จุดที่น่าสนใจคือ Jocelyn D'Arcy ผู้ก่อตั้งและอดีตครูคณิตศาสตร์ ได้สร้างธุรกิจด้วยตนเองจนมีรายได้ถึง 1.6 ล้านปอนด์ ก่อนที่จะรับเม็ดเงินลงทุนจากภายนอก ความสามารถในการทำรายได้ระดับหลักล้านปอนด์โดยไม่ใช้เงินสถาบันสะท้อนให้เห็นถึง Product-Market Fit ที่หาได้ยากในสตาร์ทอัพระดับ Seed Round โดยเฉพาะในแวดวงอินฟราสตรัคเจอร์ AI

ปัญหาใหม่ของวงการ: ข้อมูลการคิดวิเคราะห์จากผู้เชี่ยวชาญคือคอขวดตัวใหม่

โมเดล AI ขั้นสูงในปัจจุบันไม่ได้ต้องการแค่ข้อมูลปริมาณมากขึ้น แต่ต้องการข้อมูลที่มี คุณภาพดีขึ้น อย่างมีนัยสำคัญ การฝึกสอนให้โมเดลแก้ปัญหาแคลคูลัสที่ซับซ้อน สร้างข้อโต้แย้งทางกฎหมาย หรือใช้เหตุผลในโจทย์ฟิสิกส์ที่ต้องพิสูจน์หลายขั้นตอน จำเป็นต้องใช้ชุดข้อมูลที่บันทึกกระบวนการคิดเชิงลึกจากผู้เชี่ยวชาญอย่างแท้จริง ไม่ใช่แค่มีคำตอบสุดท้ายที่ถูกต้อง แพลตฟอร์มการสร้างข้อมูลแบบดั้งเดิมนั้นไม่เหมาะกับงานประเภทนี้ เพราะถูกออกแบบมาสำหรับการทำงานแบบเส้นตรงที่ผู้อธิบายข้อมูลเพียงคนเดียวให้คำตัดสินง่ายๆ

Poindexter Labs มองว่าระบบแบบเดิมนี้คือจุดอ่อนในห่วงโซ่อุปทาน AI และเรียกมันว่าท่อส่งข้อมูลที่ "พัง" สำหรับ AI ระดับแนวหน้า บริษัทมุ่งเน้นการผลิตสิ่งที่เรียกว่า "ชุดข้อมูลฝึกสอนและการประเมินผลความเที่ยงตรงสูง" ซึ่งรวมถึงบทพิสูจน์, ร่องรอยการคิดเป็นลำดับขั้น (Chain-of-Thought), การให้เหตุผลแบบหลายขั้นตอน (Multi-hop Logic) และบันทึกขั้นตอนโดยละเอียด ในหลากหลายสาขาตั้งแต่ STEM, กฎหมาย, การแพทย์, การเงิน ไปจนถึงวิศวกรรม

Syncronus: แพลตฟอร์ม Peer-Review ของผู้เชี่ยวชาญ แทนที่สายพานการป้อนข้อมูล

คำตอบทางเทคนิคของบริษัทคือแพลตฟอร์มที่ชื่อว่า Syncronus ซึ่งมาแทนที่รูปแบบการทำงานของผู้ให้ข้อมูลแบบแยกส่วน ด้วยกระบวนการ Peer-Review แบบมีโครงสร้างและทำงานร่วมกัน โจทย์ต่างๆ จะถูกสร้างขึ้นและตรวจทานโดยเครือข่ายผู้เชี่ยวชาญที่ผ่านการคัดกรองแล้ว ซึ่งรวมถึงผู้ชนะเลิศโอลิมปิกวิชาการ, ผู้จบการศึกษาระดับปริญญาเอก และอาจารย์มหาวิทยาลัย แทนที่จะเป็นผู้รับเหมาเพียงคนเดียวทำงานตามลำพัง

ตัวอย่างงานทั่วไปบนแพลตฟอร์มอาจเป็นการสร้างโจทย์วิทยาการคอมพิวเตอร์ต้นฉบับที่ต้องใช้การพิสูจน์หลายขั้นตอน วิธีแก้โจทย์จะถูกบันทึกพร้อมหลักฐานกระบวนการทั้งหมด ไม่ว่าจะเป็นความคิดเบื้องต้น, บันทึกขั้นตอน, และ LaTeX diffs ซึ่งจะถูกตรวจสอบโดยผู้เชี่ยวชาญอีกคนหนึ่งในเรื่องความถูกต้องและความชัดเจน กระบวนการนี้สร้างร่องรอยทางเอกสารของกระบวนการคิดระดับผู้เชี่ยวชาญ ซึ่งสามารถนำไปใช้โดยตรงกับชุดข้อมูลสำหรับการปรับแต่งคำสั่ง (Instruction-tuning) และหลักสูตรการใช้เหตุผล หรือใช้สำหรับการปรับแต่งโมเดลแบบละเอียดขนาดเล็กถึงปานกลาง

Poindexter ให้สิทธิ์การใช้งานแพลตฟอร์ม Syncronus แก่องค์กรธุรกิจและหน่วยงานภาครัฐที่ต้องการสร้างชุดข้อมูลที่ผ่านการคัดสรรโดยผู้เชี่ยวชาญของตนเอง นอกจากนี้ยังมีบริการสร้างข้อมูลภายในองค์กร (In-house Data Annotation Service) ที่ส่งมอบชุดข้อมูลที่ผ่านการ Peer-Review อย่างสมบูรณ์ให้แก่ห้องปฏิบัติการ AI ระดับแนวหน้าโดยตรง

แผนการใช้เงินทุนระดมใหม่

บริษัทวางแผนที่จะใช้เงินทุนใหม่นี้เพื่อเร่งการพัฒนาแพลตฟอร์ม Syncronus เป็นหลัก และเพื่อขยายเครือข่ายผู้มีส่วนร่วมให้กว้างขวางยิ่งขึ้น ในขณะที่ความต้องการจากห้องปฏิบัติการ AI ที่ต้องการข้อมูลการให้เหตุผลคุณภาพสูงสำหรับทั้งการฝึกสอนและการประเมินผลกำลังเติบโตขึ้น บริษัทเชื่อว่ารูปแบบธุรกิจของตนที่ผสานเทคโนโลยีแพลตฟอร์มเข้ากับเครือข่ายมนุษย์ชั้นยอด จะสามารถกลายเป็นโครงสร้างพื้นฐานชิ้นสำคัญสำหรับระบบ AI ในยุคต่อไป

จุดที่น่าสนใจคือ Jocelyn D'Arcy ผู้ก่อตั้งและอดีตครูคณิตศาสตร์ ได้สร้างธุรกิจด้วยตนเองจนมีรายได้ถึง 1.6 ล้านปอนด์ ก่อนที่จะรับเม็ดเงินลงทุนจากภายนอก ความสามารถในการทำรายได้ระดับหลักล้านปอนด์โดยไม่ใช้เงินสถาบันสะท้อนให้เห็นถึง Product-Market Fit ที่หาได้ยากในสตาร์ทอัพระดับ Seed Round โดยเฉพาะในแวดวงอินฟราสตรัคเจอร์ AI

ปัญหาใหม่ของวงการ: ข้อมูลการคิดวิเคราะห์จากผู้เชี่ยวชาญคือคอขวดตัวใหม่

โมเดล AI ขั้นสูงในปัจจุบันไม่ได้ต้องการแค่ข้อมูลปริมาณมากขึ้น แต่ต้องการข้อมูลที่มี คุณภาพดีขึ้น อย่างมีนัยสำคัญ การฝึกสอนให้โมเดลแก้ปัญหาแคลคูลัสที่ซับซ้อน สร้างข้อโต้แย้งทางกฎหมาย หรือใช้เหตุผลในโจทย์ฟิสิกส์ที่ต้องพิสูจน์หลายขั้นตอน จำเป็นต้องใช้ชุดข้อมูลที่บันทึกกระบวนการคิดเชิงลึกจากผู้เชี่ยวชาญอย่างแท้จริง ไม่ใช่แค่มีคำตอบสุดท้ายที่ถูกต้อง แพลตฟอร์มการสร้างข้อมูลแบบดั้งเดิมนั้นไม่เหมาะกับงานประเภทนี้ เพราะถูกออกแบบมาสำหรับการทำงานแบบเส้นตรงที่ผู้อธิบายข้อมูลเพียงคนเดียวให้คำตัดสินง่ายๆ

Poindexter Labs มองว่าระบบแบบเดิมนี้คือจุดอ่อนในห่วงโซ่อุปทาน AI และเรียกมันว่าท่อส่งข้อมูลที่ "พัง" สำหรับ AI ระดับแนวหน้า บริษัทมุ่งเน้นการผลิตสิ่งที่เรียกว่า "ชุดข้อมูลฝึกสอนและการประเมินผลความเที่ยงตรงสูง" ซึ่งรวมถึงบทพิสูจน์, ร่องรอยการคิดเป็นลำดับขั้น (Chain-of-Thought), การให้เหตุผลแบบหลายขั้นตอน (Multi-hop Logic) และบันทึกขั้นตอนโดยละเอียด ในหลากหลายสาขาตั้งแต่ STEM, กฎหมาย, การแพทย์, การเงิน ไปจนถึงวิศวกรรม

Syncronus: แพลตฟอร์ม Peer-Review ของผู้เชี่ยวชาญ แทนที่สายพานการป้อนข้อมูล

คำตอบทางเทคนิคของบริษัทคือแพลตฟอร์มที่ชื่อว่า Syncronus ซึ่งมาแทนที่รูปแบบการทำงานของผู้ให้ข้อมูลแบบแยกส่วน ด้วยกระบวนการ Peer-Review แบบมีโครงสร้างและทำงานร่วมกัน โจทย์ต่างๆ จะถูกสร้างขึ้นและตรวจทานโดยเครือข่ายผู้เชี่ยวชาญที่ผ่านการคัดกรองแล้ว ซึ่งรวมถึงผู้ชนะเลิศโอลิมปิกวิชาการ, ผู้จบการศึกษาระดับปริญญาเอก และอาจารย์มหาวิทยาลัย แทนที่จะเป็นผู้รับเหมาเพียงคนเดียวทำงานตามลำพัง

ตัวอย่างงานทั่วไปบนแพลตฟอร์มอาจเป็นการสร้างโจทย์วิทยาการคอมพิวเตอร์ต้นฉบับที่ต้องใช้การพิสูจน์หลายขั้นตอน วิธีแก้โจทย์จะถูกบันทึกพร้อมหลักฐานกระบวนการทั้งหมด ไม่ว่าจะเป็นความคิดเบื้องต้น, บันทึกขั้นตอน, และ LaTeX diffs ซึ่งจะถูกตรวจสอบโดยผู้เชี่ยวชาญอีกคนหนึ่งในเรื่องความถูกต้องและความชัดเจน กระบวนการนี้สร้างร่องรอยทางเอกสารของกระบวนการคิดระดับผู้เชี่ยวชาญ ซึ่งสามารถนำไปใช้โดยตรงกับชุดข้อมูลสำหรับการปรับแต่งคำสั่ง (Instruction-tuning) และหลักสูตรการใช้เหตุผล หรือใช้สำหรับการปรับแต่งโมเดลแบบละเอียดขนาดเล็กถึงปานกลาง

Poindexter ให้สิทธิ์การใช้งานแพลตฟอร์ม Syncronus แก่องค์กรธุรกิจและหน่วยงานภาครัฐที่ต้องการสร้างชุดข้อมูลที่ผ่านการคัดสรรโดยผู้เชี่ยวชาญของตนเอง นอกจากนี้ยังมีบริการสร้างข้อมูลภายในองค์กร (In-house Data Annotation Service) ที่ส่งมอบชุดข้อมูลที่ผ่านการ Peer-Review อย่างสมบูรณ์ให้แก่ห้องปฏิบัติการ AI ระดับแนวหน้าโดยตรง

แผนการใช้เงินทุนระดมใหม่

บริษัทวางแผนที่จะใช้เงินทุนใหม่นี้เพื่อเร่งการพัฒนาแพลตฟอร์ม Syncronus เป็นหลัก และเพื่อขยายเครือข่ายผู้มีส่วนร่วมให้กว้างขวางยิ่งขึ้น ในขณะที่ความต้องการจากห้องปฏิบัติการ AI ที่ต้องการข้อมูลการให้เหตุผลคุณภาพสูงสำหรับทั้งการฝึกสอนและการประเมินผลกำลังเติบโตขึ้น บริษัทเชื่อว่ารูปแบบธุรกิจของตนที่ผสานเทคโนโลยีแพลตฟอร์มเข้ากับเครือข่ายมนุษย์ชั้นยอด จะสามารถกลายเป็นโครงสร้างพื้นฐานชิ้นสำคัญสำหรับระบบ AI ในยุคต่อไป