Trajectory capta US$ 45 milhões para treinar modelos abertos sob medida

A Trajectory, startup americana de pós-treino de modelos de IA, anunciou na segunda-feira (2 de novembro) uma rodada Série A de US$ 45 milhões, liderada pela Sequoia, com avaliação de US$ 300 milhões. Nvidia, Bessemer Venture Partners e Bain Capital Ventures também entraram. A empresa, fundada há cerca de um ano e com 18 funcionários, também abriu sua plataforma ao público. A informação é da TechCrunch.

O que a Trajectory faz

A proposta é simples de descrever e difícil de executar. A empresa que contrata a Trajectory parte de um modelo de código aberto, conecta esse modelo aos seus aplicativos e deixa a plataforma acompanhar como ele se sai nas tarefas do dia a dia. A partir do retorno sobre o que deu certo e o que deu errado, a plataforma retreina o modelo para que ele melhore em funções específicas. É o que o mercado chama de aprendizado contínuo: o modelo não fica parado depois do lançamento, ele evolui com o uso real.

O diferencial que a empresa defende é o público. Em vez de exigir um time de pesquisadores de aprendizado de máquina, a interface foi desenhada para que especialistas de negócio, como um advogado, um analista financeiro ou um gerente de atendimento, consigam dizer o que é um bom resultado e deixar a plataforma cuidar do resto. O cofundador Ronak Malde resumiu a lógica ao dizer que a economia valoriza quem trabalhou 30 anos naquela função, e que os modelos genéricos ainda não têm essa experiência acumulada. Segundo ele, são os próprios usuários que devem decidir como é um resultado bom para a sua organização.

Quem usa e quem está por trás

Entre os clientes citados estão Harvey, Rogo, Decagon, Mercor e a própria Nvidia. A Harvey e a Rogo usam a plataforma para pós-treinar modelos abertos em trabalhos jurídicos e financeiros. A Harvey, aliás, é a mesma empresa que levantou recentemente uma rodada gigante para construir modelos jurídicos próprios, assunto de Harvey capta US$ 550 milhões e chega a US$ 15,6 bilhões. O fato de uma empresa desse porte ser cliente de uma startup de 18 pessoas mostra o quanto o pós-treino virou uma peça disputada.

Os três cofundadores, Ronak Malde, Michael Elabd e Arjun Karanam, se conheceram como colegas de turma em Stanford. Malde e Elabd trabalharam no Google DeepMind, e Malde esteve entre os pesquisadores que a DeepMind contratou da Windsurf. Karanam atuou com modelos generativos de base na Apple. A empresa também contratou pesquisadores e designers que passaram por OpenAI, Stripe e Netflix, o que sinaliza que o produto tenta unir pesquisa e experiência de uso.

Um mercado cada vez mais concorrido

A Trajectory não está sozinha. A reportagem cita como concorrentes a Thinking Machines Lab, que mantém a plataforma de ajuste fino Tinker, a Applied Compute, avaliada em US$ 3,25 bilhões no mês passado, e a Prime Intellect. A leitura de mercado é que, à medida que os modelos de código aberto ficam bons o bastante, o dinheiro migra para quem consegue adaptá-los a um uso específico. Essa disputa aparece também em outras frentes que já cobrimos, como a Nous Research, avaliada em US$ 1,5 bilhão com foco em agentes para empresas, e o avanço dos pesos abertos nos lançamentos recentes, caso do Mistral Large 4 com pesos abertos.

Há ainda uma posição de princípio no discurso da empresa. Segundo a reportagem, Elabd defende que manter pessoas dentro do ciclo de treinamento é mais seguro do que depender de modelos que se aperfeiçoam sozinhos, o que, na visão dele, poderia levar a resultados não previstos e até perigosos. O debate sobre autoaperfeiçoamento voltou ao centro da conversa depois que a Anthropic disse, no documento de abertura de capital, estar perto dessa capacidade, tema de Anthropic diz no S-1 que está perto de uma IA que se aperfeiçoa sozinha. A Trajectory se posiciona no outro lado: melhoria contínua, mas guiada por quem entende do trabalho.

O que muda na prática para as empresas

Até agora, ter um modelo afinado para a própria operação era privilégio de quem podia pagar um time caro de pesquisa. O que startups como a Trajectory prometem é baixar essa barreira. Em vez de usar o mesmo modelo genérico que todo concorrente usa, a empresa passa a ter um modelo treinado com o seu jeito de trabalhar: o vocabulário do setor, os critérios de qualidade, os erros típicos que um profissional experiente evitaria.

Isso tem vantagens claras. Modelos menores e especializados costumam custar menos para rodar do que os maiores modelos de fronteira, e dão mais controle sobre os dados, já que o modelo aberto pode rodar em infraestrutura própria. Em contrapartida, há trabalho do lado do cliente. É preciso definir o que é um bom resultado, reunir exemplos, acompanhar a evolução e não confiar cegamente no modelo só porque ele foi treinado com os seus dados. Pós-treino mal feito pode ensinar vícios, repetir erros antigos ou piorar em tarefas que antes funcionavam.

Por que isso importa para você

Se você trabalha com IA no Brasil, seja como profissional, freelancer ou dono de um pequeno negócio, essa notícia aponta uma tendência: o valor está migrando do modelo genérico para o conhecimento específico de cada área. Quem domina bem um ofício, como contabilidade, direito, saúde, vendas ou educação, tem justamente o ingrediente que falta aos modelos. Essa é a lógica da Trajectory, e ela vale também fora do mundo das startups.

Na prática, três atitudes ajudam. Primeiro, comece a documentar o que é um trabalho bem feito na sua área, com exemplos reais de entregas boas e ruins, porque esse material é a base de qualquer ajuste de IA, de um simples conjunto de instruções até um retreinamento completo. Segundo, avalie ferramentas que permitam personalizar o comportamento da IA sem programar, e compare o custo com o de simplesmente pagar por um modelo de ponta. Terceiro, mantenha sempre uma revisão humana, porque quem decide o que é bom continua sendo você.

Para quem quer transformar conhecimento de nicho em renda, vale ler como ganhar dinheiro criando e vendendo agentes de IA personalizados e entender o cenário geral em agentes de IA e o futuro do trabalho autônomo. E antes de entregar dados da sua empresa a qualquer plataforma, o checklist para escolher ferramenta de IA com segurança ajuda a avaliar risco e privacidade.

O que observar daqui para frente

Há alguns pontos a acompanhar. O primeiro é se a plataforma aberta ao público vai mesmo atrair usuários sem formação técnica, ou se continuará dependendo de times especializados dentro dos clientes. O segundo é como a Trajectory vai se diferenciar de rivais mais bem capitalizados, como a Applied Compute, que tem avaliação mais de dez vezes maior. O terceiro é a qualidade real dos modelos pós-treinados: a reportagem traz os clientes e o discurso da empresa, mas não números de desempenho comparando esses modelos com os de fronteira. Até haver esses dados, o melhor é tratar a promessa como direção de mercado, e não como resultado comprovado.

Vale lembrar também que a avaliação de US$ 300 milhões e o valor da rodada vêm da reportagem e do anúncio da própria empresa, e que a Trajectory é jovem, com pouco tempo de mercado. Rodadas desse tipo mostram o apetite dos investidores por infraestrutura de IA aplicada, mas não garantem que a empresa se sustente quando a concorrência apertar.