Poindexter Labs vybral 2 miliony liber. Chce opravit „rozbitý“ dodavatelský řetězec dat pro umělou inteligenci

Pro špičkové modely umělé inteligence je kvalita tréninkových dat stejně důležitá jako samotná velikost modelu. Jenže většina dnešní datové infrastruktury byla postavena pro jednoduché úkoly – označování obrázků, analýzu sentimentu nebo kategorizaci textu – a ne pro složité, vícestupňové uvažování, které pokročilé systémy nyní vyžadují . Právě tuto mezeru se rozhodl zacelit londýnský startup Poindexter Labs, který 2. června 2026 oznámil přeupsané seed kolo ve výši 2 milionů liber .

Kolo vedl fond Episode 1 a vedle něj se zúčastnily i Evertrue Capital Yvonne Bajely a First Cheque Fond patřící pod Octopus Ventures. Zajímavostí je, že mezi investory jsou také matematici a vědci, kteří sami na platformě startupu aktivně pracují jako přispěvatelé .

Nejdřív tržby, pak venture kapitál

Příběh Poindexter Labs je v mnohém netypický. Zakladatelka Jocelyn D'Arcy, bývalá učitelka matematiky, dokázala firmu vlastními silami (tzv. bootstrappingem) dovést k tržbám 1,6 milionu liber ještě předtím, než přijala první peníze od investorů . Schopnost dosáhnout sedmimístných tržeb bez institucionálního kapitálu naznačuje vzácnou shodu mezi produktem a trhem, zejména v oblasti AI infrastruktury.

Problém: Expertní uvažování je novým úzkým hrdlem

Pokročilé modely už nepotřebují jen více dat; potřebují kvalitnější data. Vycvičit model, aby vyřešil složitý matematický problém, sestavil právní argument nebo odůvodnil vícekrokový fyzikální důkaz, vyžaduje datové sady, které zachycují autentické řetězce expertního uvažování – ne jen správné konečné odpovědi. Tradiční anotační platformy se na tento úkol nehodí, protože byly navrženy pro lineární pracovní postupy, kde jeden pracovník provede jednoduchý úsudek .

Poindexter Labs tvrdí, že tento zastaralý model je slabým článkem v dodavatelském řetězci AI, a označuje ho za „rozbitý“ . Firma se proto soustředí na produkci „vysoce přesných tréninkových a evaluačních datových sad“, které zahrnují důkazy, řetězce myšlenek (chain-of-thought), vícekrokovou logiku a detailní záznamy kroků napříč oblastmi STEM, práva, medicíny, financí a inženýrství .

Syncronus: Platforma pro peer-review místo běžícího pásu na anotace

Technickým řešením společnosti je platforma s názvem Syncronus, která izolovaný model anotátora nahrazuje strukturovaným, kolaborativním procesem vzájemného hodnocení (peer-review) . Místo aby jeden kontraktor dokončil úkol v izolaci, problémy jsou vytvářeny a následně kontrolovány prověřenou sítí olympijských medailistů, doktorandů a profesorů .

Typický úkol na platformě může zahrnovat vytvoření originálního problému z informatiky, který vyžaduje vícekrokový důkaz. Řešení je zachyceno s úplnými důkazy o postupu – pomocnými výpočty, záznamy kroků a rozdíly v LaTeXu – což je následně zkontrolováno dalším expertem z hlediska správnosti a srozumitelnosti . Vzniká tak papírová stopa expertního uvažování, kterou lze přímo využít pro sady instrukcí k ladění modelů (instruction-tuning) nebo pro provádění jemných až středně velkých dolaďování modelů (fine-tunes) .

Poindexter Labs licencuje platformu Syncronus podnikům a vládním institucím, které si chtějí vytvářet vlastní kurátorsky sestavené expertní datové sady. Zároveň provozuje interní anotační službu, která dodává hotové, recenzované datové sady přímo do špičkových AI laboratoří .

Kam poputují peníze

Společnost plánuje použít nový kapitál především na urychlení vývoje platformy Syncronus a na rozšíření sítě svých přispěvatelů . S rostoucí poptávkou ze strany AI laboratoří, které pro trénink a evaluaci potřebují vysoce kvalitní data založená na uvažování, firma sází na to, že její model – kombinující platformovou technologii s elitní lidskou sítí – se může stát klíčovou součástí infrastruktury pro příští generaci systémů umělé inteligence.