Mercor: הסטארט-אפ שמלמד בינה מלאכותית לחשוב כמו מקצוענים – והופך בני 20 למיליארדרים

בעוד רוב הסטודנטים באוניברסיטאות יושבים במרתון לימודים לפני מבחני סוף סמסטר, ברנדן פודי פשוט לא הגיע. לא בגלל זלזול, אלא כי משהו גדול יותר קרה: בתוך כמה חודשים, רעיון שהתחיל כהאק בודד בהאקתון בסאו פאולו הפך לבסיס לאחת מחברות ה-AI הצומחות ביותר בעולם – Mercor. היום, פחות משלוש שנים אחרי, Mercor מוערכת בכ-10 מיליארד דולר, ומייסדיה הפכו למיליארדרים הצעירים בעולם שנבנו מאפס.

מהמועדון לוויכוחים לאימפריית AI

פודי וחבריו המייסדים, Adarsh Hiremath ו-Surya Midha, הכירו בכלל מעולם אחר: נבחרות דיבייט בתיכון. המקום שבו לומדים לפרק טיעון, לבנות לוגיקה מסודרת ולהגן על עמדה מורכבת מול לחץ – בדיוק סוג החשיבה שמודלי AI עדיין מתקשים לחקות באופן עקבי.

ב-2023, בהאקתון בסאו פאולו, הם התחילו בפתרון פשוט יחסית: פלטפורמה שמחברת חברות, בעיקר מארה"ב, עם מפתחים מוכשרים מעבר לים, מטפלת בבירוקרטיה ומשאירה לעצמה עמלה. לקוח ראשון שילם 500 דולר לשבוע על מפתח, המפתח קיבל בערך 70%, Mercor לקחה את השאר.

אבל מהר מאוד הם הבינו שהערך האמיתי שלהם לא רק בגיוס טאלנט, אלא במקום שבו מתבצבת היום אחת השאלות הכי חמות בעולם הטכנולוגיה: מי מלמד את ה-AI איך נראית איכות אמיתית?

ללמד את ה-AI "מה שרק בני אדם יודעים"

בעוד העולם מתלהב מגודל מודלים, מהירות ויכולות כתיבה, Mercor בחרה לכוון למקום אחר: איך מלמדים מודלים שיקול דעת, ניואנס וסטנדרט מקצועי.

המודל העסקי החדש היה חד וברור:

• גיוס מקצוענים אנושיים – יועצים, עורכי דין, בנקאים, רופאים ואנליסטים.
• שימוש בהם כדי לבנות "evals" ורובריקות מפורטות: סדרות משימות והנחיות שמודדות איך מודלי AI מתמודדים עם עבודה אמיתית.
• בדיקה שיטתית של תשובות המודלים מול קריטריונים מקצועיים ברורים.
• הזנת פידבק מובנה חזרה למודלים – כדי לשפר אותם ולהכשיר אותם לעבודה כלכלית בעלת ערך.

במילותיו של פודי: "כולם מסתכלים על מה המודלים יכולים לעשות. ההזדמנות האמיתית היא ללמד אותם את מה שרק בני אדם יודעים – שיפוט, ניואנס וטעם." זו לא עוד סיסמה: זו הצהרת כיוון לכל תעשיית ה-AI.

APEX: מדד פרודוקטיביות במקום מבחן IQ למכונה

בלב הגישה של Mercor עומד מוצר דגל אחד: APEX – ה-AI Productivity Index.

APEX הוא מדד קנייני שבא לענות על שאלה שהופכת קריטית לכל מנהל, משקיע או CTO: לא "כמה המודל חכם" באופן תיאורטי, אלא "כמה כסף הוא יכול לחסוך או לייצר".

במקום חידות מתמטיות או בנצ'מרקים אקדמיים, APEX בוחן מודלים על כ-200 משימות הנגזרות מעבודת היומיום של מקצועות עתירי שכר:

• ניסוח מזכר פיננסי מורכב.
• טיוטת חוזה משפטי עם סעיפים ורגולציה רלוונטיים.
• ניתוח תיק רפואי והצעת כיווני בירור.
• בניית מתווה לניתוח שוק בסגנון ייעוצי.

כדי להבטיח רצינות, Mercor גייסה לקבוצת היועצים שלה שמות כבדים במיוחד, ביניהם:

• Larry Summers – לשעבר שר האוצר האמריקאי.
• Dominic Barton – לשעבר מנכ"ל McKinsey.
• Cass Sunstein – משפטן והוגה בתחומי רגולציה ומדיניות ציבורית.
• Eric Topol – קרדיולוג וחוקר מוביל בתחום הרפואה הדיגיטלית.

הם עזרו לבנות את הרובריקות והקייסים כך שישקפו מציאות, לא תרגיל תיאורטי. או כמו ש-Mercor מסכמת: "נחמד שיש 10,000 דוקטורים בכיס – אבל טוב הרבה יותר שיהיה מודל שיכול לעשות לך את המיסים כמו שצריך."

שוק עבודה חדש: בני אדם כמאמני מכונות

אחד הרעיונות המעניינים ש-Mercor מדגימה בפועל הוא איך נראית תעסוקה בעידן שבו ה-AI אכן מסוגל להחליף חלק עצום מעבודת ה"צווארון הלבן".

הפלטפורמה שלה מאפשרת לחברות להגדיר אלפי מיקרו-משימות להערכה:

• כל משימה מדמה סיטואציה מקצועית מציאותית.
• אנשי מקצוע אנושיים בוחנים את תשובות המודל לפי קריטריונים קשיחים.
• כל ציון הופך לנתון Training מסודר – לא רק "אהבתי/לא אהבתי", אלא פירוק לוגי של איכות.

כך נוצר שוק דו-צדדי חדש:

• כל לקוח תאגידי שמצטרף מייצר ביקוש ליותר evals.
• כל מעריך חדש שמצטרף משפר את איכות המדדים והמודלים.

נוצר "פלייבוק" קלאסי: עוד נתונים → מודלים טובים יותר → יותר לקוחות → יותר הערכות. מבחינת המשקיעים, זו משוואת צמיחה שקשה להתעלם ממנה.

לא להפחדה – לאוטומציה מואצת

פודי לא מתחמק מהשאלה שהכי מטרידה את העובדים: האם Mercor עוזרת ל-AI להחליף אותנו מהר יותר?

התשובה שלו היא כן, אבל גם: חייבים לקבל את זה.

הוא מזכיר את לקחי המהפכה התעשייתית: פעם 75% מהאמריקאים עבדו בחקלאות, היום בערך 1%, והכלכלה רק הפכה עשירה ומגוונת יותר. לדבריו, גם עכשיו:

• "אולי נאוטמט כ-2/3 מעבודות ה-knowledge work," הוא אומר.
• "וזה יהיה מדהים, כי זה יאפשר לנו לעשות דברים כמו לרפא סרטן ולנסוע למאדים."

מבחינתו, שאלת המפתח היא לא "איך מונעים יתרון", אלא:

• איך מוודאים שהשינוי נעשה מהר וחכם.
• איך מגדירים מראש "מה הם הדברים היותר גבוהים וטובים" שבני אדם ישקיעו בהם זמן.

זו תפיסת עולם מאוד סיליקון-וולית, כמעט חסרת סנטימנטים לשימור הסטטוס קוו. אבל היא גם מייצגת היטב את רוח התקופה – במיוחד בעולמות ה-AI שבהם מי שמאיץ קדימה קובע סטנדרט לשוק כולו.

מה ישראלים צריכים ללמוד מ-Mercor

לקהל הישראלי, Mercor היא לא רק סיפור נחמד על dropout שהפך למיליארדר, אלא סוג של מראה:

• היא מדגימה איך סטארט-אפ בתחום AI יכול לייצר ערך אמיתי לא דרך עוד מודל, אלא דרך שכבת האורקסטרציה והאיכות – איפה שהחברות כבר מחפשות ROI ברור.
• היא מצביעה על טרנד שמתחזק: "human-in-the-loop" לא כשלב זמני, אלא כתשתית עסקית. בני אדם שמשמשים כמאמני איכות – מקצוע בפני עצמו.
• היא מחדדת לחברות ישראליות שאם אתם בונים כלי AI, מדדי ביצועים אמיתיים (כמו APEX) יהיו קריטיים כדי להיכנס לאנטרפרייז.

ועבור מפתחים, עורכי דין, יועצים ורופאים כאן: כן, יש תרחיש שבו חלק מהעבודה שלכם יבוצע על ידי מודלים. אבל יש גם תרחיש שבו הניסיון שלכם הוא מה שמלמד את המודלים האלה לעבוד נכון – ותמורת זה, כבר היום, משלמים כסף אמיתי.

יותר מסטארט-אפ: מעבדה לעתיד העבודה

פודי מתאר את Mercor כחלק מ"המהפכה התעשייתית הבאה". זה נשמע גדול, אבל במידה רבה, זה כבר קורה:

• חברות בוחנות מודלים לא רק בשאלות טריוויה, אלא בשאלה: האם אפשר לסמוך עליהם עם תזכיר ללקוח של מיליארדי דולרים?
• סטודנטים, מומחים פרילנסרים ואנשי מקצוע הופכים לחלק ממערך האימון הגלובלי של AI.
• והגבול בין "מי עובד" לבין "מי מאמן את מי" מתחיל להיטשטש.

Mercor ניצבת בדיוק על התפר הזה: חברה שמאמינה באוטומציה אגרסיבית של עבודת ידע – ובו זמנית בונה מודל שמעסיק עוד ועוד בני אדם, כדי ללמד את האוטומציה הזו איך להיראות כמו מקצוענות אנושית.

למי שמחפש להבין לאן הולך שוק העבודה בעידן ה-AI, Mercor היא אחד הסיפורים שחייבים לעקוב אחריהם.