Plurai opent simulatieplatform voor AI-agenten

Plurai opent Simulation voor elke agentbouwer met een gratis startpakket; teams kunnen hun eigen kennisbank, tools en beleidsregels in een digitale testwereld simuleren, meldt het bedrijf naast een seedronde van $13 miljoen.

Een agent die klantvragen afhandelt, offertes aanvult of CRM-records bijwerkt kan een fout rechtstreeks in een echte werkstroom zetten. Met een afgeschermde testomgeving kunnen Nederlandse teams dat gedrag eerst uitproberen. Plurai’s instap is begrensd tot twee agentopstellingen, zeven scenario’s en 12.300 credits voor eenmalig gebruik.

De simulatie volgt de bedrijfscontext

Plurai bouwt een digitale kopie van de agent en zijn werkomgeving met de eigen kennisbank, tools en beleidsregels van een organisatie. Gesimuleerde gebruikers proberen verschillende bedoelingen en randgevallen uit. Het platform zoekt onder meer naar beleidsovertredingen, verzonnen antwoorden, verkeerde handelingen, mislukte toolaanroepen en het lekken van gevoelige gegevens.

Bij een fout legt Plurai uit waar die vandaan komt en stelt het een herstel voor. Dezelfde simulatiegegevens kunnen worden gebruikt om een kleiner taalmodel voor die agent bij te trainen. Fouten die na livegang opduiken, gaan terug de simulatie in. Daarmee beschrijft Plurai een terugkerende stap waarin tests meebewegen met veranderende kennis, hulpmiddelen en gebruikers.

Plurai’s productpagina biedt invoegtoepassingen voor Claude Code, GitHub Copilot CLI en OpenAI Codex en noemt ondersteuning voor agents uit Salesforce Agentforce. Dezelfde pagina markeert Cursor nog als “Soon”; TechCrunch rekent Cursor tot de tools waarmee het platform samenwerkt. De $13 miljoen seedronde wordt geleid door Team8, met U&I, Velocity, Mercer en meer dan twintig angelinvesteerders en brancheleiders.

De testmethode komt uit zelfrijdende auto’s

De oprichters passen een idee toe uit hun eerdere werk. CTech schrijft dat Kadar en Levi bij Nexar AI-systemen voor autonome voertuigen bouwden, onder meer voor Waymo. Waymo beschreef in 2021 hoe SimulationCity complete ritten kon nabootsen en zeldzame verkeerssituaties kon variëren op basis van echte rijdata. Het doel is vergelijkbaar: fouten ontdekken in situaties die te zeldzaam of onveilig zijn om telkens voor het eerst in de echte wereld tegen te komen.

Voor een softwareagent kan zo’n randgeval een klant zijn die in een lang gesprek van onderwerp verandert, of een onverwacht antwoord van een gekoppeld systeem. De simulatie is pas bruikbaar als de nagebouwde omgeving overeenkomt met de kennis, bevoegdheden en uitzonderingen van het echte proces. Een algemene benchmark voorspelt daardoor niet vanzelf wat een agent met jouw CRM of klantdossier doet.

LangChain beschrijft simulaties met nagebootste gebruikers over meerdere gespreksrondes en waarschuwt dat zulke tests minder consistent zijn dan een vaste testset, volgens de documentatie. Een gesimuleerd gesprek laat zien hoe een agent op vervolgvragen reageert; een vaste dataset geeft beter vergelijkbare uitkomsten. Plurai koppelt de simulatie bovendien aan een digitale kopie van bedrijfsregels en tools, en aan voorstellen om fouten te herstellen.

Een geslaagde agenttest bewijst niet automatisch dat elke live koppeling de juiste identiteit en rechten gebruikt. In een agentconnectorproef per dienst kun je toegestane schrijfacties laten slagen en verboden acties laten blokkeren. Dat controleert een ander deel van de keten dan het gedrag van de agent in een nagebouwd gesprek.

Een gratis proef met een verbruikslimiet

De gratis versie kost $0 en bevat twee agentopstellingen, zeven scenario’s en 12.300 Sim-credits voor eenmalig gebruik. De prijspagina zegt dat één Sim-credit overeenkomt met één dollarcent aan modelproviderverbruik tegen lijstprijs. Omgerekend is de kredietlimiet dus $123 aan modelverbruik tegen de vermelde tarieven. Dat is een tegoed, geen vast aantal complete tests.

Plurai rekent een run als meerdere herhalingen van ieder scenario om te controleren of de agent consistent reageert. Langere gesprekken gebruiken doorgaans meer credits. Na het bereiken van de gratis limiet stoppen de simulaties totdat een betaald pakket wordt gekozen. Pro kost $60 per maand voor 28.710 credits, drie agentopstellingen en veertien scenario’s. Business kost $210 per maand voor 65.570 credits, drie opstellingen en 28 scenario’s, of één opstelling met 44 scenario’s. Extra verbruik is optioneel en kost twee cent per credit bij Pro en anderhalve cent bij Business.

Plurai meldt resultaten, maar geen meetmethode

Plurai meldt dat designpartners hun agentontwikkelcycli van maanden naar uren verkortten, 82 procent minder fouten echte gebruikers bereikten en de kosten voor betrouwbare agents 97 procent lager lagen. In gezamenlijk werk met NVIDIA en Nebius zouden Plurai-modellen voor een grote onderneming nauwkeuriger zijn geweest dan frontiermodellen van OpenAI en Anthropic, tegen respectievelijk 40 en 44 keer lagere kosten.

De aankondiging noemt geen aantal partners, foutdefinitie, uitgangsmeting, modelversies of onafhankelijke beoordelaar. Ook de vergelijking met OpenAI en Anthropic bevat geen openbare testset of absolute nauwkeurigheidsscore. Het zijn dus resultaten die Plurai over zijn designpartners rapporteert, geen besparing die een nieuwe klant alvast kan inboeken. Eerder liet onderzoek van het Britse AISI zien dat lage agentscores op een benchmark ook kunnen ontstaan doordat het tokenplafond te krap staat. De instellingen en meetmethode bepalen mee wat een percentage zegt.

De publieke aankondiging zegt niet waar bedrijfsgegevens worden verwerkt of hoe lang simulatiegegevens worden bewaard. Voor teams die klantdossiers of interne beleidsdocumenten willen gebruiken, blijven die punten onderdeel van de productkeuze. Simulatie verplaatst de eerste botsing tussen een agent en een bedrijfsregel naar een gecontroleerde proef. Plurai verkoopt daarmee een stap van losse demonstratie naar terugkerend testen terwijl kennis, tools en gebruikers veranderen. De partnerresultaten maken die belofte concreet, maar zonder openbare meetmethode kunnen organisaties ze nog niet naast hun eigen foutkans of AI-rekening leggen.