Handshake preuzima Cleanlab: gdje se uistinu gradi prednost u AI svijetu – u podacima, ne u modelima
U javnoj raspravi o umjetnoj inteligenciji još dominiraju teme poput broja GPU‑ova i veličine modela. No najzanimljiviji strateški potezi događaju se na manje glamuroznoj razini – u sloju podataka. Preuzimanje Cleanlaba od strane Handshakea upravo je takav potez. Ne radi se o spektakularnom iznosu, nego o tome tko će kontrolirati kvalitetu podataka na kojima treniramo modele. U nastavku donosim analizu zašto je ovaj deal važan, što znači za Europu i kako se u cijelu sliku uklapa hrvatski i širi SEE ekosustav.
Vijest ukratko
Prema pisanju TechCruncha, tvrtka Handshake, koja se bavi označavanjem podataka za AI sustave, kupila je Cleanlab – startup specijaliziran za provjeru i poboljšanje kvalitete podataka koje označavaju ljudi. Handshake je osnovan 2013. kao platforma za zapošljavanje studenata i diplomanta, a prije otprilike godinu dana pokrenuo je poslovanje fokusirano na ljudsko označavanje podataka za najveće AI laboratorije. Među klijentima su, prema TechCrunchu, i neka od vodećih imena u industriji, uključujući OpenAI.
Cleanlab je pokrenut 2021. godine od strane trojice doktora računarstva s MIT‑a. Tvrtka razvija softver koji automatski otkriva vjerojatno pogrešne oznake u skupovima podataka, bez potrebe za drugim ljudskim recenzentom. Posao je prije svega tzv. acqui‑hire: devet ključnih zaposlenika, uključujući osnivače, prelazi u istraživački tim Handshakea. Financijski detalji nisu objavljeni; Cleanlab je ranije prikupio oko 30 milijuna američkih dolara od investitora kao što su Menlo Ventures, TQ Ventures, Bain Capital Ventures i Databricks Ventures.
Kako navodi TechCrunch, Cleanlab je imao više zainteresiranih kupaca iz sektora označavanja podataka, ali je odabrao Handshake, koji već sada služi kao izvor stručnjaka (liječnici, odvjetnici, znanstvenici) za projekte označavanja kod nekih konkurenata.
Zašto je to važno
Ovaj potez je važan jer mijenja percepciju gdje se zapravo stvara vrijednost u AI lancu. Handshake je dosad bio poznat prvenstveno kao dobro organizirana platforma za pristup stručnjacima koji označavaju podatke. S Cleanlabom počinje kontrolirati i sloj koji odlučuje koliko su te oznake uopće pouzdane.
Kratkoročno, glavni dobitnici su jasni:
- Handshake dobiva priznatu istraživačku ekipu koja godinama radi na algoritmima za otkrivanje pogrešnih oznaka. To može značiti višu kvalitetu podataka uz manje ručne kontrole i, posljedično, bolje margine.
- Veliki AI laboratoriji, koji već surađuju s Handshakeom, mogu računati na čišće i konzistentnije podatke – što se često direktno odražava na performanse modela, bez izmjena arhitekture ili dodatnih GPU‑ova.
- Osnivači i investitori Cleanlaba dobivaju izlaz u segmentu gdje se samostalni tool‑provideri često nađu stisnuti između velikih platformi i pritiska na cijene.
Gubitnici su manje očiti. Drugi pružatelji usluga označavanja koji su navodno željeli kupiti Cleanlab sada dobivaju konkurenta koji je i njihov dobavljač stručnjaka i tehnološki sve jači u području kontrole kvalitete. Manji igrači iz regije koji se natječu pretežno cijenom sata rada naći će se pod pritiskom ako veliki klijenti mogu dobiti „označavanje + automatski audit + izvještavanje“ u jednom paketu.
Na dubljoj razini, deal adresira strukturalni problem suvremene AI: ljudske oznake su šumovite, subjektivne i skupe za provjeru. Klasični pristup – dvostruko označavanje od strane dvije osobe – slabo se skalira i značajno povećava troškove. Cleanlabov pristup, koji statističkim metodama i modelima detektira sumnjive primjere, prebacuje dio tereta na algoritme. Onaj tko najbolje spoji ljudsku ekspertizu i automatiziranu provjeru može svoj posao iz „outsourcing servisa“ pretvoriti u infrastrukturu bez koje je teško graditi ozbiljne AI sustave.
Šira slika
Kada se maknemo od samog deala, ova akvizicija se lijepo uklapa u nekoliko većih trendova u industriji.
Prvo, sve je očitiji pomak prema data‑centric AI pristupu. Umjesto opsesivnog eksperimentiranja s arhitekturama, sve više timova ulaže energiju u same podatke: čišćenje, balansiranje, dokumentiranje, pokrivanje rubnih slučajeva. Cleanlab je gotovo školski primjer takvog razmišljanja – njihova poruka tržištu glasi: „vaš dataset je pun skrivenih grešaka, mi ih možemo pronaći i popraviti“.
Drugo, vidimo nastavak trenda vertikalne integracije specijaliziranog znanja. Databricks je kupio MosaicML, Snowflake je absorbirao tim Neeve, cloud giganti i AI unicorn‑i zapošljavaju timove za RLHF i evaluaciju modela. Handshake sada radi nešto slično u segmentu za koji se još donedavno pretpostavljalo da će ostati čisti outsourcing.
Treće, percepcija samog označavanja se mijenja. Više nije riječ samo o jeftinoj radnoj snazi u dalekim vremenskim zonama. U domenama poput zdravstva, prava ili financija, kvalitetno označeni podaci mogu biti razlika između sustava koji zadovoljava regulatora i sustava koji se ne smije pustiti u produkciju. Zato Scale AI, Surge, Mercor i drugi snažno investiraju u alate, procese i vlastito istraživanje. Handshake se s Cleanlabom pozicionira u isti razred.
Handshake ima i specifičnu prednost: od početka se oslanja na visoko specijalizirane stručnjake, a sada dobiva i algoritme koji mogu kontinuirano mjeriti i poboljšavati njihov rad. To je put od „mreže freelancera“ prema sustavu za upravljanje kvalitetom podataka – što je, dugoročno gledano, mnogo teže zamijeniti od same radne snage.
Europski i regionalni kut
Za europske tvrtke, uključujući one iz Hrvatske i šire regije jugoistočne Europe, ova priča otvara dva ključna pitanja: regulativa i ovisnost.
Europski AI Act, zajedno s GDPR‑om i sektor‑specifičnim pravilima, čini upravljanje podacima središnjim problemom svake ozbiljne AI implementacije. Visokorizični sustavi – od zdravstvenih aplikacija do javne uprave i zapošljavanja – morat će dokazati ne samo da njihovi modeli rade, nego i na kojim podacima su trenirani i kako je osigurana prikladnost i nepristranost.
Tehnologije poput Cleanlaba mogu pomoći u izradi upravo takvih dokaza: izvještaji o stopama greške u oznakama, identifikacija pristranosti, analiza „problematičnih“ podskupova podataka. No Handshake je američka tvrtka i to automatski otvara teme jurisdikcije i digitalnog suvereniteta. Za banku, osiguravatelja ili bolnicu u EU nije trivijalno povjeriti osjetljive podatke dobavljaču pod američkom jurisdikcijom, čak i ako su serveri fizički u Europi.
Za hrvatske i regionalne tvrtke koje već nude usluge označavanja ili podatkovnog inženjeringa – često klijentima iz zapadne Europe – ovo je istovremeno upozorenje i prilika. Natjecanje samo cijenom rada teško će izdržati dugoročno, ako konkurenti nude integrirane pakete sa sofisticiranim alatima za kvalitetu i izvještavanje prema AI Actu.
S druge strane, upravo u našoj regiji postoji prostor za europsku, regulativno usklađenu infrastrukturu za kvalitetu podataka. Hrvatska ima solidnu bazu inženjerskog talenta, a u kombinaciji sa susjednim tržištima (Slovenija, Srbija, BiH, Bugarska, Rumunjska) postoji kritična masa za gradnju specijaliziranih B2B rješenja: od alata za audit podataka do platformi za upravljanje dokumentacijom koja će trebati svakom „high‑risk“ AI sustavu u EU.
Pogled unaprijed
U sljedećih 12–24 mjeseca možemo očekivati daljnju konsolidaciju sloja kvalitete podataka. Funkcionalnosti poput audita oznaka, verzioniranja skupova podataka, stres‑testiranja modela i formalne evaluacije vjerojatno će završiti integrirane u veće platforme – cloud, MLOps alate ili velike pružatelje usluga označavanja.
Za sam Handshake nekoliko je otvorenih pitanja:
- Uloga u ekosustavu: hoće li ostati neutralni dobavljač stručnjaka i alata i konkurentima, ili će se postepeno transformirati u vertikalno integriranu platformu koja s njima ulazi u direktan sukob?
- Dubina integracije Cleanlaba: hoće li Cleanlabovi algoritmi biti „kozmetika“ na rubu ponudbe ili će ući u srž svakog projekta – od onboardinga označivača do izvještaja za klijente i regulatore?
- Usklađenost s europskom regulativom: kako AI Act bude ulazio u fazu provedbe, kupci u EU tražit će rješenja koja automatski generiraju potrebnu dokumentaciju i tragove o podacima. Tko to bude nudio „out‑of‑the‑box“, imat će veliku prednost.
Za startupe iz Hrvatske i regije postoje zanimljive niše: alati za generiranje sintetičkih podataka s ugrađenom kontrolom kvalitete, vertikalno specifični „benchmark paketi“ za evaluaciju (npr. turizam, logistika, proizvodnja, fintech), te on‑premise rješenja za audit podataka za organizacije koje ne smiju slati podatke u javni cloud.
U kulturnom smislu, mnoge AI ekipe morat će promijeniti mindset: od jednokratnog „počistimo podatke prije treniranja“ prema kontinuiranom upravljanju kvalitetom podataka – analogno tome kako je DevOps transformirao isporuku softvera iz događaja u proces.
Zaključak
Handshakeovo preuzimanje Cleanlaba nije samo još jedan mali M&A deal u AI prostoru, nego jasan signal: sljedeća velika prednost u utrci za umjetnu inteligenciju neće se graditi samo gomilanjem GPU‑ova, već kontrolom nad kvalitetom i dokazivošću podataka. Onaj tko drži mehanizme provjere oznaka, drži i značajan dio poluge nad performansama modela. Za hrvatske i europske igrače pravo je pitanje hoće li tu ključnu infrastrukturu prepustiti američkim platformama ili će na vrijeme izgraditi vlastite, s europskom regulativom i tržištem na umu.
