Micro1s vekst viser hvorfor menneskedata er blitt gull verdt for AI

Micro1s rapporterte vekst er et tegn på at AI-selskaper fortsatt trenger knapp og spesialisert menneskelig innsats, selv om stadig mer av modellutviklingen automatiseres. Den fire år gamle oppstartsbedriften skal ha økt sin brutto årlige run rate – altså verdien av arbeidet som går gjennom selskapet, omregnet til et år – fra 100 millioner til 500 millioner dollar på bare åtte måneder. Selskapet leverer kvalitetssikrede eksperter og utvikler dataprodukter for trening, evaluering og robotikk. 17

500 millioner dollar er ikke det samme som 500 millioner i inntekt

Overskriften krever en viktig presisering. En brutto årlig run rate er et annualisert mål på aktiviteten i virksomheten. Det er ikke det samme som revidert årsinntekt, overskudd eller penger som faktisk er kommet inn på konto.

Ifølge rapporteringen beholder Micro1 rundt 60–70 prosent av bruttofaktureringen. Samtidig er netto årlig run rate anslått til 150–200 millioner dollar. Tallene stemmer imidlertid ikke helt overens: 60–70 prosent av 500 millioner dollar skulle tilsi et høyere beløp. Forskjellen kan skyldes at kildene bruker ulike definisjoner av brutto volum, andel selskapet beholder og nettoinntekt. Anslaget bør derfor behandles som foreløpig. 6 9 17

Hvorfor veksten er viktig

Micro1 rekrutterer fagspesialister – blant annet leger, jurister, forskere og andre høyt kvalifiserte yrkesutøvere – som lager, vurderer og kvalitetssikrer data for AI-utviklere. Arbeidet kan innebære å bedømme modellens svar, lage data som viser hvordan resonnementer utføres, og gi tilbakemeldinger som brukes i videre trening etter grunnopplæringen. 1 6

Behovet handler om en enkel begrensning: De mest avanserte AI-modellene trenger mer enn datakraft og store mengder tekst fra nettet. De trenger også gode eksempler, faglige vurderinger, tester og demonstrasjoner av hvordan mennesker løser vanskelige eller fysiske oppgaver.

Når den lett tilgjengelige nettdataen blir mindre nyttig, kan proprietære data laget av mennesker bli en varig flaskehals – på linje med datakraft. Det betyr ikke at AI-bransjen nødvendigvis vil bruke like mye penger på data som på datakraft. Men det forklarer hvorfor spesialiserte menneskedata i økende grad blir sett på som kritisk infrastruktur, ikke bare som en enkel merketjeneste. 1 6

Micro1 sammenlignet med Mercor og Handshake

Micro1s rapporterte brutto årlige run rate på 500 millioner dollar er betydelig, men ikke størst i denne delen av markedet. TechCrunch har meldt at Mercor har nådd 2 milliarder dollar i brutto annualisert inntekt, mens Handshake har nådd 1 milliard dollar. 17

Sammenligningen er ikke helt direkte. Selskapene kan bruke ulike definisjoner av bruttoinntekt, nettoinntekt og run rate, og tallene er annualiserte anslag. Likevel viser størrelsesordenen at etterspørselen etter data levert av menneskelige eksperter er bred nok til å støtte flere svært raskt voksende leverandører.

Micro1 forsøker dessuten å være mer enn en ren bemanningsplattform. Selskapet kombinerer rekruttering og kvalitetssikring av eksperter med evalueringsmiljøer, produksjon av syntetiske data og datasett som potensielt kan brukes av flere kunder.

Fra AI-rekruttering til datainfrastruktur

Micro1 startet som et AI-rekrutteringsselskap. Ifølge omtalen av selskapets historie oppdaget grunnlegger Ali Ansari at kunder som kjøpte datamerking, brukte Micro1s rekrutteringsplattform til å finne og vurdere ingeniører som jobbet med annotering. Det fikk selskapet til å dreie virksomheten mot datamerking og menneskeskapt treningsdata. 1 15

Rekrutteringsverktøyet ble dermed en måte å sette sammen spesialisert arbeidskraft til AI-prosjekter på. I stedet for bare å hjelpe en bedrift med å ansette en medarbeider, kunne Micro1 organisere eksperter for avgrensede trenings- og evalueringsoppgaver – og administrere hele arbeidsflyten.

Den videre produktstrategien består av tre nært beslektede områder:

• Ekspertbasert ettertrening og evaluering: Spesialister vurderer modellens resultater og gir vurderinger eller tilbakemeldinger i det Micro1 omtaler som «reinforcement-learning gyms». 1
• Syntetiske data: Selskapet skal arbeide med automatisk generert materiale, blant annet videobeskrivelser, for å øke mengden brukbare treningsdata. 1
• Data for robotikk: Micro1 bygger et datasett for forhåndstrening basert på opptak av bidragsytere som håndterer vanlige gjenstander i hjemmet. Målet er å vise hvordan hverdagslige, fysiske oppgaver utføres. 1 15

Samlet flytter dette selskapet forbi tradisjonell datamerking. Målet er å eie systemene og datasettene som omdanner menneskelig ekspertise til treningssignaler for språkmodeller, AI-agenter og roboter.

Gjenbrukbare datasett kan endre økonomien

Ekspertarbeid på kontrakt er vanligvis knyttet til ett bestemt prosjekt: Kunden betaler for en oppgave, og leverandøren beholder en del av faktureringen. Gjenbrukbare datasett – såkalte «off-the-shelf»-datasett – kan gi en annen forretningsmodell. Dersom et datasett kan brukes lovlig, er tilstrekkelig særpreget og har verdi for flere utviklere, kan det potensielt lisensieres flere ganger.

Det er denne gjenbruksmuligheten som ligger bak rapporterte forventninger om brutto marginer på 80–90 prosent for gjenbrukbare og syntetiske datasett. Dette er et fremoverskuende anslag, ikke et bekreftet resultat i dagens virksomhet. Marginene vil avhenge av kostnadene ved å samle inn og kontrollere dataene, om kundene oppfatter dem som unike, og om selskapet har tydelige rettigheter til å lisensiere materialet. 1 9

Større kontrakter kan også gi raskere vekst, men skaper risiko knyttet til kundekonsentrasjon og gjennomføring. En leverandør til de mest avanserte AI-laboratoriene må kunne dokumentere kvaliteten på ekspertene, beskytte sensitiv informasjon, håndtere samtykke og eierskap – og vise at datasettene faktisk forbedrer modellene, i stedet for bare å øke datamengden.

Striden om salg av data til Kina

Muligheten til å selge datasett flere ganger skaper også et geopolitisk spørsmål: Bør data laget av eksperter i USA være tilgjengelig for flere modellutviklere, inkludert selskaper i Kina? Kritikere frykter at gjenbrukbare treningsdata kan styrke AI-systemer i land USA ser på som strategiske konkurrenter. 1

Ali Ansari har sagt at Micro1 ikke selger dataene sine til kinesiske modellutviklere. Han har også kritisert ikke-navngitte selskaper innen menneskedata for å samarbeide med «foreign adversaries» – utenlandske motstandere – og ment at det er selvmotsigende å argumentere for amerikansk AI-lederskap samtidig som man selger store mengder data til land USA konkurrerer strategisk med. 33 35

Dette er Micro1s oppgitte politikk og Ansaris beskrivelse av markedet. Den tilgjengelige rapporteringen identifiserer ikke uavhengig hvilke konkurrenter som eventuelt selger datasett til kinesiske utviklere, eller dokumenterer selskapenes fulle praksis. Konflikten handler derfor både om teknologipolitikk og om hvordan Micro1 posisjonerer seg mot konkurrentene.

Det som er kjent om verdsettelsen

Micro1 hentet ifølge rapporteringen 35 millioner dollar i en serie A-runde i september 2025, til en verdsettelse på 500 millioner dollar. 15 7

Senere omtale har nevnt muligheten for en ny finansieringsrunde til en betydelig høyere verdsettelse. Den tilgjengelige dokumentasjonen fastslår imidlertid ikke beløp, verdsettelse, investorer eller om en slik runde faktisk ble gjennomført. Den bør derfor ikke omtales som bekreftet.

Den store lærdommen

Micro1 illustrerer et skifte i AI-forsyningskjeden. Det verdifulle produktet er ikke lenger bare et stort korps av personer som setter etiketter på data. Det er kombinasjonen av pålitelige eksperter, evalueringsprosesser, egne eksempler, systemer for syntetiske data og tydelige datadrettigheter.

Tallet 500 millioner dollar bør først og fremst leses som et signal om etterspørsel, ikke som et entydig mål på lønnsomhet. Micro1 er fortsatt mindre enn de største rapporterte konkurrentene, og forskjellen mellom brutto- og nettotallene krever varsomhet.

Men dreiningen fra rekruttering til infrastruktur for menneskedata viser hvorfor AI-selskaper fortsatt betaler for menneskelig dømmekraft – og hvorfor neste fase av konkurransen kan handle om hvem som kontrollerer de sjeldneste og mest nyttige treningsdataene.