Tri leta star startup Mercor je postal 10‑milijardni posrednik v »zlati mrzlici podatkov« za AI.
Namesto množičnega crowdcourcinga Mercor povezuje AI laboratorije, kot sta OpenAI in Anthropic, z nekdanjimi zaposlenimi v Goldman Sachs, McKinsey in prestižnih odvetniških pisarnah. Ti kot zunanji strokovnjaki zaslužijo do 200 dolarjev na uro, ko z znanjem iz prakse trenirajo modele, ki bi lahko nekoč avtomatizirali delo njihovih nekdanjih delodajalcev.
V epizodi podcasta Equity, posneti na TechCrunch Disrupt, izvršni direktor Mercorja Brendan Foody razloži, zakaj verjame, da se bo velik del gospodarstva preusmeril v treniranje AI agentov – in zakaj bodo pri tem dobro plačani le redki.
Od AWS kreditov v srednji šoli do vrednotenja 10 milijard dolarjev
Foody v pogovoru opiše pot, ki se je začela že v srednji šoli, ko je svetoval glede AWS kreditov. Iz tega se je po nekaj letih razvil Mercor, ki ga vlagatelji danes vrednotijo na 10 milijard dolarjev.
Jedro ideje: ko so modeli vse zmogljivejši, postane ozko grlo specializirano človeško znanje. Mercor je trg, kjer to znanje zapakirajo in prodajo laboratorijem, ki trenirajo napredne modele.
Zakaj AI laboratoriji želijo vrhunske strokovnjake, ne množice
Foody pojasni, zakaj se laboratoriji odmikajo od klasičnega množičnega označevanja podatkov in se raje naslanjajo na manjšo skupino visoko usposobljenih pogodbenih sodelavcev.
Po njegovih besedah se pri Mercorju jasno vidi vzorec: zgornjih 10–20 % pogodbenikov ustvari večino izboljšav modelov. To so ljudje z izkušnjami iz vrha financ, svetovanja in prava, katerih presoja in intuicija postaneta del učnih podatkov.
To spremeni tudi profil tistih, ki so plačani v AI ekonomiji. Namesto nizko plačanih gig delavcev, ki označujejo slike in besedilo, dobijo priložnost vrhunski strokovnjaki z urnimi postavkami na ravni najboljših svetovalcev.
Težave Scale AI kot pospešek za Mercor
V pogovoru se dotaknejo tudi tega, kako so težave podjetja Scale AI pospešile vzpon Mercorja.
Ko je enega najbolj znanih ponudnikov za označevanje podatkov doletelo več težav, so AI laboratoriji začeli iskati alternative. Mercorjeva ponudba – manj ljudi, več strokovnosti, boljši rezultati – je prišla ob pravem času.
Rezultat: komaj triletno podjetje se je znašlo v središču največjih AI učnih projektov.
Kje se konča znanje zaposlenega in začne poslovna skrivnost
Najbolj občutljiv del razprave je siva cona med osebnimi izkušnjami in poslovnimi skrivnostmi.
Mercorjevi pogodbeniki so nekdanji zaposleni v institucijah, kot sta Goldman Sachs in McKinsey. Plačani so zato, da v modele vgradijo svoje razumevanje: kako strukturirati posel, kako napisati mnenje za stranko, kako ovrednotiti regulatorno tveganje.
Kdaj takšno znanje še šteje kot osebna izkušnja in kdaj kot zaščitena lastnina podjetja? In ali se morajo banke in svetovalne hiše bati, da njihovi nekdanji kadri učijo AI agente opravljati njihovo delo?
Foody in ekipa Equity vprašanje odpreta brez enostavnih odgovorov. Interesi so jasni: pogodbeniki želijo unovčiti svoje znanje, AI laboratoriji iščejo najbolj kakovostne podatke. Pravo in etika pa šele dohitevata prakso.
Ko vsako miselno delo postane učna množica
Foody verjame, da bo v prihodnosti praktično vse miselno delo končalo kot učni podatek za AI agente.
Prezentacije, analize, modeli, strateški dokumenti – vse, kar ustvarite pri svojem delu, je potencialen input za sisteme, ki bodo to isto delo pomagali ali pa ga delno nadomestili.
Če ima prav, se ekonomija ne bo le »opremila« z orodji AI, ampak se bo organizirala okoli njihovega treniranja. Mercorjevi pogodbeniki so zgodnji, dobro plačani del te zgodbe – a logika sega daleč preko financ in svetovanja, tudi do znanj, ki jih imate vi in vaša ekipa.
Celoten pogovor v podcastu Equity se podrobneje loti tudi tega, kako Mercor išče zgornjih 10–20 % pogodbenikov in kaj to pomeni za globalni (in s tem tudi lokalni) trg dela v AI.
