Версия Markdown

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

# Раунд Snorkel на $350 млн финансирует создание симулированных рабочих мест для ИИ

> Новое финансирование Snorkel поможет создавать симулированные рабочие места, где ИИ-агенты смогут практиковаться с корпоративными инструментами, правилами и записями, а их действия и результаты будут оцениваться.

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 продаёт симулированные рабочие среды для обучения агентов. В них есть корпоративные записи, инструменты и правила, а действия и результаты агента оцениваются.

22 сентября Snorkel [объявила о раунде Series E на $350 млн при оценке компании в $3,5 млрд](https://snorkel.ai/blog/data-2-0-and-the-research-era-of-ai-data/). Финансирование новое, но направление продукта уже существовало. В 2025 году Snorkel описала метод создания сред, а в нынешней серии Data Series перечислены симуляции страхования имущества и от несчастных случаев, а также финансов. Раунд поддержит уже существующий бизнес, который превращает экспертные знания о рабочих процессах в инфраструктуру для обучения и оценки.

## Главное изменение

- **Что изменилось:** Поставщик обучающих данных может продавать симуляцию рабочего процесса компании. Чтобы выполнить задачу, агент должен использовать доступные инструменты и записи.
- **Почему это важно:** Специалисты, создающие среду, участвуют в определении того, что считается компетентной работой. Порог, установленный политикой, обязательное согласование или обновление базы данных становятся частью сигнала, который поощряет одно поведение и отвергает другое. Следовательно, экспертная оценка предметной области используется уже при обучении, а не только при итоговой проверке.
- **За чем следить:** Snorkel сообщает, что расширит программу грантов на открытые бенчмарки. Для коммерческих сред ключевой вопрос — насколько их инструменты, правила и исключения соответствуют работе покупателя: успех симуляции измеряется относительно специально сконструированной версии рабочего процесса.

## Что входит в симуляцию компании

Статический набор данных может связывать вопрос с желаемым ответом. Среда добавляет действия и последствия. Агент выбирает инструмент, наблюдает результат и решает, что делать дальше. База данных может измениться, условный пользователь — предоставить недостающие сведения, а политика — потребовать эскалации.

[В августовском описании корпоративных сред Snorkel](https://snorkel.ai/blog/enterprise-environments-ai-agents/) говорится, что при оценке проверяются ответ, результирующее состояние системы, разрешения, согласования и процесс сбора доказательств. Поэтому утверждение о выполнении задачи может оказаться неверным, если исходная запись не изменилась.

На действующей [странице продукта Enterprise Environments](https://snorkel.ai/data-series/enterprise-environments/) перечислены доступные среды для страхования и финансов: в каждой — тысячи задач и симулированные пользователи. Это учебные материалы.

Один и тот же материал может использоваться для двух связанных целей. Команда может оценивать агента на повторяемых задачах. Его также можно включить вместе с задачами и сигналами вознаграждения в цикл обучения с подкреплением, чтобы успешное поведение влияло на последующие действия.

## Правила — часть продукта

Snorkel сообщает, что эксперты задают процесс и критерии успеха, а инженеры создают инструменты и данные. Проверяющие оценивают выполнение, а агент-оракул проверяет, существует ли допустимый путь к результату.

Правила конкретной компании требуют, чтобы агент изучал среду, а не полагался только на общие знания об отрасли.

Авторы среды решают, какие исключения важны, что считать завершением и какие альтернативные пути допустимы. Покупателям и экспертам предметной области следует проверить, отражают ли эти решения реальную работу.

## У контролируемого теста есть границы

В [техническом объяснении 2025 года](https://snorkel.ai/blog/snorkeling-in-rl-environments/) Snorkel сообщает, что среды используют типовые сервисы и схемы, а реальные системы заменяются синтетическими или анонимизированными данными. Такой контроль позволяет повторять задачи, проверять изменения в базе данных и тестировать запрещённые действия, не затрагивая записи клиентов.

Результат показывает, насколько хорошо агент справился с заданным рабочим процессом. На страницах источников описано, как Snorkel создаёт задачи и проверяет их, но независимого исследования связи оценок в коммерческих симуляциях с надёжностью реальной работы в страховании или финансовой сфере не представлено. Применение в производстве по-прежнему зависит от точности симуляции: насколько хорошо она воспроизводит настоящие инструменты, данные и нестандартные случаи.

## На что направлено финансирование

Сначала Snorkel создавала систему для подготовки размеченных наборов данных. Теперь компания предлагает упакованные экспертные знания в виде сред, оценщиков и обучающих задач. Так в стеке ИИ появляется отдельный компонент — сконструированная версия работы с правилами, определяющими, правильно ли агент её выполнил.

Для экспертов предметной области постановка задач и проверка результатов становятся ближе к разработке моделей. Для покупателей качество спецификации превращается в часть продукта. Объявленное Snorkel расширение программы Open Benchmarks Grants может открыть для проверки больше процессов создания сред и оценивания, однако в сообщении о финансировании не указаны ни следующие гранты, ни их условия.

## Sources

- [Snorkel AI: Data 2.0 и исследовательская эпоха данных для ИИ](https://snorkel.ai/blog/data-2-0-and-the-research-era-of-ai-data/) — Генеральный директор Алекс Ратнер объявляет о раунде Series E на $350 млн при оценке компании в $3,5 млрд и сообщает о расширении программы Open Benchmarks Grants. Более широкие утверждения статьи о возможностях моделей, рекурсивном улучшении и направлении развития рынка отражают точку зрения компании, а не независимые выводы.
- [Snorkel AI: корпоративные среды и обучение ИИ-агентов реальным рабочим процессам](https://snorkel.ai/blog/enterprise-environments-ai-agents/) — Описывает компоненты симулируемой компании, совместную работу экспертов и инженеров, проверку допустимого пути с помощью агента-оракула, правила конкретной компании и оценивание ответа, состояния системы, безопасности и процесса. Пример со страхованием — учебная симуляция, а не задокументированное внедрение в реальной работе.
- [Snorkel Data Series: корпоративные среды](https://snorkel.ai/data-series/enterprise-environments/) — На актуальной странице продукта доступны среды страхования имущества и от несчастных случаев, а также финансовые среды с тысячами задач, базами данных, политиками, отраслевыми инструментами и симулированными пользователями. Утверждения о результативности и переносе в производство не включены: на странице недостаточно методических подробностей для их оценки.
- [Snorkel AI: практическое руководство по средам обучения с подкреплением](https://snorkel.ai/blog/snorkeling-in-rl-environments/) — Объясняет контекст среды, действия, состояние и сигналы оценки; отличает симулируемую оценку от RL-площадок для обучения и описывает типовые сервисы и схемы, синтетические или анонимизированные данные, проверяющих и экспертную оценку. Источник подтверждает описанный метод, но не надёжность в производственной среде.