EXL skal kjøpe iMerit i en avtale verdt opptil 310 millioner dollar for å utvide bedriftens AI og foundation model-egenskaper

EXL har annonsert en definitiv avtale om å kjøpe AI-data spesialisten iMerit i en transaksjon verdt opptil 310 millioner dollar, noe som markerer ett av selskapets største investeringer i kunstig intelligens til dags dato. Kjøpet styrker EXLs posisjon i bedrifts-AI ved å legge til avanserte egenskaper i foundation model-trening, evaluering, forsterkingslæring og multimodal data-operasjoner, samt utvide selskapets rekkevidde inn i raskt voksende sektorer som robotikk, autonome systemer og fysisk AI. Transaksjonen forventes å bli avsluttet i løpet av tredje kvartal 2026, under forutsetning av sedvanlige regulatoriske godkjenninger og avslutningsbetingelser.

Kombinere bedrifts-AI med foundation model-ekspertise

EXL ble etablert i 1999 og har utviklet seg fra et selskap som tilbyr outsourcing av forretningsprosesser til en leverandør av data- og AI-teknologi for bedrifter innen bransjer som forsikring, helse, bank, detaljhandel, kommunikasjon og energi. I dag sysselsetter selskapet over 67 000 mennesker globalt og har i økende grad fokusert sin strategi på å hjelpe organisasjoner med å operasjonalisere AI over hele forretningsfunksjonene, i stedet for å deployere isolerte proof-of-concept-prosjekter.

Denne strategien har sentrert seg rundt EXLs voksende portefølje av AI-plattformer, inkludert EXLerate.ai for agentic AI-arbeidsflyt-orkestrasjon, EXLdata.ai for bedriftsdatahåndtering og EXLdecision.ai for beslutningsintelligens. Disse plattformene er designet for å integrere AI-modeller, bedriftsdata og menneskelig ekspertise i produksjonsforretningsflyter, samtidig som de legger vekt på styring og bransjespesifikke deployeringer.

Tilføyelsen av iMerit fyller en stadig viktigere gap i dette økosystemet: skapelsen og forfiningen av AI-modellene selv.

Hva iMerit bringer til avtalen

I motsetning til selskaper som primært fokuserer på å deployere AI-applikasjoner, spesialiserer iMerit seg på å produsere høykvalitets treningdata og ekspert menneskelig evaluering som er nødvendig for å bygge og forbedre moderne foundation-modeller.

Selskapet arbeider med frontier AI-utviklere og bedriftskunder for å trene, finjustere, evaluere og justere store språkmodeller og multimodale AI-systemer. Deres ekspertise omfatter tekst, bilder, video, lyd, LiDAR og andre komplekse datatyper som brukes i applikasjoner som generativ AI, autonome kjøretøy og robotikk.

En nøkkelaktivum i kjøpet er Ango, iMerits proprietære samarbeidsplattform. Ango muliggjør distribuerte team av fagfolk å utføre sofistikerte AI-evalueringoppgaver, inkludert vurdering av begrunnelser, multimodal annotering, red teaming, modelljustering og forsterkingslæring fra menneskelig tilbakemelding. Plattformen er designet for å støtte stadig mer komplekse evalueringarbeidsflyter som kreves av dagens store foundation-modeller.

Like viktig er iMerits Scholars-nettverk, som består av leger, forskere, ingeniører, lingvister og andre fagfolk som gir ekspert menneskelig tilbakemelding under modellutvikling. I stedet for å bare basere seg på stor skala crowd work, legger iMerit vekt på ekspertkunnskap for applikasjoner hvor faktisk nøyaktighet og faglig begrunnelser er kritisk, spesielt i helse, vitenskapelig forskning og andre regulerte industrier.

Styrking av EXLs end-to-end AI-stakk

Etter kjøpet planlegger EXL å integrere Ango direkte i sine eksisterende AI-plattformer.

Den kombinerede plattformen vil kunne koble bedriftsdataforberedelse, AI-orkestrasjon, modell-evaluering, forsterkingslæring og forretningsflyt-utførelse i en enkelt miljø. I stedet for å behandle modellutvikling og bedrifts-deployering som separate aktiviteter, har den kombinerede teknologistakken som mål å tillate organisasjoner å kontinuerlig forbedre AI-modeller ved hjelp av ekspert menneskelig tilbakemelding, samtidig som de deployer disse modellene i produksjonssystemer.

Kjøpet gir også EXL direkte relasjoner med foundation model-utviklere, noe som gir bedre oversikt over hvordan fremvoksende AI-modeller blir trent, evaluert og tilpasset for bedriftsbruk. Ifølge selskapet burde dette styrke deres evne til å hjelpe kunder med å utvikle domenespesifikke språkmodeller tilpasset proprietære datasett og spesialiserte forretningsprosesser.

Utvidelse utenfor tradisjonelle bedriftsmarkeder

Selv om EXL historisk har konsentrert seg om industrier som forsikring, bank og helse, utvider iMerits kundebase selskapets eksponering inn i flere raskt voksende AI-sektorer.

Selskapet har bygget ekspertise i å støtte AI-systemer som brukes i autonome mobilitet, robotikk, industriell automasjon, datavisjon og fysisk AI. Disse applikasjonene krever høyt spesialiserte multimodale datasett som kombinerer kamera-bilder, LiDAR, sensor-fusjon, video og miljøforståelse for å trene modeller som kan operere trygt i sanntids-miljøer.

Ettersom AI-utvikling stadig utvides fra tekst-generering til maskiner som oppfatter og samhandler med den fysiske verden, vokser etterspørselen etter nøyaktig merket og ekspert-validerende treningdata. iMerits erfaring over disse modalitetene utvider rekkevidden av industrier EXL kan nå med sine AI-tilbud.

En bredere skift mot AI-infrastruktur

Kjøpet reflekterer også hvordan bedrifts-AI-markedet utvikler seg.

Mye av industrien oppmerksomhet de siste årene har konsentrert seg om stadig mer kraftfulle foundation-modeller. Men organisasjoner oppdager at å deployere AI pålitelig ofte avhenger like mye av den omgivende infrastrukturen, inkludert høykvalitets treningdata, kontinuerlig evaluering, styring, forsterkingslæring og domenespesifikke ekspertise.

For regulerte industrier som helse, forsikring, finansielle tjenester og life sciences blir disse evnene stadig viktigere, ettersom organisasjoner søker etter AI-systemer som kan tilpasses spesialiserte arbeidsflyter samtidig som de møter kravene for nøyaktighet, transparens og tilsyn.

Ved å kombinere bedrifts-arbeidsflyt-automatisering med modellutviklingsekspertise, posisjonerer EXL seg for å delta over en større del av AI-livssyklusen – fra å forberede og forbedre modeller til deployering og kontinuerlig optimalisering. Ettersom bedrifts-AI-adoptsjon fortsetter å modnes, er integrerte plattformer som kan kombinere proprietær bedriftsdata med kontinuerlig menneske-guidet modellforbedring sannsynligvis å bli en stadig viktigere del av hvordan organisasjoner flytter AI fra eksperimentering til produksjon i stor skala.