Os agentes de IA da Big Tech ainda lutam com a autonomia no mundo real, alimentando a demanda por ambientes de aprendizagem por reforço (RL) - campos de treinamento simulados cruciais para o domínio de tarefas em várias etapas. Startups como Mechanize Work e Prime Intellect estão correndo para oferecer esses ambientes, com o apoio de investimentos crescentes de laboratórios de IA como o Anthropic. Embora a RL gere avanços (por exemplo, o o1 da OpenAI), os críticos alertam sobre os desafios de escalabilidade e os riscos de "hacking de recompensas". O setor reflete o boom da rotulagem de dados, mas enfrenta ceticismo quanto à sua viabilidade de longo prazo em meio à rápida evolução da IA.