Micro1, un competidor de Scale AI, promociona un ARR superior a los 100 millones de dólares

El rápido ascenso de Micro1 en los últimos dos años lo ha empujado a formar parte de una cohorte de empresas de inteligencia artificial que escalan a una velocidad vertiginosa. La startup de tres años, que ayuda a los laboratorios de IA a reclutar y gestionar expertos humanos para datos de entrenamiento, comenzó el año con aproximadamente $7 millones en ingresos recurrentes anuales (ARR).

Hoy, afirma haber superado los 100 millones de dólares en ARR, dijo a TechCrunch el fundador y director ejecutivo Ali Ansari. Esa cifra también es más del doble de los ingresos que Micro1 informó en septiembre cuando anunció su Serie A de 35 millones de dólares con una valoración de 500 millones de dólares.

Ansari, de 24 años, dijo entonces que Micro1 trabaja con laboratorios de inteligencia artificial líderes, incluido Microsoft, así como con compañías Fortune 100 que compiten para mejorar grandes modelos de lenguaje a través del aprendizaje posterior y de refuerzo. Su demanda de datos humanos de primer nivel ha impulsado un mercado en rápida expansión que Ansari cree que crecerá de 10.000 a 15.000 millones de dólares en la actualidad a casi 100.000 millones de dólares en dos años.

El ascenso de Micro1, y el de competidores más grandes como Mercor y Surge, se aceleró después de que OpenAI y Google DeepMind supuestamente cortaran sus lazos con Scale AI luego de la inversión de $14 mil millones de Meta en el proveedor y su decisión de contratar al CEO de Scale.

Si bien el ARR de Micro1 está creciendo rápidamente, según el fundador, aún no ha igualado a sus rivales: los más de 450 millones de dólares de Mercor, dijeron fuentes a TechCrunch, y los de Surge reportados 1.200 millones de dólares en 2024.

Ansari atribuye el crecimiento de Micro1 a su capacidad para reclutar y evaluar rápidamente expertos en el campo. Al igual que Mercor, Micro1 comenzó como un reclutador de inteligencia artificial llamado Zara, combinando talentos de ingeniería con roles de software antes de ingresar al mercado de capacitación de datos. Esa herramienta ahora entrevista y examina a los solicitantes que buscan puestos de expertos en la plataforma.

Más allá de suministrar datos de nivel experto a los principales laboratorios de IA, Ansari dice que dos nuevos segmentos, todavía apenas visibles en la actualidad, están en camino de remodelar la economía de los datos humanos.

El primero involucra a empresas Fortune 1000 no nativas de IA que comenzarán a crear agentes de IA para flujos de trabajo internos, operaciones de soporte, finanzas y tareas específicas de la industria.

Desarrollar estos agentes requiere una evaluación sistemática: probar modelos de frontera, calificar su producción, elegir a los ganadores, ajustarlos y validar continuamente el desempeño en la producción. Ansari sostiene que este ciclo depende en gran medida de que los expertos humanos evalúen el comportamiento de la IA a escala.

El segundo es el entrenamiento previo en robótica, que requiere demostraciones de alta calidad generadas por humanos de tareas físicas cotidianas. Micro1 ya está construyendo lo que Ansari llama el conjunto de datos de preentrenamiento de robótica más grande del mundo, recopilando demostraciones de cientos de generalistas que registran interacciones de objetos en sus hogares. Las empresas de robótica necesitarán grandes volúmenes de estos datos antes de que sus sistemas puedan funcionar de forma fiable en hogares y oficinas, afirmó.

«Anticipamos que una buena parte de los presupuestos de productos en empresas no nativas de IA se destinará a evaluaciones y datos humanos, pasando del 0% a al menos el 25% de los presupuestos de productos», dijo el CEO, que fundó Micro1 mientras estaba en UC Berkeley. «También estamos ayudando a los laboratorios de robótica a crear datos robóticos; estas dos áreas representarán una parte enorme de ese mercado de 100 mil millones de dólares al año».

Incluso a medida que surgen nuevos mercados, el crecimiento actual de Micro1 todavía proviene principalmente de laboratorios de inteligencia artificial de élite y empresas con gran uso de inteligencia artificial. La startup está ampliando su trabajo con estos laboratorios sobre aprendizaje por refuerzo, el circuito de retroalimentación para probar y mejorar el comportamiento del modelo.