Mercor Atteint une Valorisation de $10 Milliards en Recrutant des Spécialistes pour Entraîner l'IA sur le Travail de Bureau

Mercor из Сан-Франциско построила бизнес на парадоксе: компания нанимает квалифицированных специалистов, чтобы те учили ИИ выполнять их же работу. На этом подходе стартап, основанный предпринимателями, бросившими колледж, дорос до оценки в $10 млрд и стал заметным игроком в гонке за автоматизацию офисного труда.

Как устроен подход

Чтобы автоматизировать беловоротничные задачи, мало дать модели доступ к интернету, документам и корпоративной переписке. Нужны живые примеры того, как специалисты принимают решения, расставляют приоритеты, исправляют ошибки и доводят задачу до результата. В этой схеме Mercor выступает мостом между человеком и машиной: компания платит высококвалифицированным работникам за передачу практических навыков, которые раньше оставались внутри профессии и почти не формализовались.

По сути, стартап превращает человеческую экспертизу в обучающий контур для ИИ. Если модель должна выполнять офисную работу не на уровне демо, а в реальных процессах, ей нужны не только правильные ответы, но и правильная логика действий. Поэтому ценность здесь не в абстрактном «обучении нейросети», а в массовом сборе качественных профессиональных паттернов: как анализировать задачу, какие исключения замечать, где перепроверять выводы и как оформлять итог так, чтобы им можно было пользоваться в компании.

Такой слой знаний можно масштабировать, обновлять и дообучать на новых кейсах.

Почему Mercor взлетела Для инвесторов такая модель выглядит понятной и масштабируемой.

Mercor не просто продаёт ещё одного AI-ассистента, а работает на более дорогом и амбициозном уровне — пытается превратить экспертный труд в повторяемую систему для автоматизации беловоротничных ролей. История основателей тоже усиливает интерес: стартап создали бывшие студенты, бросившие колледж, и за короткое время они довели компанию до оценки в $10 млрд. На таком рынке это читается как сигнал: спрос на автоматизацию умственного труда уже достаточно велик, чтобы оправдывать огромные ставки. Фактически Mercor продаёт не обещание далёкого будущего, а инфраструктуру для его ускорения уже сейчас.

• Доступ к профессионалам становится для компании сырьём для обучения моделей Реальные рабочие сценарии можно превращать в данные, а данные — в продукт Фокус на офисных задачах открывает более крупный рынок, чем массовые чат-боты * Чем точнее ИИ копирует экспертизу специалиста, тем заметнее экономический эффект для бизнеса ## Кого это тревожит Самая неудобная часть истории в том, что люди фактически помогают создавать инструменты, которые со временем могут сократить спрос на их же навыки. Для работодателя это выглядит рационально: сначала заплатить эксперту за передачу знаний, а потом использовать модель там, где раньше требовался человек. Для самих специалистов картина сложнее. Пока такие проекты дают доход и спрос на компетенции, но одновременно подталкивают рынок к тому, чтобы часть интеллектуальной работы стала стандартизированной, измеримой и, значит, легче автоматизируемой. При этом не вся офисная работа исчезнет одинаково быстро. Там, где нужны ответственность, контекст, доверие клиента, переговоры или нестандартные решения, у человека остаётся сильная позиция. Но рутинные куски беловоротничного труда — подготовка типовых материалов, первичный анализ, структурирование информации, повторяющиеся операции внутри процессов — всё чаще рассматриваются как подходящая зона для ИИ. Mercor делает ставку именно на этот переходный слой между человеком-экспертом и машиной, которая учится воспроизводить его полезные действия.

Что это значит

Mercor показывает, куда смещается центр AI-гонки: от эффектных демо к системному захвату профессиональных знаний. Если этот подход сработает в масштабе, главной ценностью станут не сами модели, а доступ к людям, которые умеют превращать свою работу в понятный для ИИ набор решений, правил и действий.