人間の専門知識を活用して企業のAIのトレーニングと評価を支援する"Mercor"がSeries Dで評価額$20Bで$750Mを調達

Mercorは、Series Dで評価額$20Bで$750Mを調達しました。今回のラウンドには、Benchmark、Felicis、Fundomo、Apolloの関連会社が運用するファンド、G Squared、General Catalyst、Glade Brook Capital、NVIDIA、Salesforce、Sapphire Ventures、StepStone Group、XTX Ventures、Zoomが参加しました。

2023年に設立された人間の専門知識を活用して企業のAIのトレーニングと評価を支援するAIデータ企業のMercorは、同社が保有する500万人以上の専門家ネットワークを通じて、最先端のAI研究所、大手テクノロジー企業、AIスタートアップ、Fortune500企業が、実際の専門業務に基づいてAIモデルを評価し、追加学習を実施できるよう支援しています。

今回の資金調達により、MercorはAI評価(evals)および追加学習(post-training)事業を加速させます。あらゆる業界の企業が、AIエージェントによるタスク遂行の信頼性やコストを測定し、評価基準を設定できるようにします。

AIの有用性は、それを支える人間の専門知識に左右されます。AIモデルの能力が向上するにつれて、特定の専門領域に関する高度な知識への需要はさらに拡大しています。

「経済活動におけるあらゆる職種で、それぞれに特化したAIエージェントが必要になります。そして、すべての企業が、自社の業務に基づいてAIエージェントをトレーニングし、評価する仕組みを必要とするようになります。私たちは過去2年間、最先端のAI研究所とともに、そのためのインフラを構築してきました。今後は、このインフラを経済全体のさまざまな企業に提供していきます。」とMercorの共同創業者兼共同CEOであるBrendan Foodyは述べています。

今後5年間では、新しいAIモデルを開発することよりも、既存のモデルを実際の業務に適用することで、より多くの雇用が創出され、より多くの資金が投入されるようになります。

AIに新しい能力が加わるたびに、企業が評価、トレーニング、運用を行う必要のある業務プロセスも増えていきます。

「AIを導入するすべての企業は、それが実際に機能するかどうかを把握する必要があります。そして、その答えは企業ごとに異なります。あるAIモデルが公開ベンチマークで高いスコアを獲得していても、特定の企業の業務を規定するシステム、社内規定、例外的なケースに対応できないことがあります。私たちは各企業と共同で、その企業独自の基準に照らしてモデルを評価するカスタムベンチマークを構築します。そして、そのベンチマークが追加学習の出発点となります。」とMercorの共同創業者兼共同CEOであるAdarsh Hiremathは述べています。

「過去数年間、専門家が関与して作成されたトレーニングデータの主な購入者は、最先端のAI研究所でした。しかし、これはまもなく変わろうとしています。オープンモデルが実用的な開発基盤として十分な性能を備えるようになるにつれて、あらゆる企業が自社の業務に基づいてAIエージェントを評価し、トレーニングしたいと考えるようになります。Mercorは、容易には模倣できないものを構築してきました。それは専門家ネットワーク、タスク設計の能力、そして最先端のAI研究所との数年間にわたる協業を通じて形成されたトレーニング環境と評価環境です。私たちはBrendan、Adarsh、そしてチームと協力し、エンタープライズ市場での事業拡大を支援できることを大変うれしく思っています。」とSapphire VenturesのPresident、Partner兼共同創業者であるJai Dasは述べています。

AIエージェントは、ある職種の業務が一般的にどのように遂行されるかだけでなく、特定の企業において、その企業独自のシステム、社内規定、例外的な対応を踏まえて、業務がどのように遂行されるかを学習する必要があります。

Mercorは今年初めにDeeptuneを買収しました。これにより、過去2年間にわたり、数百種類の企業向けアプリケーションをトレーニング環境として再現してきたチームが加わりました。

このアプローチは、Mercorが公開しているベンチマークシリーズ「APEX」を基盤としています。APEXは、経済的価値の高い実際の業務において、AIがどの程度の能力を発揮できるかを測定するためのものです。

今回のSeries D資金調達により、Mercorは研究開発、AI評価、追加学習インフラへの投資を加速させます。これには、AIエージェントが複雑な専門業務のワークフローを学習できる、現実の業務に近い環境の構築も含まれます。