Datacurve levanta US$ 15 milhões para assumir Scale AI

À medida que as empresas de IA amadurecem, a luta por dados de alta qualidade tornou-se uma das áreas mais competitivas do setor, lançando empresas como Mercor, Surge e, mais proeminentemente, a Scale AI de Alexandr Wang. Mas agora que Wang passou a gerir a IA na Meta, muitos financiadores veem uma abertura – e estão dispostos a financiar empresas com novas estratégias atraentes para a recolha de dados de formação.

O graduado do Y Combinator Curva de dados é uma dessas empresas, com foco em dados de alta qualidade para desenvolvimento de software. Na quinta-feira, a empresa anunciou uma rodada Série A de US$ 15 milhões, liderada por Mark Goldberg da Chemistry com a participação de funcionários da DeepMind, Vercel, Anthropic e OpenAI. A Série A vem após uma rodada inicial de US$ 2,7 milhões, que atraiu investimentos do ex-CTO da Coinbase, Balaji Srinivasan.

A Datacurve usa um sistema de “caçador de recompensas” para atrair engenheiros de software qualificados para completar os conjuntos de dados mais difíceis de obter. A empresa paga por essas contribuições, distribuindo mais de US$ 1 milhão em recompensas até o momento.

Mas a cofundadora Serena Ge (foto acima com o cofundador Charley Lee) diz que a maior motivação não é financeira. Para serviços de alto valor, como desenvolvimento de software, o salário será sempre muito menor pelo trabalho com dados do que pelo emprego convencional – portanto, a vantagem mais importante da empresa é uma experiência positiva para o usuário.

“Tratamos isso como um produto de consumo, não como uma operação de rotulagem de dados”, disse Ge. “Passamos muito tempo pensando: como podemos otimizá-lo para que as pessoas que queremos se interessem e entrem em nossa plataforma?”

Isto é particularmente importante à medida que as necessidades de dados pós-treinamento se tornam mais complexas. Embora os modelos anteriores fossem treinados em conjuntos de dados simples, os produtos de IA atuais dependem de ambientes RL complexos, que precisam ser construídos por meio de coleta de dados específicos e estratégicos. À medida que os ambientes se tornam mais sofisticados, os requisitos de dados tornam-se mais intensos tanto em quantidade quanto em qualidade – um fator que pode dar uma vantagem às empresas de coleta de dados de alta qualidade, como a Datacurve.

Sendo uma empresa em fase inicial, a Datacurve está focada na engenharia de software, mas Ge diz que o modelo pode ser aplicado com a mesma facilidade em áreas como finanças, marketing ou mesmo medicina.

“O que estamos fazendo agora é criar uma infraestrutura para coleta de dados pós-treinamento que atraia e retenha pessoas altamente competentes em suas próprias áreas”, diz Ge.