Yapay zeka laboratuvarları ve kurumsal firmalar için eğitim veri setleri ile simüle ortamlar geliştiren Snorkel AI, 350 milyon dolarlık yeni bir E serisi yatırım turu tamamlayarak değerlemesini 3,5 milyar dolara yükseltti. Insight Partners ve S32 liderliğindeki bu tur, şirketin 17 ay önceki 1,3 milyar dolarlık değerlemesinin neredeyse üç katına denk geliyor.

Veri hizmet modeli ve hızla artan büyüme

Şirketin mevcut yıllıklandırılmış gelir hızının 375 milyon dolara çıktığı belirtildi. Bu rakam, son 12 ayda kaydedilen 18 katlık bir büyümeye işaret ediyor. Snorkel, geleneksel veri etiketleme otomasyonu yazılımlarının ötesine geçerek son bir yıldır 'veri-hizmet' (data-as-a-service) modeline odaklanıyor. Bu yaklaşım, yalnızca insan uzmanlık pazarı olarak çalışmak yerine, şirketin kendi yazılım ve modelleriyle sentetik veri üretimini konu uzmanlarıyla birleştiren hibrit bir yapı sunuyor.

Sektördeki rekabetçi dinamikler ve mevcut yatırımcılar

Bu finansman turunda Addition, Lightspeed, Greylock, GV ve Wells Fargo gibi mevcut yatırımcılar da pay aldı. Yapay zeka endüstrisindeki yüksek uç eğitim verisi talebi, sektörün genel büyümesini tetiklerken, benzer konumlanan diğer veri şirketlerinde de paralel bir ivme gözlemleniyor. Mercor'un brüt yıllıklandırılmış gelirinin 2 milyar dolara, Handshake'in 1 milyar dolara ve Micro1'un 500 milyon dolara ulaştığı sektör raporlarında yer alıyor. Snorkel'ın elde ettiği 350 milyon dolarlık yatırım, yapay zeka altyapısının temel taşı olan veri hazırlık süreçlerinin stratejik önemini bir kez daha ortaya koyuyor.

Ne anlama geliyor?

Yapay zeka modellerinin doğruluğu ve performansı, doğrudan üzerinde eğitildiği verilerin kalitesine ve çeşitliliğine bağlıdır. Geleneksel yöntemlerde bu verilerin toplanması, etiketlenmesi ve işlenmesi son derece emek yoğun ve maliyetli süreçler gerektirirdi. Hibrit veri üretim modelleri, sentetik veri üretimini gerçek dünya uzmanlarının görüşleriyle harmanlayarak bu darboğazı ortadan kaldırmayı hedefler. Bu sayede, model eğitimi için gereken devasa hacimli ve yüksek nitelikli veri setleri daha kısa sürede ve düşük marjinal maliyetle üretilebilir hale gelir. Geliştirici ekipler, hazır veri setlerine erişerek prototipleme ve üretim aşamalarına çok daha hızlı geçebilir; bu da ürünlerin pazardaki rekabet süresini kısaltır. Kullanıcı tarafında ise daha tutarlı ve hassas sonuçlar üreten yapay zeka uygulamalarının yaygınlaşması, dijital hizmetlerin genel kullanım kalitesini doğrudan etkiler.