Mercor Menggalang Pendanaan Seri D Senilai $750 Juta dengan Valuasi $20 Miliar untuk Memperluas Pelatihan AI

Pada 10 November 2026, Mercor mengumumkan pendanaan Seri D senilai $750 juta, yang membuat valuasi perusahaan pelatihan AI tersebut mencapai $20 miliar. Pendanaan ini mencakup penawaran saham kepada karyawan dan partisipasi dari NVIDIA, Salesforce, Zoom, serta investor lainnya.

Benchmark, Felicis, Fundomo, dana yang dikelola oleh afiliasi Apollo, G Squared, General Catalyst, Glade Brook Capital, Sapphire Ventures, StepStone Group, dan XTX Ventures juga berpartisipasi. Pendanaan ini akan mempercepat pengembangan infrastruktur dan riset untuk evaluasi model dan pelatihan lanjutan—yakni pelatihan tambahan bagi model yang sudah ada—serta mendukung lebih banyak lingkungan tempat agen dapat mempelajari alur kerja yang kompleks. Pada 2026, Mercor juga membuka kantor di New York dan London. Dengan demikian, perusahaan ini memperluas jangkauannya ke luar San Francisco agar lebih dekat dengan pelanggan perusahaan dan laboratorium, sekaligus dapat merekrut karyawan.

Evaluasi untuk Perusahaan dan Pelatihan oleh Pakar

Selama dua tahun terakhir, Mercor membangun infrastruktur untuk melatih dan mengevaluasi model tercanggih dalam pekerjaan dunia nyata dengan memanfaatkan keahlian manusia. Kini, perusahaan ini memperluas kemampuan tersebut ke perusahaan, dengan evaluasi yang dirancang untuk mengetahui apa yang dapat dilakukan agen, berapa biayanya, dan bagaimana kinerjanya dapat ditingkatkan. Evaluasi khusus Mercor menggunakan alur kerja nyata milik perusahaan untuk mengukur kinerja model berdasarkan persyaratan perusahaan dan mengidentifikasi bagian yang dapat ditingkatkan melalui pelatihan tambahan atau praktik dalam lingkungan realistis.

Mercor menyatakan bahwa jaringannya mencakup lebih dari lima juta pakar yang dibayar untuk melatih model AI tercanggih. Perusahaan ini juga menyebutkan bahwa di Amerika Serikat terdapat lebih dari 800 jenis pekerjaan berbeda dengan alur kerja yang belum digunakan untuk mengevaluasi model. Pendekatan Mercor untuk perusahaan dimulai dengan model terbuka yang mumpuni, dilanjutkan dengan penyusunan evaluasi publik dan penggunaan pelatihan lanjutan untuk menekan biaya sebelum melatih model bagi pelanggan.

Pendekatan ini membedakan antara mengetahui cara umum menyelesaikan suatu tugas dan memahami cara perusahaan tertentu melaksanakannya dengan sistem, kebijakan, dan standar kualitasnya sendiri. Mercor menjelaskan bahwa pelatihan lanjutan hanya memerlukan sebagian kecil sumber daya yang dibutuhkan untuk melatih model tercanggih. Pekerjaan Mercor dengan laboratorium yang mengembangkan model tercanggih dan dengan perusahaan memanfaatkan jaringan pakar, metode evaluasi, serta infrastruktur pelatihan lanjutan yang sama. Dengan begitu, pembelajaran dari masing-masing pihak dapat dimanfaatkan oleh pihak lainnya.

Peran Deeptune dalam Pelatihan Agen

Pada awal 2026, Mercor mengakuisisi Deeptune, perusahaan yang bergerak di bidang lingkungan pembelajaran penguatan. Dalam pengumuman pada 9 Juli 2026, Mercor memaparkan rencana akuisisi tersebut serta kiprah Deeptune selama dua tahun dalam menciptakan ulang ratusan aplikasi perusahaan, mulai dari lembar kerja hingga Salesforce, untuk digunakan sebagai lingkungan pelatihan agen. Lingkungan tersebut memungkinkan agen berlatih menjalankan alur kerja profesional.

Setiap lingkungan terdiri atas tiga komponen: perangkat lunak tempat pekerjaan dilakukan, tugas yang menentukan apa yang harus diselesaikan agen, dan sistem verifikasi yang menentukan apakah agen berhasil. Pakar Mercor menyusun tugas dan sistem verifikasi yang mengubah penilaian manusia menjadi sinyal pembelajaran. Menurut pengumuman pada Juli, sistem APEX mengukur kinerja model dalam mengerjakan tugas bernilai ekonomi di ribuan alur kerja dunia nyata, sedangkan Deeptune menyediakan lapisan perangkat lunak yang dibutuhkan untuk mengubah keahlian tersebut menjadi lingkungan pelatihan.

Pengeluaran Internal untuk AI

Mercor menyatakan bahwa pengeluarannya untuk inferensi—komputasi yang digunakan untuk menjalankan model—tiga kali lebih besar daripada pengeluaran untuk gaji karyawan. Pengeluaran ini terbayar karena membuat karyawan bekerja lebih baik.

Salah satu pendiri sekaligus CEO Brendan Foody mengatakan bahwa jika rasio tersebut bertahan seiring AI menyebar ke seluruh perekonomian, hal itu mengindikasikan pertumbuhan produk domestik bruto (PDB) yang mendekati dua digit selama lima tahun ke depan, hampir tiga kali lipat dari laju yang ia sebut sebagai kebiasaan.

Pendanaan ini mendukung satu tawaran terpadu bagi perusahaan: membangun lingkungan, menyediakan pakar, dan mengukur kesiapan agen. Bagi Mercor, tolok ukur praktisnya adalah kinerja andal dalam alur kerja milik pelanggan sendiri, karena pengetahuan umum tentang tugas saja tidak cukup.