ E और $3.5 अरब मूल्यांकन की घोषणा की तथा Open Benchmarks Grants कार्यक्रम बढ़ाने की बात कही। मॉडल क्षमता, स्वयं-सुधार और बाज़ार की दिशा पर लेख में किए गए व्यापक दावे कंपनी के विचार हैं, स्वतंत्र निष्कर्ष नहीं।
- [Snorkel AI: एंटरप्राइज़ परिवेश और वास्तविक कार्य-प्रवाह के लिए AI एजेंटों का प्रशिक्षण](https://snorkel.ai/blog/enterprise-environments-ai-agents/) — नकली कंपनी के घटकों, विशेषज्ञों और इंजीनियरों द्वारा निर्माण, ऑरेकल-पथ जांच, कंपनी-विशेष नियमों तथा जवाब, स्थिति, सुरक्षा और प्रक्रिया के मूल्यांकन का विवरण। बीमा का उदाहरण प्रशिक्षण सामग्री है, किसी लाइव तैनाती का दस्तावेज़ी प्रमाण नहीं।
- [Snorkel Data Series: Enterprise Environments](https://snorkel.ai/data-series/enterprise-environments/) — मौजूदा उत्पाद पृष्ठ में संपत्ति एवं दुर्घटना बीमा अंडरराइटिंग और वित्त के परिवेश उपलब्ध बताए गए हैं; इनमें हजारों कार्य, डेटाबेस, नीति दस्तावेज़, क्षेत्र-विशेष टूल और सिमुलेट किए गए उपयोगकर्ता हैं। प्रदर्शन और उत्पादन में स्थानांतरण के दावे शामिल नहीं किए गए, क्योंकि पृष्ठ लेख के लिए पर्याप्त विधि-विवरण नहीं देता।
- [Snorkel AI: RL परिवेशों में स्नॉर्कलिंग](https://snorkel.ai/blog/snorkeling-in-rl-environments/) — परिवेश के संदर्भ, कार्रवाइयों, स्थिति और मूल्यांकन संकेतों की व्याख्या करता है; सिमुलेट किए गए मूल्यांकन को RL प्रशिक्षण परिवेशों से अलग रखता है; और प्रतिनिधि सेवाओं, स्कीमा, सिंथेटिक या गुमनाम डेटा, सत्यापकों तथा विशेषज्ञ समीक्षा का वर्णन करता है। यह बताई गई विधि का प्रमाण है, उत्पादन में विश्वसनीयता का नहीं।