Mercor Chega a Avaliação de $10 Bilhões Contratando Especialistas para Treinar IA em Trabalho de Escritório

A Mercor de San Francisco construiu um negócio baseado em um paradoxo: a empresa contrata especialistas qualificados para ensinar IA a executar o seu trabalho. Com essa abordagem, uma startup fundada por empreendedores que saíram da faculdade cresceu até uma avaliação de $10 bilhões e se tornou um jogador notável na corrida para automatizar o trabalho de escritório.

Como funciona a abordagem

Para automatizar tarefas de colarinho branco, não é suficiente dar a um modelo acesso à internet, documentos e correspondência corporativa. Você precisa de exemplos reais de como especialistas tomam decisões, estabelecem prioridades, corrigem erros e levam uma tarefa ao resultado. Nesse esquema, a Mercor atua como uma ponte entre humano e máquina: a empresa paga trabalhadores altamente qualificados pela transferência de habilidades práticas que anteriormente permaneciam dentro da profissão e eram raramente formalizadas. Essencialmente, a startup converte experiência humana em um circuito de treinamento para IA.

Se um modelo deve executar trabalho de escritório não em nível de demonstração, mas em processos do mundo real, ele precisa não apenas de respostas corretas, mas de lógica correta de ações. Portanto, o valor aqui não está em "treinamento abstrato de redes neurais", mas na coleta em massa de padrões profissionais de qualidade: como analisar uma tarefa, quais exceções notar, onde verificar conclusões novamente e como formatar resultados para que possam ser usados dentro de uma empresa. Essa camada de conhecimento pode ser dimensionada, atualizada e refinada em novos casos.

Por que Mercor decolou

Para investidores, esse modelo parece compreensível e escalável. A Mercor não está apenas vendendo outro assistente de IA, mas operando em um nível mais caro e ambicioso—tentando transformar trabalho especializado em um sistema repetível para automatizar funções de colarinho branco. A história dos fundadores também amplifica o interesse: a startup foi criada por ex-estudantes que saíram da faculdade, e em pouco tempo levaram a empresa a uma avaliação de $10 bilhões. Em tal mercado, isso é lido como um sinal: a demanda por automação de trabalho intelectual já é grande o suficiente para justificar apostas enormes. Na verdade, a Mercor não está vendendo uma promessa de um futuro distante, mas infraestrutura para acelerá-lo agora.

• Acesso a profissionais se torna matéria-prima para as empresas treinarem modelos
• Cenários de trabalho reais podem ser transformados em dados, e dados em produtos
• Foco em tarefas de escritório abre um mercado maior do que chatbots em massa
• Quanto mais precisamente a IA imita a experiência de um especialista, mais notável é o efeito econômico para o negócio

Quem isso preocupa

A parte mais incômoda da história é que as pessoas estão essencialmente ajudando a criar ferramentas que com o tempo podem reduzir a demanda por suas próprias habilidades. Para o empregador isso parece racional: primeiro pagar um especialista pela transferência de conhecimento, depois usar o modelo onde um humano era anteriormente necessário. Para os próprios especialistas, o quadro é mais complexo.

Por enquanto, esses projetos geram renda e demanda por competências, mas simultaneamente impulsionam o mercado a tornar parte do trabalho intelectual padronizado, mensurável e, portanto, mais fácil de automatizar. No entanto, nem todo o trabalho de escritório desaparecerá no mesmo ritmo. Onde responsabilidade, contexto, confiança do cliente, negociação ou soluções não-padronizadas são necessárias, os humanos mantêm uma posição forte.

Mas pedaços rotineiros do trabalho de colarinho branco—preparação de materiais padrão, análise preliminar, estruturação de informações, operações repetitivas dentro de processos—são cada vez mais vistos como território adequado para IA. A Mercor aposta precisamente nessa camada transitória entre humanos especialistas e máquinas aprendendo a reproduzir suas ações úteis.

O que isso significa

A Mercor mostra para onde o centro da corrida de IA está se deslocando: de demonstrações impressionantes para a captura sistemática de conhecimento profissional. Se essa abordagem escalar, o valor principal não será os modelos em si, mas o acesso a pessoas que sabem como transformar seu trabalho em um conjunto de soluções, regras e ações inteligíveis para IA.