AfterQuery стала самым быстрым «единорогом» в истории Y Combinator

Что произошло

AfterQuery стала самым быстрым стартапом в истории Y Combinator, достигшим статуса «единорога», заявил партнер YC Gustaf Alströmer. Сама AfterQuery отказалась комментировать сообщение.

Один из источников Forbes сообщил, что компания уже прибыльна и нашла ведущего инвестора для раунда.

Чем занимается AfterQuery

Spencer Mateega и Carlos Georgescu основали AfterQuery в феврале 2025 года. До этого они присоединились к зимнему набору Y Combinator 2025 года как двое школьных друзей без продукта и без закрепленной идеи.

Изначально основатели хотели создавать AI-агентов для финансов. Однако тестирование показало, что ведущие модели ошибались в сложных профессиональных решениях не из-за недостатка базовых возможностей, а потому что их не учили тому, как эксперт рассуждает при трудном выборе.

После смены направления AfterQuery начала платить специалистам за создание данных рассуждений: письменных пошаговых описаний того, как профессионал разбирает проблему. Эти данные используются, чтобы обучать AI-модели не только фактам, но и суждению.

Почему это важно

Спрос на такие данные связан с более широкой проблемой индустрии: разработчики наиболее продвинутых AI-систем уже использовали большую часть пригодного текста из открытого веба, а синтетические данные имеют ограничения.

В дефиците остаются экспертные суждения, которые могут дать реальные квалифицированные специалисты. По данным Forbes, Nvidia использовала данные AfterQuery для обучения открытых моделей Nemotron, а среди клиентов стартапа также названы Thinking Machines Lab и юридическая AI-компания Legora.

Контекст рынка

Другие компании также пытаются закрыть нехватку данных для AI. Южнокорейский финтех Toss через партнерство с Poseidon открыл своим 30 млн пользователей доступ к экономике AI-данных, оплачивая запись реальных данных, которых модели не могут найти онлайн.

Среди конкурентов упоминается Mercor. По словам Mateega, преимущество AfterQuery над Mercor — собственное ПО, которое отбирает задания с уровнем сложности Goldilocks: достаточно сложные, чтобы бросить вызов передовой модели, но не настолько сложные, чтобы модель не могла учиться на ответе.

AfterQuery также сначала обучает собственные модели на данных перед продажей, чтобы показать лабораториям практическую ценность материала. Mercor, в свою очередь, ведет переговоры с Nvidia о раунде финансирования с оценкой в $20 млрд, что вдвое выше оценки в $10 млрд с прошлого октября.