Edição Markdown

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

# A ronda de 350 milhões de dólares da Snorkel financia ambientes de trabalho simulados para a IA

> O novo financiamento da Snorkel apoia ambientes de trabalho simulados onde agentes de IA podem praticar a utilização de ferramentas, regras e registos de empresas, sendo avaliadas as suas ações e resultados.

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.

A Snorkel AI vende ambientes de trabalho simulados para treinar agentes. Estes incluem registos, ferramentas e regras de empresas, e avaliam as ações e os resultados dos agentes.

A 22 de setembro, a Snorkel [anunciou uma ronda de financiamento da Série E de 350 milhões de dólares, com uma avaliação de 3,5 mil milhões de dólares](https://snorkel.ai/blog/data-2-0-and-the-research-era-of-ai-data/). O financiamento é novo; a orientação do produto não. Em 2025, a Snorkel descreveu o método utilizado para criar ambientes e, atualmente, a sua série Data lista simulações de subscrição de seguros de propriedade e acidentes e de finanças. A ronda apoia uma atividade já existente que transforma o conhecimento especializado sobre o trabalho em infraestrutura de treino e avaliação.

## A grande mudança

- **O que mudou:** Um fornecedor de dados de treino pode vender uma simulação operacional de um processo empresarial. Para ter sucesso, é necessário concluir o fluxo de trabalho usando as ferramentas e os registos disponíveis.
- **Porque é importante:** As pessoas que criam o ambiente também ajudam a definir o que é um trabalho competente. Um limiar previsto numa política, uma aprovação obrigatória ou uma atualização da base de dados passam a integrar os sinais que recompensam um comportamento e rejeitam outro. Por isso, o conhecimento especializado do setor é um contributo para o treino, não apenas uma revisão final.
- **O que acompanhar:** A Snorkel afirma que vai alargar o programa Open Benchmarks Grants, que financia benchmarks abertos. Nos ambientes comerciais, a questão central é saber até que ponto as ferramentas, regras e exceções correspondem à operação do cliente, uma vez que o sucesso na simulação é medido face à versão construída desse trabalho.

## O que contém uma empresa simulada

Um conjunto de dados estático pode associar uma pergunta a uma resposta preferencial. Um ambiente acrescenta ações e consequências. O agente escolhe uma ferramenta, observa o resultado e decide o que fazer a seguir. Uma base de dados pode ser alterada, um utilizador simulado pode fornecer informações em falta e uma política pode exigir que um caso seja encaminhado para análise.

[A descrição da Snorkel, publicada em agosto, sobre ambientes empresariais](https://snorkel.ai/blog/enterprise-environments-ai-agents/) indica que a avaliação verifica a resposta, o estado resultante do sistema, as permissões, as aprovações e o processo de recolha de provas. Assim, uma alegação de conclusão pode ser rejeitada se o registo subjacente não tiver sido alterado.

A atual página do produto [Enterprise Environments](https://snorkel.ai/data-series/enterprise-environments/) lista como disponíveis os ambientes de subscrição de seguros e de finanças, cada um com milhares de tarefas e utilizadores simulados. São artefactos de treino.

O mesmo artefacto pode servir dois fins relacionados. Uma equipa pode utilizá-lo para avaliar um agente em tarefas reproduzíveis. Também pode integrar as tarefas e os sinais de recompensa num ciclo de aprendizagem por reforço, para que os comportamentos bem-sucedidos influenciem ações posteriores.

## As regras fazem parte do produto

A Snorkel afirma que os especialistas definem o fluxo de trabalho e os critérios de sucesso; os engenheiros constroem as ferramentas e os dados. Verificadores avaliam o trabalho, enquanto um agente de referência verifica se existe um percurso válido.

As regras específicas de cada empresa exigem que o agente examine o ambiente, em vez de se basear em conhecimentos gerais do setor.

Quem cria o ambiente decide que exceções são importantes, o que conta como conclusão e que percursos alternativos são aceitáveis. Os compradores e os especialistas do setor têm de verificar se essas escolhas refletem o trabalho real.

## Um teste controlado tem limites

A explicação técnica da Snorkel, publicada em [2025](https://snorkel.ai/blog/snorkeling-in-rl-environments/), indica que os seus ambientes usam serviços e esquemas representativos, com dados sintéticos ou anonimizados a substituir os sistemas em funcionamento. Este controlo permite repetir tarefas, analisar alterações em bases de dados e testar ações proibidas sem tocar nos registos dos clientes.

O resultado constitui prova do desempenho face ao fluxo de trabalho codificado no ambiente. As páginas da empresa explicam como a Snorkel constrói e verifica as tarefas, mas não apresentam um estudo independente que associe as pontuações nestas simulações comerciais à fiabilidade numa operação real de subscrição de seguros ou de finanças. A utilização em produção continua a depender da precisão com que a simulação representa as ferramentas, os dados e os casos-limite reais.

## O que financia a ronda

A Snorkel começou como um sistema para criar conjuntos de dados anotados. A sua oferta mais recente organiza o conhecimento especializado em ambientes, avaliadores e tarefas de treino. Esta mudança acrescenta um elemento distinto à infraestrutura de IA: uma versão construída do trabalho, incluindo as regras que determinam se um agente o executou corretamente.

Para os especialistas do setor, a definição e a verificação de tarefas aproximam-se do desenvolvimento de modelos. Para os compradores, a qualidade da especificação passa a fazer parte daquilo que adquirem. A expansão anunciada pela Snorkel do programa Open Benchmarks Grants poderá permitir inspecionar mais ambientes e métodos de pontuação, mas o anúncio do financiamento não especifica os próximos apoios nem as respetivas condições.

## Sources

- [Snorkel AI: Dados 2.0 e a era da investigação em dados para IA](https://snorkel.ai/blog/data-2-0-and-the-research-era-of-ai-data/) — O diretor executivo Alex Ratner anuncia a ronda de financiamento da Série E de 350 milhões de dólares, com uma avaliação de 3,5 mil milhões, e afirma que a Snorkel vai expandir o programa Open Benchmarks Grants. As afirmações mais abrangentes do artigo sobre capacidades dos modelos, aperfeiçoamento recursivo e evolução do mercado são opiniões da empresa, não conclusões independentes.
- [Snorkel AI: ambientes empresariais e treino de agentes de IA para fluxos de trabalho reais](https://snorkel.ai/blog/enterprise-environments-ai-agents/) — Descreve os componentes de uma empresa simulada, a participação de especialistas e engenheiros na sua criação, as verificações de percursos de referência, as regras específicas de cada empresa e a avaliação das respostas, do estado, da segurança e do processo. O exemplo de seguros é um artefacto de treino, não uma implementação real documentada.
- [Série Data da Snorkel: Enterprise Environments](https://snorkel.ai/data-series/enterprise-environments/) — A página atual do produto lista ambientes disponíveis para subscrição de seguros de propriedade e acidentes e para finanças, com milhares de tarefas, bases de dados, documentos de políticas, ferramentas do setor e utilizadores simulados. Não inclui alegações sobre desempenho ou transferência para produção, pois não fornece detalhes metodológicos suficientes para este artigo.
- [Snorkel AI: mergulho nos ambientes de aprendizagem por reforço](https://snorkel.ai/blog/snorkeling-in-rl-environments/) — Explica o contexto, as ações, os estados e os sinais de avaliação do ambiente; distingue a avaliação simulada dos ambientes de aprendizagem por reforço e descreve serviços e esquemas representativos, dados sintéticos ou anonimizados, verificadores e revisão especializada. Estabelece o método divulgado, não a fiabilidade em produção.