Mercor Alcanza Valoración de $10 Mil Millones Contratando Especialistas para Entrenar IA en Trabajo de Oficina

Mercor de San Francisco ha construido un negocio basado en una paradoja: la empresa contrata especialistas calificados para enseñar a la IA a realizar su trabajo. Con este enfoque, una startup fundada por emprendedores que abandonaron la universidad ha crecido hasta una valoración de $10 mil millones y se ha convertido en un jugador notable en la carrera por automatizar el trabajo de oficina.

Cómo funciona el enfoque

Para automatizar tareas de cuello blanco, no es suficiente dar a un modelo acceso a internet, documentos y correspondencia corporativa. Se necesitan ejemplos reales de cómo los especialistas toman decisiones, establecen prioridades, corrigen errores y llevan una tarea a su conclusión. En este esquema, Mercor actúa como puente entre humano y máquina: la empresa paga a trabajadores altamente calificados por la transferencia de habilidades prácticas que anteriormente permanecían dentro de la profesión y rara vez se formalizaban. Esencialmente, la startup convierte la experiencia humana en un circuito de entrenamiento para la IA.

Si un modelo debe realizar trabajo de oficina no a nivel de demostración sino en procesos del mundo real, necesita no solo respuestas correctas sino lógica de acciones correcta. Por lo tanto, el valor aquí no está en el "entrenamiento abstracto de redes neuronales" sino en la recopilación masiva de patrones profesionales de calidad: cómo analizar una tarea, qué excepciones notar, dónde verificar conclusiones y cómo formatear resultados para que puedan usarse dentro de una empresa. Esta capa de conocimiento puede escalarse, actualizarse y refinarse en nuevos casos.

Por qué Mercor despegó

Para los inversores, este modelo parece comprensible y escalable. Mercor no está simplemente vendiendo otro asistente de IA, sino operando en un nivel más costoso y ambicioso—intentando convertir el trabajo especializado en un sistema repetible para automatizar roles de cuello blanco. La historia de los fundadores también amplifica el interés: la startup fue creada por ex-estudiantes que abandonaron la universidad, y en poco tiempo llevaron la empresa a una valoración de $10 mil millones. En tal mercado, esto se lee como una señal: la demanda de automatización del trabajo intelectual ya es lo suficientemente grande como para justificar apuestas enormes. De hecho, Mercor no está vendiendo la promesa de un futuro lejano sino infraestructura para acelerarlo ahora.

• El acceso a profesionales se convierte en materia prima para que las empresas entrenen modelos
• Los escenarios de trabajo reales pueden transformarse en datos, y los datos en productos
• El enfoque en tareas de oficina abre un mercado más grande que los chatbots masivos
• Cuanto más precisamente la IA imita la experiencia del especialista, más notable es el efecto económico para el negocio

A quién le preocupa esto

La parte más incómoda de la historia es que las personas están esencialmente ayudando a crear herramientas que con el tiempo pueden reducir la demanda de sus propias habilidades. Para el empleador esto parece racional: primero pagar a un experto por la transferencia de conocimiento, luego usar el modelo donde anteriormente se requería un humano. Para los propios especialistas, el panorama es más complejo.

Por ahora, estos proyectos generan ingresos y demanda de competencias, pero simultáneamente impulsan el mercado hacia la estandarización de parte del trabajo intelectual, haciéndolo mensurable y, por lo tanto, más fácil de automatizar. Sin embargo, no todo el trabajo de oficina desaparecerá al mismo ritmo. Donde se necesitan responsabilidad, contexto, confianza del cliente, negociación o soluciones no estándar, los humanos mantienen una posición fuerte.

Pero las piezas rutinarias del trabajo de cuello blanco—preparación de materiales estándar, análisis preliminar, estructuración de información, operaciones repetitivas dentro de procesos—son cada vez más vistas como territorio adecuado para la IA. Mercor apuesta precisamente en esta capa transitoria entre humanos especialistas y máquinas que aprenden a reproducir sus acciones útiles.

Qué significa esto

Mercor muestra hacia dónde se está desplazando el centro de la carrera de IA: de demostraciones llamativas a la captura sistemática del conocimiento profesional. Si este enfoque se escala, el valor principal no serán los modelos en sí sino el acceso a personas que saben cómo convertir su trabajo en un conjunto de soluciones, reglas y acciones inteligibles para la IA.