Pendapatan Dulu, Modal Ventura Kemudian

Menariknya, pendiri Poindexter Labs, Jocelyn D'Arcy—seorang mantan guru matematika—berhasil membangun bisnisnya secara mandiri (bootstrapping) hingga meraih pendapatan £1,6 juta sebelum menerima pendanaan ventura eksternal sepeser pun . Kemampuan perusahaan untuk mencapai pendapatan tujuh digit tanpa modal institusional ini menandakan kesesuaian produk-pasar (product-market fit) yang sangat langka di tahap pendanaan awal, khususnya di bidang infrastruktur AI.

Masalah Utama: Penalaran Pakar Jadi Kemacetan Baru

Model AI canggih kini tidak lagi sekadar membutuhkan lebih banyak data, melainkan data yang lebih berkualitas. Untuk melatih model menyelesaikan soal kalkulus rumit, menyusun argumen hukum, atau menalar melalui pembuktian fisika bertingkat, diperlukan dataset yang menangkap rantai penalaran pakar yang autentik, bukan sekadar jawaban akhir yang benar. Platform anotasi tradisional tidak cocok untuk tugas ini karena mereka dirancang untuk alur kerja pelabelan searah, di mana seorang pekerja menyelesaikan tugas secara terisolasi .

Poindexter Labs menyebut model warisan ini sebagai rantai pasok data yang "rusak" untuk AI frontier . Perusahaan ini fokus memproduksi apa yang mereka sebut sebagai "dataset pelatihan dan evaluasi dengan ketelitian tinggi" (high-fidelity training and evaluation datasets), yang mencakup pembuktian, jejak rantai pemikiran (chain-of-thought), logika multi-hop, serta catatan langkah detail di berbagai domain seperti STEM, hukum, medis, keuangan, dan teknik .

Syncronus: Platform Peer-Review, Bukan Sekadar Lini Perakitan Label

Jawaban teknis perusahaan ini adalah platform bernama Syncronus. Alih-alih menggunakan model anotator tunggal yang bekerja sendiri-sendiri, Syncronus menghadirkan proses peer-review yang terstruktur dan kolaboratif . Soal-soal kompleks dibuat dan kemudian ditinjau oleh jaringan kontributor tervalidasi yang terdiri dari peraih medali Olimpiade sains, pemegang gelar PhD, dan profesor .

Tugas tipikal di platform ini bisa berupa menulis soal ilmu komputer orisinal yang membutuhkan solusi pembuktian multi-langkah. Solusinya dicatat dengan bukti proses lengkap—seperti coretan penalaran, log langkah, dan LaTeX diffs—yang kemudian ditinjau oleh pakar lain untuk memastikan kebenaran dan kejelasannya . Pendekatan ini menciptakan jejak kertas dari kognisi pakar yang dapat langsung digunakan untuk set instruksi-tuning dan kurikulum penalaran, atau untuk menjalankan fine-tune model skala kecil hingga menengah .

Poindexter melisensikan platform Syncronus kepada perusahaan dan badan pemerintah yang ingin membuat dataset kurasi mereka sendiri. Mereka juga menjalankan layanan anotasi data internal yang menghasilkan dataset siap pakai yang telah ditinjau sejawat langsung kepada laboratorium AI frontier .

Kemana Dana Ini Akan Mengalir

Perusahaan berencana menggunakan modal baru ini terutama untuk mempercepat pengembangan platform Syncronus dan memperluas jaringan kontributor mereka . Seiring meningkatnya permintaan dari laboratorium AI yang membutuhkan data penalaran berkualitas tinggi untuk pelatihan sekaligus evaluasi, perusahaan ini berjudi bahwa model bisnisnya—yang menggabungkan teknologi platform dengan jaringan manusia elit—dapat menjadi komponen infrastruktur penting bagi sistem AI generasi berikutnya.

Pendapatan Dulu, Modal Ventura Kemudian

Menariknya, pendiri Poindexter Labs, Jocelyn D'Arcy—seorang mantan guru matematika—berhasil membangun bisnisnya secara mandiri (bootstrapping) hingga meraih pendapatan £1,6 juta sebelum menerima pendanaan ventura eksternal sepeser pun . Kemampuan perusahaan untuk mencapai pendapatan tujuh digit tanpa modal institusional ini menandakan kesesuaian produk-pasar (product-market fit) yang sangat langka di tahap pendanaan awal, khususnya di bidang infrastruktur AI.

Masalah Utama: Penalaran Pakar Jadi Kemacetan Baru

Model AI canggih kini tidak lagi sekadar membutuhkan lebih banyak data, melainkan data yang lebih berkualitas. Untuk melatih model menyelesaikan soal kalkulus rumit, menyusun argumen hukum, atau menalar melalui pembuktian fisika bertingkat, diperlukan dataset yang menangkap rantai penalaran pakar yang autentik, bukan sekadar jawaban akhir yang benar. Platform anotasi tradisional tidak cocok untuk tugas ini karena mereka dirancang untuk alur kerja pelabelan searah, di mana seorang pekerja menyelesaikan tugas secara terisolasi .

Poindexter Labs menyebut model warisan ini sebagai rantai pasok data yang "rusak" untuk AI frontier . Perusahaan ini fokus memproduksi apa yang mereka sebut sebagai "dataset pelatihan dan evaluasi dengan ketelitian tinggi" (high-fidelity training and evaluation datasets), yang mencakup pembuktian, jejak rantai pemikiran (chain-of-thought), logika multi-hop, serta catatan langkah detail di berbagai domain seperti STEM, hukum, medis, keuangan, dan teknik .

Syncronus: Platform Peer-Review, Bukan Sekadar Lini Perakitan Label

Jawaban teknis perusahaan ini adalah platform bernama Syncronus. Alih-alih menggunakan model anotator tunggal yang bekerja sendiri-sendiri, Syncronus menghadirkan proses peer-review yang terstruktur dan kolaboratif . Soal-soal kompleks dibuat dan kemudian ditinjau oleh jaringan kontributor tervalidasi yang terdiri dari peraih medali Olimpiade sains, pemegang gelar PhD, dan profesor .

Tugas tipikal di platform ini bisa berupa menulis soal ilmu komputer orisinal yang membutuhkan solusi pembuktian multi-langkah. Solusinya dicatat dengan bukti proses lengkap—seperti coretan penalaran, log langkah, dan LaTeX diffs—yang kemudian ditinjau oleh pakar lain untuk memastikan kebenaran dan kejelasannya . Pendekatan ini menciptakan jejak kertas dari kognisi pakar yang dapat langsung digunakan untuk set instruksi-tuning dan kurikulum penalaran, atau untuk menjalankan fine-tune model skala kecil hingga menengah .

Poindexter melisensikan platform Syncronus kepada perusahaan dan badan pemerintah yang ingin membuat dataset kurasi mereka sendiri. Mereka juga menjalankan layanan anotasi data internal yang menghasilkan dataset siap pakai yang telah ditinjau sejawat langsung kepada laboratorium AI frontier .

Kemana Dana Ini Akan Mengalir

Perusahaan berencana menggunakan modal baru ini terutama untuk mempercepat pengembangan platform Syncronus dan memperluas jaringan kontributor mereka . Seiring meningkatnya permintaan dari laboratorium AI yang membutuhkan data penalaran berkualitas tinggi untuk pelatihan sekaligus evaluasi, perusahaan ini berjudi bahwa model bisnisnya—yang menggabungkan teknologi platform dengan jaringan manusia elit—dapat menjadi komponen infrastruktur penting bagi sistem AI generasi berikutnya.