Mercor（企業）に関するニュース一覧

2026年3月、AIモデル比較サービスを提供していたスタートアップYuppが、サービス開始から1年足らずで事業閉鎖を発表しました。共同創業者のPankaj Gupta氏とGilad Mishne氏がブログで明らかにしています。

Yuppは800以上のAIモデルを無料で試せるクラウドソーシング型のモデル比較サービスでした。OpenAI、Google、Anthropicなどの最先端モデルを含む複数の回答を返し、ユーザーがどのモデルが最適かフィードバックする仕組みです。匿名化されたデータをモデル開発企業に販売するビジネスモデルを構想していました。

同社は130万人のユーザーを獲得し、月間数百万件の評価データを収集するなど一定の成果を上げました。しかし「十分なプロダクトマーケットフィットに到達できなかった」と創業者は説明しています。AI モデルの性能がこの数か月で飛躍的に向上したことが一因とされています。

業界ではScale AIやMercorが先行する手法、すなわちPhDなどの専門家を強化学習ループに組み込むモデルが主流となっています。さらにCEOのGupta氏は「未来はモデル単体ではなくエージェントシステムにある」と述べ、AI同士が利用し合う時代への移行が消費者向けフィードバック事業の存続を困難にしたと示唆しています。

Yuppは2024年にa16z cryptoのChris Dixon氏主導で3300万ドルのシードラウンドを調達していました。Google DeepMindのJeff Dean氏、Twitter共同創業者のBiz Stone氏、PerplexityのCEO Aravind Srinivas氏ら45人超の著名エンジェル投資家も出資しており、資金力や人脈だけでは生き残れないスタートアップの厳しさを浮き彫りにしています。

2026年3月31日、JavaScriptで最も広く使われるHTTPライブラリaxiosのnpmパッケージがサプライチェーン攻撃を受け、悪意あるバージョンが約3時間にわたり公開されました。攻撃者は保守者のnpmトークンを窃取し、遠隔操作型トロイの木馬を仕込んだ2つのバージョンを配布しています。

axiosは週1億回以上ダウンロードされ、クラウド環境の約80%に存在するとWizが報告しています。Huntressは公開から89秒で最初の感染を検知し、露出期間中に少なくとも135システムの感染を確認しました。影響を受けたバージョンはaxios@1.14.1とaxios@0.30.4です。

攻撃者はaxiosのソースコードには触れず、plain-crypto-jsという悪意ある依存パッケージを追加しました。このパッケージのpostinstallスクリプトがmacOS・Windows・Linuxの各プラットフォーム向けRATを展開します。マルウェアは実行後に自身を消去し、フォレンジック調査を妨害する仕組みでした。

axiosプロジェクトはOIDC Trusted PublishingやSLSA証明など最新のセキュリティ対策を導入していました。しかしCI/CD環境にレガシーなNPM_TOKENが残存しており、npmはOIDCよりトークンを優先する仕様のため、攻撃者はOIDCを迂回できました。これは7カ月間で3件目のnpm認証情報を起点とする攻撃です。

AI採用スタートアップMercorも、オープンソースプロジェクトLiteLLMの侵害に関連するセキュリティ事故を公表しました。Lapsus$がデータ窃取を主張しており、Slackデータや業務動画の流出が指摘されています。サプライチェーン攻撃の被害が企業の事業データにまで波及する事例として注目されます。

企業の対応としては、lockfileやCI/CDログで該当バージョンの有無を確認し、感染が判明した場合は全認証情報のローテーションとマシンの再構築が必要です。C2サーバー（sfrclak.com）のDNSブロック、CI/CDでのnpm ci --ignore-scripts強制、レガシートークンの棚卸しが推奨されています。

MercorやScale AIなどのデータ企業が、解雇された弁護士・博士号保持者・脚本家らを大量に採用し、AIモデルの訓練データを生産させる巨大なギグエコノミーが急速に拡大しています。Mercorだけで毎週約3万人の専門職がプラットフォーム上で作業しています。

作業内容は、チャットボットの理想的な回答を書く「ゴールデンアウトプット」の作成、AIを困らせる難問「スタンパー」の考案、企業シミュレーションの「ワールドビルディング」など多岐にわたります。労働者は誰のAIを訓練しているか知らされず、厳格な機密保持契約により経験を市場で活用することもできません。

労働条件は急速に悪化しています。当初は時給45ドルだった報酬が16ドルまで引き下げられるケースもあり、Insightfulという監視ソフトが作業を秒単位で追跡します。数分間タイピングがなければ警告が表示され、「非生産的」とみなされた時間は給与から差し引かれる仕組みです。

MIT経済学教授のダロン・アセモグル氏は、産業革命前の織工が工場労働者に転落した歴史と比較し、技術そのものではなく資本家に全権力を集中させる労働組織の問題だと指摘します。データ労働者はUberドライバーよりも不利な立場にあり、物理的な場所に縛られないため企業は容易に低賃金地域から代替要員を調達できます。

過去6カ月でMercorに対し3件の集団訴訟が提起され、労働者の独立請負人としての分類が争われています。専門家は、データ経済における労働者保護の法的基盤が整備されなければ、あらゆる専門職が底辺への競争に巻き込まれると警告しており、集団的交渉権の確立が急務となっています。

AI専門家マッチングプラットフォームのMercorは創業3年で評価額100億ドルに達し、AIデータ経済の新たな受益者として注目される。同社はAI開発に必要なデータ注釈・評価・人間フィードバック（RLHF）に特化した人材を企業と接続するビジネスモデルを展開している。

Mercor CEOは、AIが雇用を単純に奪うのではなく、新しい形の専門労働を生み出していると主張する。医師・弁護士・エンジニアなど専門知識を持つ人材がAIトレーニングのレビュアーとして高い報酬を得られる市場が形成されつつある。

一方、TechCrunchの分析では2026年はAI業界全体が「実証フェーズ」に移行するという見方が示されている。2024〜2025年の大規模投資サイクルが一段落し、具体的なROIを示せない企業への資金調達が厳しくなる局面とされる。

エンタープライズでは、汎用AIから特定業務に特化したタスク専用エージェントへの関心がシフトしている。コスト管理・コンプライアンス・セキュリティの観点から、スコープを絞った実証実験から本番展開へのロードマップを持つ企業が優位に立つ。

AIの労働市場への影響は二極化している。高スキル・専門知識を持つ労働者にとっては新たな収益機会が生まれる一方、ルーティン業務を担う中間層は自動化の圧力にさらされている。このダイナミクスが2026年の経済議論の中心テーマとなるだろう。

Lightspeed Venture Partnersは創業25年で過去最大となる総額90億ドルのファンドを組成しました。2021年のバブル崩壊後、LPは実績ある一部の有力VCへ資本を集中させており、Lightspeedはその恩恵を受けた格好です。

AIバイオテクのChai Discoveryは、OpenAIをはじめGeneral CatalystやThrive Capitalらが参加するシリーズBで1億3,000万ドルを調達しました。同社は創薬向けの基盤モデル「Chai 2」を開発しており、評価額は13億ドルに達しています。

ベルリン発のMireloは、AI生成動画に同期した効果音を自動付与する技術に特化したスタートアップです。IndexとAndreessen Horowitzが共同でリードした4,100万ドルのシードラウンドを獲得し、SonyやTencent、ElevenLabsなど大手との競争に備えます。

AIコンパニオンアプリ「Momo」を手がけるFirst Voyageはa16z speedrunなどから250万ドルを調達しました。ユーザーがデジタルペットを世話することで習慣形成を促す仕組みで、すでに200万件超のタスクが作成されています。

TechCrunchのStrictlyVCイベントでは、VCが消費者向けAIスタートアップの持続力について議論しました。Goodwater CapitalのCo-founder Chi-Hua Chienは「多くの初期AIアプリはプラットフォームに吸収されてしまった」と指摘し、スマートフォン普及初期と同様の「安定化期間」が必要だと述べています。

一方で、AIエコシステムの中で最も急速に収益を伸ばしているのはモデル企業ではなく、AIトレーニングデータの供給・仲介を担う事業者だという見方も広がっています。Mercorは年商5億ドルを達成し、「史上最速の成長企業」を自称するに至りました。

今回の一連の動向は、生成AI投資が依然として活況である一方、勝者が絞られつつあることを示しています。大型VCへの資本集中と、ビジネスモデルの持続性を重視する投資判断の変化が、次のAIスタートアップ世代の姿を規定していくと考えられます。

AI学習データ作成を手掛ける米スタートアップのMicro1が、年間経常収益（ARR）1億ドルを突破しました。年初の約700万ドルからわずか1年で急激な成長を遂げており、Scale AIなどの競合がひしめく市場において、その存在感を急速に強めています。

創業3年の同社を率いるのは24歳のアリ・アンサリ氏です。成長の鍵は、ドメイン専門家を迅速に採用・評価する独自の仕組みにあります。もともとエンジニア採用AIとして開発された技術を転用し、高度な専門知識を持つ人材を効率的に確保することで差別化を図っています。

登録する専門家にはハーバード大学の教授やスタンフォード大学の博士号保持者も含まれ、時給100ドル近くを得るケースもあります。高品質なデータへの需要は旺盛で、アンサリ氏は人間の専門家によるデータ市場が、2年以内に1000億ドル規模へ拡大すると予測しています。

業界最大手Scale AIを巡る環境変化も追い風となりました。報道によると、Metaとの接近を背景にOpenAIなどがScale AIとの関係を見直したとされ、これによりMercorやSurgeといった新興ベンダーへの需要分散が加速しています。

今後の注力分野として、非AIネイティブ企業による社内業務効率化のためのAIエージェント構築を挙げています。企業のモデル導入には体系的な評価とファインチューニングが不可欠であり、同社はこの「評価プロセス」への予算配分が急増すると見込んでいます。

さらに、ロボット工学向けのデータ収集にも着手しました。家庭内での物理的なタスクを人間が実演するデータを集め、世界最大規模のデータセット構築を目指しています。LLMだけでなく、物理世界でのAI活用も視野に入れた戦略的な事業拡大が進んでいます。

AI開発の最前線で、新たなデータ収集手法が注目されています。スタートアップのMercor社は、OpenAIやMetaなどの大手AI企業に対し、投資銀行や法律事務所といった企業の元上級社員を仲介。彼らの頭脳にある専門知識や業務フローをAIの訓練データとして提供するビジネスで急成長を遂げています。これは企業が共有したがらない貴重な情報を得るための画期的な手法です。

Mercorが運営するのは、業界の専門家とAI開発企業を繋ぐマーケットプレイスです。元社員はMercorに登録し、AIモデルの訓練用に特定のフォーム入力やレポート作成を行うことで、時給最大200ドルの報酬を得ます。これによりAI企業は、通常アクセスできない、特定業界のリアルな業務知識に基づいた高品質なデータを手に入れることができるのです。

なぜこのモデルは成功しているのでしょうか。多くの企業は、自社の競争力の源泉である業務プロセスやデータを、それを自動化しうるAI企業に渡すことをためらいます。Mercorはこの「データのジレンマ」を解決しました。企業から直接ではなく、その組織で働いていた個人の知識を活用することで、AI開発に必要な情報を引き出しているのです。

設立からわずか3年弱で、Mercorの年間経常収益は約5億ドル（約750億円）に達し、企業評価額は100億ドル（約1.5兆円）にまで急騰しました。顧客にはOpenAI、Anthropic、Metaといった名だたるAI企業が名を連ねており、同社がAI開発競争においていかに重要な役割を担っているかがうかがえます。

この手法には、企業秘密の流出という大きなリスクも伴います。元従業員が機密情報を漏らす「企業スパイ」行為にあたる可能性が指摘されていますが、同社のブレンダン・フーディCEOは「従業員の頭の中の知識は、企業ではなく個人のもの」と主張。ただし、情報管理の難しさは認めており、議論を呼んでいます。

Mercorは今後、金融や法律だけでなく、医療など他の専門分野へも事業を拡大する計画です。フーディCEOは「いずれAIは最高のコンサルタントや弁護士を超える」と語り、自社のサービスが経済を根本から変革し、社会全体に豊かさをもたらす力になるとの自信を示しています。専門知識のあり方が問われる時代の到来です。

AIモデルの訓練に専門家を提供するMercor社が、シリーズCラウンドで3.5億ドルの資金調達を実施し、企業評価額が100億ドルに達したことを発表しました。この評価額は2月の前回ラウンドからわずか8ヶ月で5倍に急増しており、AI業界の旺盛な需要を象徴しています。今回のラウンドも、既存投資家のFelicis Venturesが主導しました。

同社の強みは、科学者や医師、弁護士といった高度な専門知識を持つ人材をAI開発企業に繋ぐ独自のビジネスモデルにあります。これらの専門家が、人間のフィードバックを反映させる強化学習（RLHF）などを担うことで、AIモデルの精度と信頼性を飛躍的に向上させています。

この急成長の背景には、OpenAIなどの大手AIラボが、データラベリングで競合するScale AIとの関係を縮小したことがあります。Mercor社はこの市場機会を捉え、代替サービスとして急速にシェアを拡大。年間経常収益（ARR）は5億ドル達成が目前に迫る勢いです。

現在、Mercor社のプラットフォームには3万人を超える専門家が登録しており、その平均時給は85ドル以上にのぼります。同社は契約する専門家に対し、1日あたり総額150万ドル以上を支払っていると公表しており、その事業規模の大きさがうかがえます。

今回調達した資金は、主に3つの分野に投じられます。①人材ネットワークのさらなる拡大、②クライアントと専門家を繋ぐマッチングシステムの改善、そして③社内プロセスを自動化する新製品の開発です。AI開発の高度化に伴い、同社の役割はますます重要になるでしょう。

シリコンバレーで、自律的にタスクをこなすAIエージェントの性能向上を目指し、強化学習（RL）で用いるシミュレーション「環境」への投資が急増しています。大手AIラボから新興企業までが開発に注力しており、次世代AI開発の鍵を握る重要技術と見なされています。従来の静的データセットによる学習手法の限界が背景にあります。 では、RL環境とは何でしょうか。これはAIがソフトウェア操作などを模擬した仮想空間で訓練を行うためのものです。例えばブラウザで商品を購入するタスクをシミュレートし、成功すると報酬を与えます。これにより、エージェントは試行錯誤を通じて実践的な能力を高めるのです。 この分野への需要は急拡大しており、大手AIラボはこぞって社内でRL環境を構築しています。The Informationによれば、Anthropicは来年RL環境に10億ドル以上を費やすことを検討しており、業界全体の投資熱の高さを示しています。AI開発競争の新たな主戦場となりつつあります。 この好機を捉え、RL環境に特化した新興企業も登場しています。Mechanize社はAIコーディングエージェント向けの高度な環境を提供。Prime Intellect社はオープンソース開発者向けのハブを立ち上げ、より幅広い開発者が利用できるインフラ構築を目指しています。 データラベリング大手もこの市場シフトに対応しています。Surge社は需要増を受け、RL環境構築専門の組織を設立。評価額100億ドルとされるMercor社も同様に投資を強化し、既存の顧客基盤を活かして市場での地位を固めようとしています。 ただし、この手法の有効性には懐疑的な見方もあります。専門家は、AIが目的を達成せずに報酬だけを得ようとする「報酬ハッキング」のリスクを指摘。AI研究の進化は速く、開発した環境がすぐに陳腐化する懸念もあります。スケーラビリティへの課題も残り、今後の進展が注目されます。