VCより先に「売上」を選んだ元数学教師

このスタートアップで最も異彩を放つのは、創業者のジョスリン・ダーシー氏の経歴と経営判断です。元数学教師である彼女は、外部のベンチャーキャピタル（VC）からの資金調達を一切受けずに、まず160万ポンド（約2億3000万円）の売上を達成しました。VCの資金注入なしに7桁（100万ポンド超）の収益を叩き出した事実は、特にAIインフラ分野のシード段階の企業としては極めて稀な「プロダクト・マーケット・フィット」の証左と言えるでしょう。

本当のボトルネックは「凡人」のデータだった

なぜ、専門家によるデータがそこまで重要なのか。理由は単純で、高度なAIが学ぶべき「お手本」が不足しているからです。AIに高度な微積分を解かせたり、法的な論証を構築させたりするには、単なる「最終的な正解」ではなく、その正解に至るまでの「本物の専門家の思考の連鎖」が必要です。ところが、従来のデータ作成現場は、単純作業者に一つずつラベルを貼らせる「ベルトコンベア式」の設計から抜け出せていませんでした。

そこでポインデクスターラボは、STEM（科学・技術・工学・数学）や法律、医療といった高度な専門領域において、「証明」「思考の連鎖」「多段階の論理展開」などを克明に記録した高品質のデータセットを構築しています。

「孤独なラベリング」から「査読付き共創」へ：プラットフォーム「Syncronus」

同社の中核技術は「Syncronus（シンクロナス）」と呼ばれるプラットフォームです。最大の特徴は、従来の「単独作業」を「構造化された査読プロセス」に置き換えた点にあります。

ここで仕事を請け負うのは、数学オリンピックのメダリストや博士号保持者、大学教授といった、厳格な審査を通過したエリート専門家たちです。彼らは問題を解くだけでなく、自ら「オリジナルのコンピューターサイエンス問題」を作成し、解答に至るまでの思考の痕跡（手書きメモや段階的な変更履歴）を全て証拠として提出。それが別の専門家による査読で正確性と明快さを審査されることで、「生きた専門知の紙の証跡」が完成します。

このプロセスは、AIの指示チューニング用セットや小〜中規模の追加学習（ファインチューンニング）にそのまま活用できるというわけです。同社はこのプラットフォームを企業や政府機関向けにライセンス提供するほか、自社内で完結するデータ作成サービスも展開しています。

資金の使い道：次のAI世代をつくる「見えざる頭脳」へ

ポインデクスターラボは今回調達した資金を、プラットフォーム「Syncronus」の更なる開発と、専門家ネットワークの拡大に投じる予定です。質の高い推論データへの需要が爆発的に高まる中、テクノロジーと人間の叡智を組み合わせた同社のモデルは、次世代AIを支える不可欠なインフラとなる可能性を秘めています。

VCより先に「売上」を選んだ元数学教師

このスタートアップで最も異彩を放つのは、創業者のジョスリン・ダーシー氏の経歴と経営判断です。元数学教師である彼女は、外部のベンチャーキャピタル（VC）からの資金調達を一切受けずに、まず160万ポンド（約2億3000万円）の売上を達成しました。VCの資金注入なしに7桁（100万ポンド超）の収益を叩き出した事実は、特にAIインフラ分野のシード段階の企業としては極めて稀な「プロダクト・マーケット・フィット」の証左と言えるでしょう。

本当のボトルネックは「凡人」のデータだった

なぜ、専門家によるデータがそこまで重要なのか。理由は単純で、高度なAIが学ぶべき「お手本」が不足しているからです。AIに高度な微積分を解かせたり、法的な論証を構築させたりするには、単なる「最終的な正解」ではなく、その正解に至るまでの「本物の専門家の思考の連鎖」が必要です。ところが、従来のデータ作成現場は、単純作業者に一つずつラベルを貼らせる「ベルトコンベア式」の設計から抜け出せていませんでした。

そこでポインデクスターラボは、STEM（科学・技術・工学・数学）や法律、医療といった高度な専門領域において、「証明」「思考の連鎖」「多段階の論理展開」などを克明に記録した高品質のデータセットを構築しています。

「孤独なラベリング」から「査読付き共創」へ：プラットフォーム「Syncronus」

同社の中核技術は「Syncronus（シンクロナス）」と呼ばれるプラットフォームです。最大の特徴は、従来の「単独作業」を「構造化された査読プロセス」に置き換えた点にあります。

ここで仕事を請け負うのは、数学オリンピックのメダリストや博士号保持者、大学教授といった、厳格な審査を通過したエリート専門家たちです。彼らは問題を解くだけでなく、自ら「オリジナルのコンピューターサイエンス問題」を作成し、解答に至るまでの思考の痕跡（手書きメモや段階的な変更履歴）を全て証拠として提出。それが別の専門家による査読で正確性と明快さを審査されることで、「生きた専門知の紙の証跡」が完成します。

このプロセスは、AIの指示チューニング用セットや小〜中規模の追加学習（ファインチューンニング）にそのまま活用できるというわけです。同社はこのプラットフォームを企業や政府機関向けにライセンス提供するほか、自社内で完結するデータ作成サービスも展開しています。

資金の使い道：次のAI世代をつくる「見えざる頭脳」へ

ポインデクスターラボは今回調達した資金を、プラットフォーム「Syncronus」の更なる開発と、専門家ネットワークの拡大に投じる予定です。質の高い推論データへの需要が爆発的に高まる中、テクノロジーと人間の叡智を組み合わせた同社のモデルは、次世代AIを支える不可欠なインフラとなる可能性を秘めています。