Mercor pozyskuje 750 mln dolarów w rundzie D przy wycenie 20 mld dolarów, by rozszerzyć działalność w zakresie trenowania AI

Mercor ogłosił pozyskanie 750 mln dolarów w ramach rundy D 10 listopada 2026 r., co wyceniło firmę zajmującą się trenowaniem AI na 20 mld dolarów. Finansowanie objęło ofertę odkupu akcji od pracowników oraz udział NVIDIA, Salesforce, Zoom i innych inwestorów.

W finansowaniu wzięły również udział Benchmark, Felicis, Fundomo, fundusze zarządzane przez podmioty powiązane z Apollo, G Squared, General Catalyst, Glade Brook Capital, Sapphire Ventures, StepStone Group i XTX Ventures. Pozyskane środki przyspieszą rozwój infrastruktury i badania nad oceną modeli oraz ich dalszym trenowaniem, czyli dodatkowym trenowaniem istniejącego modelu, a także umożliwią tworzenie większej liczby środowisk, w których agenci będą mogli uczyć się złożonych procesów pracy. W 2026 r. Mercor otworzył również biura w Nowym Jorku i Londynie, rozszerzając działalność poza San Francisco, by być bliżej klientów korporacyjnych i laboratoriów oraz pozyskiwać pracowników.

Ocena modeli w przedsiębiorstwach i trenowanie z udziałem ekspertów

Przez ostatnie dwa lata Mercor budował infrastrukturę do trenowania i oceny najnowocześniejszych modeli w rzeczywistych zadaniach, z wykorzystaniem wiedzy ekspertów. Teraz rozszerza te możliwości na przedsiębiorstwa, oferując oceny, które mają ustalić, co agenci potrafią, ile kosztują i jak można poprawić ich skuteczność. W ramach dostosowanych do potrzeb klienta ocen modele są sprawdzane w rzeczywistych procesach pracy danego pracodawcy, by zmierzyć ich zgodność z wymaganiami firmy i wskazać obszary, w których pomocne mogłoby być dodatkowe trenowanie lub ćwiczenia w realistycznych środowiskach.

Mercor informuje, że jego sieć obejmuje ponad pięć milionów ekspertów, którym płaci za trenowanie najnowocześniejszych modeli AI, a w Stanach Zjednoczonych istnieje ponad 800 odrębnych zawodów obejmujących procesy pracy, pod kątem których modele nie zostały jeszcze ocenione. Strategia firmy skierowana do przedsiębiorstw zakłada rozpoczęcie od sprawnego modelu o otwartych wagach, opracowanie publicznych testów oceniających i wykorzystanie dalszego trenowania do obniżenia kosztów, zanim modele zostaną wytrenowane na potrzeby klientów.

To podejście rozróżnia ogólną wiedzę o tym, jak wykonuje się dane zadanie, od wiedzy o tym, jak konkretny pracodawca realizuje je w ramach własnych systemów, zasad i standardów jakości. Mercor opisuje dalsze trenowanie jako proces wymagający ułamka zasobów potrzebnych do trenowania modeli najnowocześniejszych. Prace firmy nad modelami najnowocześniejszymi i współpraca z laboratoriami oraz przedsiębiorstwami opierają się na tej samej sieci ekspertów, metodach oceny i infrastrukturze do dalszego trenowania, dzięki czemu doświadczenia z obu obszarów mogą wzajemnie na siebie wpływać.

Rola Deeptune w trenowaniu agentów

Na początku 2026 r. Mercor przejął Deeptune, firmę tworzącą środowiska uczenia ze wzmocnieniem. Komunikat z 9 lipca 2026 r. przedstawiał planowane przejęcie oraz dwuletnie prace Deeptune nad odtworzeniem setek aplikacji biznesowych — od arkuszy kalkulacyjnych po Salesforce — na potrzeby środowisk do trenowania agentów. Środowiska te pozwalają agentom ćwiczyć wykonywanie zadań zawodowych.

Każde środowisko składa się z trzech elementów: oprogramowania, w którym odbywa się praca, zadań określających, co agent ma wykonać, oraz weryfikatorów ustalających, czy mu się to udało. Eksperci Mercor tworzą zadania i weryfikatory, które przekładają ludzką ocenę na sygnały wykorzystywane w procesie uczenia. Zgodnie z lipcowym komunikatem system APEX mierzy skuteczność modeli w zadaniach o wartości ekonomicznej, obejmujących tysiące rzeczywistych procesów pracy, a Deeptune dostarcza warstwę oprogramowania niezbędną do przekształcenia tej wiedzy eksperckiej w środowiska treningowe.

Wydatki na AI w firmie

Mercor informuje, że wydaje na inferencję, czyli obliczenia potrzebne do uruchamiania modeli, trzy razy więcej niż na wynagrodzenia pracowników, a te wydatki się zwracają, ponieważ dzięki nim pracownicy lepiej wykonują swoje obowiązki.

Współzałożyciel i dyrektor generalny Brendan Foody powiedział, że jeśli ta proporcja utrzyma się w miarę upowszechniania się AI w gospodarce, będzie to wskazywać na wzrost produktu krajowego brutto bliższy wartości dwucyfrowej w ciągu najbliższych pięciu lat — niemal trzykrotnie wyższy od tempa, które określił jako typowe.

Finansowanie wspiera jedną kompleksową ofertę dla przedsiębiorstw: stworzyć środowisko, zapewnić ekspertów i ocenić, czy agent jest gotowy. Dla Mercor praktycznym sprawdzianem jest niezawodne działanie w ramach własnych procesów pracy klienta, w których sama ogólna znajomość zadań nie wystarcza.