Surge AI tjener milliarder på å løse AI-ens dataproblem

Mangelfull datakvalitet kan få AI-modeller til å hallusinere, gi feil diagnose, eller at selvkjørende biler krasjer. Dette har skapt et voksende marked for merking og kvalitetskontroll av treningsdata, som er verdt 3,8 milliarder dollar i år og ventes å nå 17,1 milliarder dollar innen 2030. Amerikanske Surge AI har posisjonert seg i dette markedet, og har ifølge en fersk rapport kontrakter med de fleste ledende AI-laboratorier, inkludert OpenAI og Anthropic. Selskapet ble startet i 2020 av Edwin Chen, en tidligere ansatt i Twitter, Google og Facebook, som gjentatte ganger opplevde utfordringene med å skaffe store mengder kvalitetsdata. Selskapet har unngått ekstern finansiering, i motsetning til de fleste konkurrenter som har hentet inn milliarder. De har tilpasset produktutvalget sitt til tre store skift i AI-forskningen. Først med merking av data for forhåndstrening, deretter med ettertreningsteknikker som veiledet finjustering (SFT) og forsterkningslæring fra menneskelig tilbakemelding (RLHF), og nå med treningsmiljøer for AI-agenter. Surge AI ansetter over 1 million gig-arbeidere og domeneeksperter fra 50 land. I motsetning til mange konkurrenter, som betaler ned mot 5 dollar i timen, tilbyr Surge AI lønninger fra 25 til 150 dollar i timen, avhengig av ekspertise. Deres fokus på kvalitet er sentralt, spesielt da feilmerking kan føre til at AI-modeller utvikler problematisk atferd som sycofanti eller feilaktig kategorisering av følelser. Selskapet leverer data til modeller som Googles Gemini og Anthropic's Claude, og er bygget på ideen om at mennesker alltid må være involvert for å gjøre AI trygg, kapabel og i tråd med menneskelige verdier. Selv de mest avanserte AI-agentene feilet i snitt 40 prosent av oppgavene i interne studier i 2026.