Mercor capta US$ 750 milhões para treinar e avaliar IA, com avaliação de US$ 20 bilhões

Um agente responde muito bem no chat, mas esquece de verificar as condições do contrato ao processar um reembolso. Para quem gerencia o produto, é um fluxo de trabalho que falhou; para quem desenvolve, mais um erro que os rankings públicos de modelos não ajudaram a prever. A Mercor está construindo um negócio em torno dessa lacuna: recruta especialistas para avaliar a IA em trabalho profissional real e preparar dados para treinamentos posteriores.

Em 10 de novembro, a companhia anunciou uma rodada Série D de US$ 750 milhões, com avaliação de US$ 20 bilhões. Para uma equipe que implanta agentes, o ponto mais útil é o próprio objeto do investimento: definir o que significa executar um trabalho corretamente está se tornando uma grande tarefa por si só. Os termos da operação estão publicados no anúncio da Mercor.

Por que uma boa resposta não basta

Imagine uma loja virtual que entrega a gestão de devoluções a um agente. Um cliente escreve: o produto está quebrado, o comprovante foi perdido e o pedido foi feito por meio de um parceiro. O modelo conhece as regras gerais de atendimento ao cliente. Mas também precisa localizar a compra, lidar com as exceções, escolher uma forma de compensação permitida e atualizar corretamente o registro no sistema.

Avaliar esse agente exige mais do que julgar a cordialidade da resposta. Um especialista precisa descrever as ações permitidas e o resultado esperado: quando é possível devolver o dinheiro, quando uma verificação adicional é necessária e quais alterações devem aparecer no sistema de gestão. Depois, os desenvolvedores podem executar novamente o cenário após mudar o modelo, o prompt ou a ferramenta.

Este é um exemplo hipotético, não um projeto documentado de um cliente da Mercor. Ele mostra por que são necessárias avaliações com tarefas específicas de cada negócio. O mesmo modelo pode explicar corretamente a política de devoluções e errar ao aplicá-la. Se apenas a mensagem final for avaliada, o erro ficará invisível até que o cliente reclame.

Para a equipe, isso aponta para uma ação simples: primeiro reunir solicitações reais e definir critérios de conclusão bem-sucedida. Assim, a escolha do modelo se torna uma decisão de engenharia que pode ser testada. É possível comparar a qualidade, o custo de um fluxo de trabalho concluído e o número de casos que exigem intervenção humana.

O que o dinheiro revela — e o que não mostra

Segundo o resumo da Latent Space fornecido, a Mercor atingiu um ritmo anualizado de receita de US$ 3 bilhões, após US$ 1 bilhão em fevereiro e US$ 2 bilhões em junho. É preciso interpretar a métrica literalmente: a receita atual é extrapolada para um ano. Isso não significa que a empresa já tenha recebido US$ 3 bilhões em um período completo de doze meses.

No anúncio da rodada, a Mercor também informou que a operação inclui a recompra de ações de funcionários. A divisão dos valores não foi publicada, portanto não é possível contabilizar automaticamente os US$ 750 milhões inteiros como recursos para o desenvolvimento do negócio. A avaliação de US$ 20 bilhões, por si só, também não diz nada sobre lucro, retenção de clientes ou margens do trabalho dos especialistas.

Outro número da declaração da liderança chama a atenção: os gastos da Mercor com inferência são três vezes maiores que os gastos com salários de funcionários. A empresa considera que o investimento compensa. No entanto, sem a metodologia de cálculo e a divisão dos custos, esse indicador não oferece um orçamento pronto para outra startup. Para quem funda uma empresa, é mais útil calcular a própria economia por tarefa: quanto custa concluir uma tarefa com sucesso, incluindo novas tentativas e revisão humana.

Como aplicar isso ao seu produto

A recomendação prática da redação é começar com um único processo que tenha um resultado final claro. Por exemplo, processar uma devolução, conferir documentos ou corrigir uma classe específica de erros. São necessários exemplos de casos comuns, exceções e situações em que o agente deve parar.

Em seguida, será necessária uma avaliação independente. Se o modelo viu todas as tarefas durante o ajuste, uma pontuação alta pode refletir um sobreajuste a exemplos conhecidos. Vale reservar alguns cenários separadamente e encarregar especialistas de analisar os casos duvidosos. Também é útil medir qual parcela do trabalho o agente realmente conclui sem correções.

Essa abordagem tem um custo: tempo dos especialistas, manutenção dos dados de teste e atualização das regras conforme o produto evolui. O conjunto próprio de avaliações também pode ficar desatualizado ou deixar passar exceções importantes. A rodada da Mercor não prova que esses problemas foram resolvidos. Ela mostra o interesse dos investidores na infraestrutura que cerca a implantação de IA. Para uma equipe de produto, o próximo passo é concreto: montar um conjunto de tarefas de trabalho e verificar quais o agente já executa com confiabilidade.