Спочатку виторг — потім інвестиції

Цей кейс вирізняється з-поміж інших: засновниця Джоселін Д'Арсі, колишня вчителька математики, спершу вивела бізнес на виторг у £1,6 млн, не взявши жодного пенні зовнішнього венчурного фінансування . Здатність компанії досягти семизначного доходу без інституційного капіталу свідчить про рідкісну для seed-стадії відповідність продукту ринку, особливо у сфері AI-інфраструктури.

Проблема: експертне міркування як нове «вузьке місце»

Сучасним моделям уже недостатньо просто більшої кількості даних; їм потрібні дані кращої якості. Навчити модель розв'язувати складну задачу з математичного аналізу, вибудовувати юридичну аргументацію чи міркувати над багатокроковим фізичним доведенням — для цього потрібні набори даних, які відображають справжні ланцюги експертних міркувань, а не просто правильні кінцеві відповіді. Традиційні платформи для анотації погано пристосовані до цього завдання, оскільки вони проектувалися для лінійних, однопрохідних процесів розмітки, де один виконавець дає просте судження .

У Poindexter Labs стверджують, що ця застаріла модель є слабкою ланкою в ланцюзі постачання ШІ, і називають такий конвеєр «зламаним» для передового AI . Компанія зосереджується на виробництві того, що вона називає «високоточними навчальними та оцінювальними наборами даних», які містять доведення, сліди ланцюгів міркувань (chain-of-thought), багатокрокову логіку та детальні журнали кроків у сферах STEM, права, медицини, фінансів та інженерії .

Syncronus: платформа рецензування замість конвеєра для розмітки

Технічна відповідь компанії — платформа під назвою Syncronus, яка замінює ізольовану модель анотатора на структурований, колаборативний процес рецензування . Замість того, щоб один підрядник виконував завдання наодинці, задачі створюють, а потім перевіряють учасники відібраної мережі, до якої входять призери олімпіад, PhD та професори .

Типове завдання на платформі може передбачати створення оригінальної задачі з комп'ютерних наук, яка потребує багатокрокового доведення. Розв'язання фіксується з повним описом процесу — чорнові міркування, журнали кроків, LaTeX-виправлення, — після чого його перевіряє окремий експерт на предмет коректності та ясності . У такий спосіб створюється задокументований слід роботи експертної думки, який можна безпосередньо використовувати для наборів інструкційного налаштування (instruction-tuning) та навчальних програм з міркувань або для проведення малих і середніх за масштабом донавчань моделей (fine-tunes) .

Poindexter надає ліцензію на платформу Syncronus підприємствам і державним установам, які хочуть створювати власні куровані експертні набори даних. Крім того, компанія має внутрішній сервіс анотації даних, який постачає готові, рецензовані набори даних безпосередньо провідним AI-лабораторіям .

Куди підуть кошти

Компанія планує використати новий капітал передусім для пришвидшення розробки платформи Syncronus та масштабування мережі експертів-дописувачів . З огляду на зростання попиту з боку AI-лабораторій, які потребують високоякісних даних для міркувань як для навчання, так і для оцінювання, Poindexter Labs робить ставку на те, що її модель — поєднання платформної технології з елітною людською мережею — зможе стати критично важливим елементом інфраструктури для наступного покоління систем штучного інтелекту.

Спочатку виторг — потім інвестиції

Цей кейс вирізняється з-поміж інших: засновниця Джоселін Д'Арсі, колишня вчителька математики, спершу вивела бізнес на виторг у £1,6 млн, не взявши жодного пенні зовнішнього венчурного фінансування . Здатність компанії досягти семизначного доходу без інституційного капіталу свідчить про рідкісну для seed-стадії відповідність продукту ринку, особливо у сфері AI-інфраструктури.

Проблема: експертне міркування як нове «вузьке місце»

Сучасним моделям уже недостатньо просто більшої кількості даних; їм потрібні дані кращої якості. Навчити модель розв'язувати складну задачу з математичного аналізу, вибудовувати юридичну аргументацію чи міркувати над багатокроковим фізичним доведенням — для цього потрібні набори даних, які відображають справжні ланцюги експертних міркувань, а не просто правильні кінцеві відповіді. Традиційні платформи для анотації погано пристосовані до цього завдання, оскільки вони проектувалися для лінійних, однопрохідних процесів розмітки, де один виконавець дає просте судження .

У Poindexter Labs стверджують, що ця застаріла модель є слабкою ланкою в ланцюзі постачання ШІ, і називають такий конвеєр «зламаним» для передового AI . Компанія зосереджується на виробництві того, що вона називає «високоточними навчальними та оцінювальними наборами даних», які містять доведення, сліди ланцюгів міркувань (chain-of-thought), багатокрокову логіку та детальні журнали кроків у сферах STEM, права, медицини, фінансів та інженерії .

Syncronus: платформа рецензування замість конвеєра для розмітки

Технічна відповідь компанії — платформа під назвою Syncronus, яка замінює ізольовану модель анотатора на структурований, колаборативний процес рецензування . Замість того, щоб один підрядник виконував завдання наодинці, задачі створюють, а потім перевіряють учасники відібраної мережі, до якої входять призери олімпіад, PhD та професори .

Типове завдання на платформі може передбачати створення оригінальної задачі з комп'ютерних наук, яка потребує багатокрокового доведення. Розв'язання фіксується з повним описом процесу — чорнові міркування, журнали кроків, LaTeX-виправлення, — після чого його перевіряє окремий експерт на предмет коректності та ясності . У такий спосіб створюється задокументований слід роботи експертної думки, який можна безпосередньо використовувати для наборів інструкційного налаштування (instruction-tuning) та навчальних програм з міркувань або для проведення малих і середніх за масштабом донавчань моделей (fine-tunes) .

Poindexter надає ліцензію на платформу Syncronus підприємствам і державним установам, які хочуть створювати власні куровані експертні набори даних. Крім того, компанія має внутрішній сервіс анотації даних, який постачає готові, рецензовані набори даних безпосередньо провідним AI-лабораторіям .

Куди підуть кошти

Компанія планує використати новий капітал передусім для пришвидшення розробки платформи Syncronus та масштабування мережі експертів-дописувачів . З огляду на зростання попиту з боку AI-лабораторій, які потребують високоякісних даних для міркувань як для навчання, так і для оцінювання, Poindexter Labs робить ставку на те, що її модель — поєднання платформної технології з елітною людською мережею — зможе стати критично важливим елементом інфраструктури для наступного покоління систем штучного інтелекту.