Trajectory presenta una plataforma con la que expertos de distintos campos podrían reunir ejemplos, entrenar modelos de inteligencia artificial y evaluar sus cambios sin organizar todo el trabajo desde un laboratorio de investigación. La web de la compañía describe un proceso que conecta información de uso con nuevas versiones del modelo y su posterior despliegue.
El proyecto aparece en una entrevista publicada el lunes por TechCrunch. Aquí se recoge su propuesta de producto a partir de la documentación pública de la empresa. No se trata de una prueba realizada por NEXORA ni de una certificación de que un modelo vaya a mejorar automáticamente en cualquier tarea solo por recibir más conversaciones.
Convertir la experiencia en ejemplos utilizables
La plataforma anuncia herramientas para recoger correcciones y otras señales de la actividad de un agente. El objetivo es que especialistas capaces de reconocer una buena respuesta puedan aportar ese criterio al proceso de mejora. Reconocer errores, convertirlos en material útil y medir el resultado son etapas diferentes, incluso cuando una interfaz intenta reunirlas en un mismo lugar.
Trajectory también ofrece comparación de versiones mediante evaluaciones y un procedimiento de despliegue. Su página afirma que los cambios pasan por un conjunto de pruebas y un flujo de aprobación antes de llegar a producción. Esa descripción no demuestra la calidad de una implementación concreta, pero sí permite distinguir la propuesta de un sistema que modificase respuestas sin controles visibles.
Hay funciones todavía experimentales
Algunas capacidades, como Continual Grading y Group Size 1, aparecen identificadas como avances de investigación. Esa etiqueta importa al valorar su madurez. Un avance experimental no debe presentarse como una solución consolidada para cualquier uso profesional, especialmente si el trabajo depende de datos delicados, criterios que cambian o decisiones que necesitan una validación adicional.
La idea pone el foco en un problema conocido por quien utiliza IA para tareas específicas: saber mucho en general no equivale a aprender bien una forma concreta de trabajar. La propuesta de Trajectory intenta organizar ese aprendizaje. Su utilidad real dependerá de ejemplos, evaluaciones y resultados observables, no únicamente de la promesa de una interfaz más sencilla.
