元数学教師が率いるポインデクスターラボ、AI学習データの「壊れた」供給網を修復するために2.8億円を調達

「より大きなモデル」を追い求める競争の裏で、今、最先端AIの開発を密かに阻んでいるのは「学習データの質」です。画像のタグ付けや感情分析といった単純作業のために設計された従来のデータ基盤は、複雑な推論を要求される現代のAIにはもはや対応できていません。この「壊れた」データパイプラインを修復すべく、ロンドン発のAIデータ企業ポインデクスターラボ（Poindexter Labs）が、2026年6月2日に220万ポンド（約2億8000万円）のシード資金調達を発表しました。

ラウンドを主導したのはロンドンのベンチャーキャピタル、Episode 1。これに加え、Yvonne Bajela氏のEvertrue CapitalやOctopus VenturesのFirst Cheque Fund、さらには同社のプラットフォーム上で活動する数学者や科学者を含むエンジェル投資家グループも参加しています。

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。