AfterQuery, 18-miesięczny startup AI, osiągnął wycenę 3,2 mld dolarów w nowej rundzie finansowania — poinformował w poniedziałek Forbes, powołując się na dwie osoby bezpośrednio zaznajomione z transakcją. Kwota ta jest ponad dziesięciokrotnie wyższa niż wycena 300 mln dolarów, którą firma miała pięć miesięcy wcześniej, gdy zamknęła serię A o wartości 30 mln dolarów — wczesną rundę finansowania, w której startup sprzedaje część siebie w zamian za kapitał na rozwój.

Ten skok czyni AfterQuery najszybszym startupem w historii Y Combinatora pod względem drogi od powstania do statusu jednorożca — terminu oznaczającego prywatną firmę wartą ponad 1 mld dolarów — według partnera YC Gustafa Alströmera. AfterQuery odmówiło komentarza do doniesień. Jedno ze źródeł Forbesa podało, że firma jest już rentowna i ma już wyłonionego głównego inwestora rundy.

Założyciele — 23-letni Spencer Mateega i 22-letni Carlos Georgescu — płacą lekarzom, prawnikom, inżynierom i analitykom finansowym za generowanie danych eksperckich osądu, których laboratoria AI nie są już w stanie pozyskać z otwartego internetu. Dwaj przyjaciele ze szkoły średniej założyli firmę w lutym 2025 roku, 18 miesięcy po dołączeniu do zimowej kohorty Y Combinatora 2025 jako para bez produktu i bez ustalonego pomysłu.

Mateega napisał w lipcu na X, że przychód powtarzalny roczny (ARR) — roczna wartość stałych subskrypcji firmy — wzrósł do „setek milionów”, z poziomu 100 mln dolarów w kwietniu.

AfterQuery is quickly closing the gap on the "giants." We've already grown multiples past the $100M revenue run rate cited here. If you're a post-training researcher or lab that needs long-horizon tasks, professional / knowledge work data, high-fidelity RL environments, code… — Spencer Mateega (@spencermateega) July 12, 2026

Założyciele pierwotnie zamierzali budować agentów AI dla sektora finansowego. Testy wykazały, że wiodące modele stale zawodziły przy subtelnych, profesjonalnych ocenach — nie z braku surowych możliwości, ale dlatego, że nikt nigdy nie nauczył ich, jak ekspert faktycznie rozumuje nad trudną decyzją. Postanowili więc zmienić kierunek.

AfterQuery płaci obecnie specjalistom za tworzenie danych dotyczących rozumowania: pisemnych, krok po kroku zapisów tego, jak profesjonalista pracuje nad problemem, wykorzystywanych do uczenia modeli AI osądu, a nie tylko faktów. Ten rodzaj materiału stał się kluczowy dla post-trainingu — etapu po wstępnej budowie modelu, w którym laboratoria doskonalą jego zachowanie za pomocą dobranych informacji zwrotnych — oraz dla uczenia ze wzmocnieniem, w którym modele poprawiają się, ćwicząc na ocenianych zadaniach. Nvidia wykorzystała te dane do trenowania swoich otwartych modeli Nemotron, a klientami AfterQuery są również Thinking Machines Lab byłej CTO OpenAI Miry Murati oraz firma AI prawniczego Legora, donosi Forbes.

Popyt stojący za tą zmianą kierunku obejmuje całą branżę. Laboratoria frontier — firmy budujące najbardziej zaawansowane systemy AI — wykorzystały już większość użytecznego tekstu z otwartego internetu, a dane syntetyczne, czyli materiał treningowy generowany przez AI, mają ograniczone zastosowanie. W deficycie pozostaje osąd, który pochodzi wyłącznie od prawdziwych, certyfikowanych ekspertów.

Inne firmy próbują zaradzić temu samemu niedoborowi z różnych stron. Południowokoreański fintech Toss niedawno otworzył swoje 30 milionów użytkowników na gospodarkę danych AI dzięki partnerstwu z firmą infrastrukturalną Poseidon, płacąc zwykłym użytkownikom za nagrywanie danych ze świata rzeczywistego, których modele nie znajdą w internecie.

AfterQuery nie jest jedyną firmą czerpiącą korzyści z tego niedoboru. Alexandr Wang ze Scale AI został w 2021 roku, w wieku 24 lat, pierwszym miliarderem branży etykietowania danych, zanim Meta zapłaciła 14,3 mld dolarów za 49-procentowy pakiet udziałów i postawiła Wanga na czele własnego laboratorium AI. Założyciele konkurencyjnego Mercoru pobili w zeszłym październiku wczesny rekord Wanga, zostając miliarderami w wieku 22 lat.

Mateega mówił, że przewaga AfterQuery nad Mercorem — który opiera się na przeprowadzającym rozmowy AI, aby obsadzić dużą pulę wykonawców — to dedykowane oprogramowanie oceniające zgłoszenia pod kątem „złotego środka” trudności: wystarczająco trudne, by rzucić wyzwanie modelowi frontier, ale nie na tyle trudne, by nie mógł się nauczyć z odpowiedzi. AfterQuery trenuje również własne modele na tych danych przed ich sprzedażą, by pokazać laboratoriom, że materiał rzeczywiście przynosi efekty, zamiast prosić o zaufanie na słowo.

Mercor z kolei prowadzi obecnie rozmowy z Nvidią w sprawie rundy finansowania, która dałaby mu wycenę 20 mld dolarów — dwukrotnie wyższą niż 10 mld dolarów z zeszłego października. Runda AfterQuery nie została jeszcze zamknięta, a firma nie podała nazwy głównego inwestora — więc ostateczne warunki oraz to, czy zgłaszana wycena 3,2 mld dolarów się utrzyma, pozostają do potwierdzenia.