A etapa posterior à criação de um modelo de inteligência artificial começa a ganhar espaço nas apostas de venture capital. A startup americana Trajectory anunciou, em 2 de novembro de 2026, uma rodada Série A de US$ 45 milhões para desenvolver sua plataforma de pós-treinamento, voltada à adaptação de sistemas de IA às tarefas e aos critérios de cada empresa.
O aporte foi liderado pela Sequoia e teve participação da NVIDIA, da Bessemer Venture Partners e da Bain Capital Ventures. Segundo o TechCrunch, a operação avaliou a Trajectory em aproximadamente US$ 300 milhões.
Em vez de concentrar sua proposta na criação de um novo modelo de grande escala, a startup trabalha sobre sistemas já existentes, especialmente modelos de código aberto. A plataforma conecta essas ferramentas aos aplicativos das organizações e usa o desempenho observado nas operações para orientar ajustes recorrentes.
Feedback de usuários vira parte do treinamento
O mecanismo da Trajectory transforma avaliações e correções feitas por usuários em informações para o aprimoramento dos modelos. A lógica é permitir que profissionais que conhecem o trabalho executado pela IA contribuam para a evolução do sistema, mesmo sem necessariamente dominar todas as etapas técnicas de treinamento de machine learning.
Esse processo pode ser aplicado a situações em que a qualidade da resposta depende de regras próprias, padrões internos ou conhecimento especializado. A empresa cita usos em áreas como direito, finanças, saúde e atendimento corporativo, nas quais modelos genéricos precisam ser ajustados para lidar com demandas específicas.
A proposta mantém a participação humana no ciclo de desenvolvimento. De acordo com as informações divulgadas sobre a plataforma, o modelo não passa a modificar suas próprias capacidades de forma independente: as avaliações e as correções dos profissionais permanecem como elementos de supervisão e direcionamento.
Plataforma busca aproximar IA das operações empresariais
Com a disponibilização pública da ferramenta, a Trajectory pretende atuar em uma fase que começa depois da escolha ou da criação de um modelo. Para as empresas, o desafio passa a ser acompanhar como a inteligência artificial se comporta em tarefas reais, identificar falhas e incorporar melhorias de maneira contínua.
Essa dinâmica é diferente de um treinamento único, realizado antes de o sistema chegar aos usuários. O desempenho observado em uma aplicação pode revelar necessidades que não aparecem durante o desenvolvimento inicial. Ao reunir esse retorno em um fluxo de pós-treinamento, a empresa busca tornar a adaptação mais frequente e direcionada.
A ferramenta já é utilizada, segundo a divulgação repercutida pelo TechCrunch, por empresas como Harvey, Rogo, Decagon, Mercor e NVIDIA. Os nomes estão associados a diferentes aplicações, mas a informação disponível não detalha, no caso de cada companhia, quais tarefas são executadas com a tecnologia da Trajectory.
Investimento acompanha nova frente do mercado de IA
A composição da rodada conecta a startup a investidores especializados em tecnologia e a uma das principais empresas de infraestrutura para inteligência artificial. A participação da NVIDIA sinaliza a aproximação entre o desenvolvimento de software para pós-treinamento e o ecossistema mais amplo que sustenta aplicações de IA.
O movimento também mostra que a competição no setor não se limita à construção de modelos cada vez maiores. Ferramentas capazes de adaptar sistemas gerais às rotinas de uma organização passaram a ocupar um espaço próprio, especialmente quando a empresa precisa medir resultados, corrigir respostas e manter padrões de qualidade ao longo do uso.
Para setores regulados ou dependentes de precisão, como serviços financeiros, saúde e atividades jurídicas, esse ciclo de avaliação pode ser relevante para ajustar o comportamento da tecnologia aos procedimentos internos. A plataforma da Trajectory se posiciona justamente nessa camada de operação, entre o modelo de IA e a utilização cotidiana por equipes corporativas.
A rodada de US$ 45 milhões dá à startup recursos para ampliar essa abordagem e tornar o pós-treinamento acessível a um público mais amplo dentro das empresas. O foco, conforme a descrição da companhia reproduzida pelo TechCrunch, é reduzir a dependência de especialistas altamente técnicos para transformar o retorno dos usuários em melhorias nos modelos.
