در یک جهش خیرهکننده، استارتآپ هجدهماههٔ AfterQuery که در حوزهٔ دادههای آموزشی هوش مصنوعی فعالیت میکند، در جدیدترین دور تأمین مالی خود به ارزش ۳.۲ میلیارد دلار رسید. این رقم در حالی ثبت شد که تنها پنج ماه پیش ارزش این شرکت ۳۰۰ میلیون دلار بود—یعنی بیش از ده برابر افزایش. به گزارش فوربز و به نقل از منابع آگاه، این رشد سریع باعث شد AfterQuery به سریعترین استارتآپ تاریخ وایکامبینیتور تبدیل شود که از زمان تأسیس تا رسیدن به وضعیت «یونیکورن» (شرکت خصوصی با ارزش بیش از یک میلیارد دلار) طی کرده است.
مسیر شتابان از ایده تا یونیکورن
اسپنسر ماتیگا (۲۳ ساله) و کارلوس ژرژسکو (۲۲ ساله) که از دوران دبیرستان با هم دوست بودند، در فوریهٔ ۲۰۲۵ شرکت خود را تأسیس کردند—تنها ۱۸ ماه پس از پیوستن به دسته زمستان ۲۰۲۵ وایکامبینیتور. در آن زمان آنها نه محصولی داشتند و نه ایدهای قطعی. اما کمتر از دو سال بعد، گوستاف آلسترومر، شریک وایکامبینیتور، این دستاورد را «سریعترین مسیر از راهاندازی تا یونیکورن» در تاریخ این شتابدهنده خواند. این شرکت در آوریل ۲۰۲۶ درآمد تکرارشونده سالانه (ARR) خود را ۱۰۰ میلیون دلار اعلام کرد و تا ژوئیهٔ همان سال به «صدها میلیون دلار» رساند.
پس از چرخش بزرگ: از عاملهای مالی تا دادههای تخصصی
بنیانگذاران در ابتدا قصد داشتند عاملهای هوش مصنوعی برای امور مالی بسازند. اما آزمایشها نشان داد که مدلهای پیشرو در تصمیمگیریهای تخصصی و ظریف شکست میخورند—نه به دلیل کمبود توان خام، بلکه چون هیچکس به آنها یاد نداده بود که یک متخصص چگونه از طریق یک تصمیم دشوار استدلال میکند. بنابراین AfterQuery تغییر مسیر داد. اکنون این شرکت به متخصصانی مثل پزشکان، وکلا، مهندسان و تحلیلهای مالی دستمزد میدهد تا دادههای استدلالی تولید کنند: سوابق گامبهگام مکتوب از نحوهٔ کار یک حرفهای روی یک مسئله. این دادهها به مدلهای هوش مصنوعی قضاوت (Judgment) میآموزند، نه صرفاً حقایق. انویدیا از این دادهها برای آموزش مدلهای متنباز Nemotron خود استفاده کرده است. مشتریان دیگر شامل آزمایشگاه Thinking Machines Lab (به رهبری میرا موراتی، CTO سابق OpenAI) و شرکت حقوقی Legora هستند.
کمبود دادههای قضاوت؛ بحران جدید صنعت هوش مصنوعی
پشت این تقاضا، یک مشکل سراسری در صنعت هوش مصنوعی وجود دارد. آزمایشگاههای پیشرو (Frontier Labs) تقریباً تمام متنهای قابل استفاده در وب آزاد را جمعآوری کردهاند. دادههای مصنوعی (Synthetic Data) که توسط خود هوش مصنوعی تولید میشود نیز محدودیتهای خود را دارد. آنچه واقعاً کم است، قضاوتی است که تنها از متخصصان معتبر و واقعی به دست میآید. سایر شرکتها نیز از زوایای مختلف به دنبال رفع این کمبود هستند. مثلاً فینتک کرهای Toss با مشارکت پوزیدون به ۳۰ میلیون کاربر خود پول میدهد تا دادههای واقعی ثبت کنند که مدلها آنلاین پیدا نمیکنند.
رقابت تنگاتنگ در بازار دادههای آموزشی
AfterQuery تنها شرکتی نیست که از این کمبود سود میبرد. اسکیلآی به رهبری الکساندر وانگ در سال ۲۰۲۱ در سن ۲۴ سالگی اولین میلیاردر برچسبگذاری داده شد، پیش از آنکه متا سهام ۴۹٪ آن را به ارزش ۱۴.۳ میلیارد دلار بخرد. رقیب دیگر، مرکر، با مصاحبهگر هوش مصنوعی برای استخدام تعداد زیادی نیروی کار، در اکتبر گذشته بنیانگذاران خود را در ۲۲ سالگی به میلیاردر تبدیل کرد. مرکر در حال حاضر با انویدیا برای دور تأمین مالی به ارزش ۲۰ میلیارد دلار مذاکره میکند—دو برابر ارزش قبلی. پسکوئری هنوز سرمایهگذار اصلی دور جدید خود را معرفی نکرده است.
مزیت رقابتی: فیلتر «گلدیلاکس» و اثبات عملکرد
ماتیگا گفته است که مزیت AfterQuery نسبت به مرکر نرمافزار سفارشیای است که دادهها را از نظر سطح دشواری غربال میکند—«دمای گلدیلاکس»: به اندازهای سخت که یک مدل پیشرو را به چالش بکشد، اما نه آنقدر سخت که نتواند از پاسخ یاد بگیرد. همچنین این شرکت پیش از فروش، مدلهای خود را روی دادهها آموزش میدهد تا به آزمایشگاهها نشان دهد که دادهها واقعاً عملکرد را بهبود میبخشند، نه اینکه فقط ادعا کند.
تحلیل و پیامدها: چرا این موفقیت اهمیت دارد؟
رشد انفجاری AfterQuery نشان میدهد که بازار دادههای آموزشی تخصصی—بهویژه دادههای حاوی قضاوت انسانی—تا چه اندازه حیاتی شده است. با نزدیک شدن مدلهای زبانی بزرگ به محدودیت دادههای عمومی، شرکتهایی که بتوانند دادههای باکیفیت و معتبر از متخصصان واقعی تأمین کنند، جایگاه ویژهای پیدا خواهند کرد. همچنین این موفقیت، رکوردهای قبلی وایکامبینیتور را جابهجا کرده و نشان میدهد که حتی در فضایی رقابتی مثل هوش مصنوعی، یک چرخش بهموقع و تمرکز بر نیاز واقعی بازار میتواند ارزشی افسانهآفرین ایجاد کند.
جمعبندی
از دو دوست دبیرستانی بدون محصول تا یک یونیکورن ۳.۲ میلیارد دلاری در ۱۸ ماه—این روایت AfterQuery است. اما داستان تنها به رشد مالی ختم نمیشود. این شرکت راه حلی برای یکی از عمیقترین چالشهای پیش روی هوش مصنوعی ارائه کرده است: کمبود دادههای قضاوت انسانی. با ادامهٔ مسابقه برای ساخت سیستمهای هوشمندتر، شرکتهایی که بتوانند پل بین تخصص انسانی و یادگیری ماشین را محکمتر بزنند، برندگان اصلی خواهند بود. پسکوئری اکنون در این مسیر پیشتاز است، اما رقبا نفسنفس میزنند.