Mercor הודיעה ב-10 בנובמבר 2026 על גיוס של 750 מיליון דולר בסבב D לפי שווי של 20 מיליארד דולר. החברה, שמחברת מומחיות אנושית לאימון ולהערכת מערכות AI, מתכננת להרחיב את התשתית שלה אל ארגונים שרוצים לבדוק כיצד סוכנים מתפקדים בעבודה שלהם, ולא רק במבחנים כלליים.
לפי הודעת Mercor, הסבב כלל גם הצעת רכישה של מניות עובדים. החברה לא פרסמה כיצד מתחלק הסכום בין רכישת מניות קיימות לבין הון חדש שנכנס לקופתה. לכן אין להתייחס אוטומטית לכל 750 מיליון הדולר כתקציב חדש למחקר או להרחבת הפעילות.
Reuters מדווח שהשווי כפול מזה של אוקטובר 2025, אז הוערכה Mercor בכ-10 מיליארד דולר. השינוי בשווי מתאר את התמחור בסבבי ההשקעה. הוא אינו מעיד כשלעצמו על הכפלה בהכנסות, במספר הלקוחות או באיכות המודלים. הודעת הסבב הנוכחי אינה מפרסמת נתון הכנסות או קצב הכנסות שנתי.
לבדוק את העבודה שהחברה באמת עושה
Mercor מתארת תשתית שנועדה לאמן ולהעריך מודלים במשימות מקצועיות בעזרת בני אדם בעלי ידע בתחום. במסגרת ההתרחבות לארגונים, היא בונה מבחני הערכה המותאמים לתהליכי העבודה שלהם. השאלה אינה רק אם המודל נותן תשובה טובה, אלא אם הוא משלים משימה לפי הדרישות, המערכות וכללי האיכות של החברה.
אפשר להבין את ההבדל באמצעות דוגמה עקרונית: יכולת לנסח מסמך אינה מוכיחה שהסוכן יודע לבחור את הרשומה הנכונה, להשתמש בגרסה העדכנית ולהעביר את התוצאה לאישור המתאים. זו אינה תוצאה של ניסוי ש-Mercor פרסמה, אלא המחשה לפער בין מיומנות כללית לבין עבודה בתוך תהליך ארגוני מוגדר.
מבחן מותאם מתחיל לכן בהגדרת הצלחה. הצוות צריך להחליט מה נחשב השלמה נכונה, איזה מידע מותר להשתמש בו ואילו טעויות מחייבות עצירה. בלי הגדרות כאלה, ציון גבוה עלול להיות קשה לפירוש: לא ברור אם הוא מודד את הדבר שהארגון צריך או רק את מה שקל היה לבדוק.
המומחים מספקים יותר מאוסף תשובות
לפי Mercor, רשת המומחים שלה כוללת יותר מ-5 מיליון אנשים. זהו נתון שהחברה מציגה על הרשת שלה, ולא מספר העובדים שהיא מעסיקה כשכירים או מספר האנשים העובדים בכל רגע על פרויקט מסוים. ההבחנה חשובה במיוחד כאשר משתמשים בגודל הרשת כדי להסביר את היקף הפעילות.
הערך של מומחיות בתחום אינו מסתכם בידיעה מהי התשובה הנכונה. עבודה מקצועית כוללת גם סדר פעולות, חריגים, שיקול דעת ודרישות של ארגון מסוים. לפי תיאור החברה, מבחני ההערכה אמורים לתרגם את הדרישות האלה למשימות שאפשר לבדוק, ולהצביע על המקומות שבהם המודל זקוק לאימון נוסף או לתרגול.
מנקודת מבט של לקוח, גודל הרשת אינו מחליף שאלות על התאמת המומחים. חשוב להבין מי מגדיר את הקריטריונים, כיצד מטפלים במחלוקת בין בודקים ואיך מעדכנים את המבחן כאשר תהליך העבודה משתנה. אלה מרכיבי איכות שאינם נלמדים ממספר המשתתפים לבדו, גם כאשר מדובר ברשת רחבה מאוד.
Deeptune מוסיפה מקום שבו סוכנים יכולים להתאמן
Mercor מציינת כי רכשה השנה את Deeptune, שהצוות שלה בנה מחדש מאות יישומים ארגוניים כסביבות שבהן סוכנים יכולים לתרגל תהליכי עבודה. החיבור נועד לצרף את הידע המקצועי ואת מבחני ההערכה לסביבה שמדמה את המקום שבו העבודה מתבצעת בפועל.
כאן נכנס ההבדל בין הערכה לבין אימון. הערכה בודקת איך מערכת מתפקדת מול דרישה מסוימת; אימון נוסף מבקש לשנות את יכולותיה. סביבה לתרגול מאפשרת להריץ משימה שוב, לבחון את התוצאה ולספק משוב. אין להסיק מכך שכל חזרה משפרת ביצועים, או שהצלחה בסביבה מדומה מבטיחה הצלחה במערכת האמיתית.
לארגון יש לכן עניין גם במידת הדמיון בין סביבת האימון לעבודה היומיומית. הבדלים בהרשאות, בנתונים או בהתנהגות הממשק יכולים לשנות את המשימה. בבחינת מערכת כזאת, כדאי להגדיר אילו תנאים חייבים להישמר בבדיקה, ואילו פערים ידרשו בדיקה נוספת לפני שמעבירים לסוכן אחריות רחבה יותר.
משקיעים רבים, בלי מוביל שהחברה הכריזה עליו
רשימת המשתתפים שפרסמה Mercor כוללת את Benchmark, Felicis, Fundomo, קרנות המנוהלות בידי חברות קשורות ל-Apollo, וכן G Squared, General Catalyst, Glade Brook Capital, NVIDIA, Salesforce, Sapphire Ventures, StepStone Group, XTX Ventures ו-Zoom. החברה אינה מציינת בהודעתה משקיע מוביל לסבב.
עצם הופעתן של חברות טכנולוגיה ברשימה אינה הודעה על הסכם מסחרי חדש, שילוב מוצר או שותפות להפצת השירות. ההודעה מציגה אותן כמשקיעות. הפרדה בין התפקידים האלה מונעת קריאה רחבה מדי של שמות מוכרים, במיוחד בסבב שבו משתתפים גם גופי השקעה וגם חברות שפועלות בעצמן בשוק ה-AI.
Mercor אומרת שהמימון יאיץ את ההשקעה בתשתיות ובמחקר להערכה ולאימון נוסף, ואת בנייתן של סביבות תרגול נוספות. החברה גם פתחה משרדים בניו יורק ובלונדון. אלה כיווני ההתרחבות שפרסמה, אך אין בהודעה חלוקה תקציבית בין האתרים או בין תחומי הפיתוח. גם לוח זמנים מפורט למסירת כל אחת מהיכולות ללקוחות אינו נכלל בהודעה.
עלות ההפעלה נעשית חלק משאלת האיכות
בהודעת הגיוס, המייסד ברנדן פודי כותב כי Mercor מוציאה על הרצת מודלים פי 3 מהסכום שהיא מוציאה על שכר עובדים. זו השוואה שהחברה עצמה מציגה. היא אינה מפרסמת בה את הסכומים המוחלטים, ולכן אי אפשר להשתמש ביחס הזה לבדו כדי לחשב את הוצאותיה או את רווחיותה.
מבחינה מעשית, היחס מפנה תשומת לב לעלות של עבודה עם AI אחרי שהמודל כבר אומן. ארגון שמעריך סוכן צריך לשאול גם כמה עולה להשלים משימה, כמה ניסיונות נדרשים וכמה עבודה אנושית נשארת אחריו. תוצאה טובה שמחייבת הרבה תיקונים יכולה להיות שונה מאוד מאותה תוצאה המתקבלת בתהליך יציב.
הגיוס של Mercor מממן ניסיון להפוך את השאלות האלה לתשתית שאפשר להשתמש בה בתוך חברות. עבור מנהלים, המשימה הראשונה עדיין מתחילה אצלם: לבחור תהליך מוגדר, לקבוע מדדי הצלחה ועלות, ולבחון את הסוכן מול העבודה האמיתית. השווי החדש מספר על ציפיות המשקיעים; הבדיקות הן שיקבעו מה המערכת מסוגלת לעשות עבור הלקוח.