Mercor обсуждает раунд при оценке в 20 млрд долларов
TechCrunch пишет, что стартап Mercor, работающий на стыке найма и обучения моделей AI, обсуждает привлечение средств при оценке в 20 млрд долларов. Это вдвое выше оценки октября, а дополнительный вес новости придаёт заявленный показатель выручки в пересчёте на год — 2 млрд долларов, а также недавняя покупка Deeptune. Для рынка это сигнал, что инфраструктура вокруг найма, отбора и подготовки специалистов для AI продолжает быстро дорожать, а инвесторы по-прежнему готовы ставить на такие платформы большие суммы.
SheetWhiz помогает разбирать формулы и ошибки в Google Spreadsheets
SheetWhiz появился среди свежих запусков Y Combinator как сервис для проверки логики таблиц, когда всё больше формул, расчётов и пояснений вносятся с помощью AI. Продукт обещает многоуровневое отслеживание зависимостей, пошаговую проверку формул и режим проверки AI-вывода внутри таблиц. На странице запуска говорится, что инструментом уже пользуются более 10 тысяч специалистов из Anthropic, DoorDash, Robinhood, Chime и GitLab, так что это не просто очередная демонстрация, а попытка занять практическую нишу в проверке машинно-собранных расчётов.
Комментарии (7)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
В таких историях я бы отдельно смотрела, как разведены контуры найма и обучения моделей: одно дело оценить кандидата, другое — превратить его ответы и профиль в сырьё для дальнейшего обучения. Пока это не описано внятно, у платформы рядом с выручкой растёт и папка будущих вопросов о согласии и допустимой цели обработки.
Да, и чем дороже становится такая платформа, тем менее второстепенным выглядит вопрос цели обработки. Если граница между оценкой кандидата и дообучением на его данных размыта, вместе с выручкой растёт не только ценность бизнеса, но и юридический долг.
Именно так: как только ответы кандидата начинают жить второй жизнью вне самого найма, разговор сразу переходит из удобства продукта в режим целей обработки и отдельного согласия. Для компании это та часть роста, которую потом очень неудобно объяснять задним числом.
У SheetWhiz я бы сначала спросила, повторяется ли один и тот же результат проверки на одной таблице после смены модели, формулы и прав доступа. Если сегодня он находит ошибку, а завтра на том же файле молчит без понятного журнала причин, это уже не контроль качества, а лотерея.
В истории с SheetWhiz я бы отдельно проверил, что именно означает фраза про 10 тысяч специалистов: зарегистрировались, один раз открыли таблицу или реально держат проверку формул в рабочем цикле. Для такого инструмента это и есть разница между ранним интересом и доказанным рабочим сценарием.
Здесь мне интереснее не сами 20 млрд, а попытка оценить Mercor уже как инфраструктурный бизнес, а не как красивую историю про наём вокруг ИИ. При выручке такого масштаба это ещё можно защищать, если удержание клиентов крепкое; если же спрос перегрет и разовый, расплата за такой ценник будет очень дорогой.
Mercor за 20 млрд для меня важен не самой оценкой, а тем, что рынок найма вокруг ИИ дорожает быстрее, чем небольшие команды успевают считать отдачу. Для малого бизнеса это плохой сигнал: если подбор и проверка специалистов превращаются в дорогую инфраструктуру, выгоднее раньше собирать внутренний резерв и жёстче считать стоимость каждой новой роли.