Micro1 når 500 miljoner dollar i årstakt – därför behövs fortfarande människor för AI

Micro1:s snabba tillväxt visar att AI-bolag fortfarande är beroende av sällsynt och specialiserad mänsklig kompetens – även när allt större delar av modellutvecklingen automatiseras. Den fyra år gamla startupen uppges ha ökat sin bruttoårstakt från 100 miljoner till 500 miljoner dollar på åtta månader genom att förmedla granskade experter och bygga dataprodukter för modellträning, utvärdering och robotik. 17

Siffrorna behöver dock läsas med viss försiktighet. En bruttoårstakt är ett uppräknat mått på värdet av det arbete som passerar genom bolaget, inte samma sak som reviderad årsomsättning, vinst eller faktiskt inbetalda pengar. Enligt rapporteringen behåller Micro1 omkring 60–70 procent av bruttofaktureringen, samtidigt som nettoårstakten uppskattas till 150–200 miljoner dollar. Uppgifterna går inte matematiskt helt ihop: 60–70 procent av 500 miljoner dollar skulle motsvara ett högre belopp. Skillnaden kan bero på olika definitioner av bruttoomsättning, andel som behålls och nettointäkter. Uppskattningen bör därför ses som preliminär. 6 9 17

Därför är Micro1:s tillväxt viktig

Micro1 rekryterar specialister inom bland annat medicin, juridik och naturvetenskap för att skapa, granska och utvärdera data åt AI-utvecklare. Arbetet kan handla om att bedöma modellsvar, skapa resonemangsdata och ge återkoppling som används när modeller finjusteras efter den första träningen. 1 6

Den större marknadsmöjligheten bygger på en enkel begränsning: de mest avancerade AI-systemen behöver mer än beräkningskraft och stora mängder text från internet. De behöver också kvalitativa exempel, expertbedömningar, utvärderingar och demonstrationer av hur människor löser svåra – ibland fysiska – uppgifter. När lättillgängliga data blir mindre användbara kan egenproducerade mänskliga data bli en återkommande flaskhals, sida vid sida med beräkningskapacitet. 1 6

Det betyder inte att AI-branschen med säkerhet kommer att lägga lika mycket pengar på data som på beräkningskraft. Men det förklarar varför investerare och modellutvecklare allt oftare betraktar specialiserade mänskliga data som strategisk infrastruktur, snarare än som en enkel och lågmarginalbaserad märkningstjänst.

Micro1 jämfört med Mercor och Handshake

Micro1:s rapporterade bruttoårstakt på 500 miljoner dollar är betydande, men inte störst i kategorin. TechCrunch har rapporterat att Mercor nått 2 miljarder dollar i bruttoårstakt och att Handshake nått 1 miljard dollar. 17

Jämförelsen är inte helt rättvisande eftersom bolagen kan definiera bruttoomsättning, nettoomsättning och årstakt på olika sätt. Ändå pekar storleksordningen på att efterfrågan på data från mänskliga experter är tillräckligt bred för att bära flera snabbt växande leverantörer.

Micro1 positionerar sig dessutom som något mer än en ren bemanningsplattform. Bolagets erbjudande kombinerar rekrytering och kontroll av experter med miljöer för utvärdering, framställning av syntetiska data och datamängder som potentiellt kan återanvändas av flera kunder.

Från AI-rekrytering till datainfrastruktur

Micro1 började som ett AI-rekryteringsbolag. Enligt rapporteringen om företagets historia lade grundaren Ali Ansari märke till att kunder som köpte datamärkning använde Micro1:s rekryteringsplattform för att hitta och kontrollera ingenjörer inom annotering. Det ledde till att bolaget skiftade fokus mot datamärkning och människoskapade träningsdata. 1 15

Skiftet gjorde rekryteringsmjukvaran till ett verktyg för att snabbt samla specialiserad arbetskraft till AI-projekt. I stället för att bara hjälpa ett företag att anställa en medarbetare kunde Micro1 organisera experter för avgränsade tränings- och utvärderingsuppgifter – och hantera hela arbetsflödet.

Bolagets nuvarande produktinriktning omfattar tre sammanlänkade områden:

• Efterträning och utvärdering med experter: Specialister bedömer modellernas resultat och ger omdömen eller återkoppling i det Micro1 beskriver som ”förstärkningsinlärningsgym”. 1
• Syntetiska data: Bolaget arbetar enligt rapporteringen med automatiskt genererat material, bland annat videobeskrivningar, för att öka mängden användbara träningsdata. 1
• Data för robotik: Micro1 bygger en förträningsdatamängd genom inspelningar där deltagare interagerar med vanliga hushållsföremål. Materialet ska visa hur vardagliga fysiska uppgifter utförs. 1 15

Tillsammans flyttar dessa produkter bolaget bort från traditionell datamärkning. Målet är i stället att äga systemen och datamängderna som omvandlar mänsklig expertis till träningssignaler för språkmodeller, AI-agenter och robotar.

Återanvändbara datamängder kan förändra ekonomin

Avtalsbaserat expertarbete är vanligtvis kopplat till ett specifikt projekt: kunden betalar för en uppgift och leverantören behåller en del av faktureringen. Återanvändbara datamängder, så kallade standardiserade eller ”off-the-shelf”-dataset, fungerar annorlunda. Om en datamängd får användas juridiskt, är tillräckligt unik och har värde för flera utvecklare kan den i princip licensieras mer än en gång.

Det är därför rapporteringen kopplat återanvändbara och syntetiska datamängder till möjliga bruttomarginaler på 80–90 procent. Det är en framåtblickande förväntan, inte ett bekräftat aktuellt resultat. Marginalerna skulle bero på kostnaden för att samla in och kvalitetssäkra materialet, om kunderna uppfattar det som särskiljande och om bolaget har tydliga rättigheter att licensiera det. 1 9

Större kontrakt kan också påskynda tillväxten, men innebär koncentrations- och genomföranderisker. Ett bolag som levererar data till de mest avancerade AI-labben måste säkra expertkvaliteten, skydda känslig information, dokumentera samtycke och äganderätt samt kunna visa att datamängderna faktiskt förbättrar modellerna – inte bara ökar volymen.

Kontroversen kring försäljning av återanvändbara data till Kina

Möjligheten att sälja datamängder flera gånger väcker en geopolitisk fråga: bör data som skapats av experter i USA kunna göras tillgängliga för flera modellutvecklare, även bolag i Kina? Kritiker oroar sig för att återanvändbara träningsdata kan stärka AI-system i länder som USA betraktar som strategiska konkurrenter. 1

Ali Ansari har sagt att Micro1 inte säljer sina data till kinesiska modellutvecklare. Han har också kritiserat icke namngivna företag inom mänskliga AI-data för att samarbeta med ”utländska motståndare”. Enligt Ansari är det motsägelsefullt att tala om amerikanskt AI-ledarskap och samtidigt sälja stora mängder data till länder som USA konkurrerar strategiskt med. 33 35

Detta är Micro1:s uttalade policy och Ansaris beskrivning av marknaden. Den tillgängliga rapporteringen identifierar inte oberoende vilka konkurrenter som säljer datamängder till kinesiska utvecklare och fastställer inte heller hela branschens arbetssätt. Konflikten är därför både en policyfråga och ett konkurrensbudskap.

Vad som är känt om Micro1:s värdering

Micro1 tog enligt rapporteringen in 35 miljoner dollar i en A-runda i september 2025, till en värdering på 500 miljoner dollar. 15 7

Senare rapporter har nämnt möjligheten av en finansieringsrunda till en betydligt högre värdering. Det tillgängliga underlaget fastställer dock varken belopp, värdering, investerare eller om en sådan runda faktiskt slutfördes. Den bör därför inte betraktas som bekräftad.

Den större slutsatsen

Micro1:s utveckling illustrerar ett skifte i AI-industrins leveranskedja. Den värdefulla produkten är inte längre bara en pool av annoterare, utan kombinationen av pålitliga experter, arbetsflöden för utvärdering, egenproducerade exempel, system för syntetiska data och tydliga rättigheter till materialet.

Siffran 500 miljoner dollar bör framför allt ses som en signal om efterfrågan – inte som ett tydligt mått på lönsamhet. Micro1 är fortfarande mindre än de största rapporterade konkurrenterna, och bolagets brutto- och nettofigurer kräver försiktighet. Men skiftet från rekrytering till infrastruktur för mänskliga data visar varför AI-bolag fortsätter att betala för kvalificerade mänskliga bedömningar – och varför nästa konkurrensfas kan handla om vem som kontrollerar de mest sällsynta och användbara träningsdata.