عنوان: بازار جدید دادههای آموزش هوش مصنوعی؛ Mercor با جذب کارکنان پیشین شرکتها دانش صنعتی را در اختیار آزمایشگاههای هوش مصنوعی قرار میدهد
Mercor، استارتآپی که در بازار دادههای آموزش مدلهای هوش مصنوعی فعال است، رویکردی جدید در تأمین دادههای صنعتی را دنبال میکند: بهجای خرید قراردادهای پرهزینه با شرکتها، این پلتفرم از متخصصان و مدیران ارشد سابق شرکتها برای استخراج دانش عملی و فرآیندهای کاری آنها بهره میبرد. برندان فودی، مدیرعامل Mercor، در پنل TechCrunch Disrupt 2025 این استراتژی را تشریح کرد و گفت که بازار این شرکت نقش میانی مهمی میان کارمندان پیشین بانکها، شرکتهای مشاوره و دفاتر حقوقی با آزمایشگاههای هوش مصنوعی را ایفا میکند که به دنبال خودکارسازی خدمات این صنایعاند.
آنچه Mercor انجام میدهد
Mercor با جذب نیروهای متخصص (از جمله افراد سابق بانکهای سرمایهگذاری، شرکتهای مشاوره و مؤسسات حقوقی) از آنها میخواهد تا با تکمیل فرمها، نگارش گزارشها و توضیح فرآیندهای کاری، دادههای کیفی مورد نیاز برای آموزش مدلها را فراهم کنند. فودی میگوید شرکت تا 200 دلار در ساعت به این قراردادکاران پرداخت میکند و اکنون دهها هزار نیروی قراردادی در پلتفرم Mercor فعالاند؛ بهگفته او این شرکت روزانه بیش از 1.5 میلیون دلار به کارکنان خود پرداخت میکند. Mercor مشتریانی مانند OpenAI، Anthropic و Meta دارد و در کمتر از سه سال به درآمد سالیانهای معادل حدود 500 میلیون دلار در قالب ARR رسیده و اخیراً با ارزشگذاری حدود 10 میلیارد دلار سرمایه جذب کرده است.
دلایل رشد و مخالفتها
فودی اشاره میکند که بسیاری از شرکتهای بزرگ تمایل ندارند مدلهایی تولید شوند که بتوانند زنجیره ارزش آنها را خودکار نمایند؛ این امر باعث میشود آزمایشگاههای هوش مصنوعی بهدنبال منابع جایگزین برای دستیابی به دانش عملیاتی باشند. در نتیجه، بازارهایی مانند Mercor بهعنوان واسطهای عمل میکنند که متخصصان سابق را با نیازهای آموزشی مدلها متصل میسازند. همزمان این رویکرد نگرانیهایی درباره نشت دانش صنعتی و افشای اسرار تجاری ایجاد کرده است؛ شرکتهای سنتی نگرانند که دانش داخلی آنها از طریق کارمندان سابق بهطور غیرمستقیم در دسترس رقبای هوش مصنوعی قرار گیرد.
ابعاد قانونی و اخلاقی
فودی تأکید کرده که Mercor تلاش میکند از هرگونه جاسوسی صنعتی جلوگیری کند و به قراردادکاران دستور داده میشود که مدارک محرمانه یا سندهای محل کار پیشین را بارگذاری نکنند. با این حال او پذیرفت که در مقیاس وسیع امکان رخداد خطاها وجود دارد. مبنای استدلال فودی این است که «دانشی که در ذهن یک کارمند است متعلق به خود اوست»، شریکی که بسیاری از شرکتها با آن موافق نیستند. در برخی آگهیهای شغلی Mercor نیز مرزی میان درخواست دانش فردی و دسترسی به دادههای سازمانی دیده میشود؛ برای نمونه این شرکت گاهی به دنبال CTO یا همبنیانگذاری استارتاپهایی بوده که بتوانند «دسترسی به یک کدبیس تولیدی قابلتوجه» را برای ارزیابیهای هوش مصنوعی فراهم کنند. Mercor میگوید چند CTO چنین پیشنهادی را پذیرفتهاند اما جزئیات قراردادها را افشا نکرده است.
رقابت و تغییر مدلهای تأمین داده
در موج اول افزایش تقاضا برای دادههای آموزش، شرکتهایی مانند Scale AI از نیروی کار خارج از کشور برای برچسبگذاری دادهها استفاده میکردند. اما حالا بازار متوجه شده که برای بهبود مدلها به دانش تخصصی نیاز است؛ بنابراین بسیاری از رقبا از جمله Surge و Scale AI به جذب نیروهای متخصص روی آوردهاند. Mercor از مشکلات Scale AI سود برده و در یک سال اخیر ارزش خود را چند برابر کرده، هرچند هنوز از Surge و Scale AI که هر دو ارزشهایی بالای 20 میلیارد دلار دارند، کوچکتر است.
چشمانداز و پیامدها
فودی معتقد است که تحول ناشی از توسعه هوش مصنوعی میتواند منجر به ایجاد نوع جدیدی از اقتصاد گیگ شود — مشابه تغییری که شرکتهایی مانند اوبر در دهه گذشته ایجاد کردند — و برخی شرکتها این تغییر را پذیرفتهاند. او پیشبینی میکند که در آیندهای نهچندان دور ابزارهایی مانند ChatGPT میتوانند از عملکرد بهترین شرکتهای مشاوره، بانکداری سرمایهگذاری و دفاتر حقوقی فراتر روند؛ پدیدهای که بهگفته فودی میتواند اقتصاد را بهطور بنیادین تغییر دهد و در نهایت منجر به افزایش رفاه همگانی شود.
پیام اصلی برای صنایع و قانونگذاران این است که همزمان با رشد سریع بازارهای داده و پلتفرمهای میانجیگر دانش، نیاز به چارچوبهای قانونی و سیاستگذاری مشخص برای حفاظت از اسرار تجاری، تعیین مالکیت دادهها و تضمین شفافیت در فرایندهای آموزش مدلهای هوش مصنوعی بیش از پیش ضروری است.