AI数据平台iMerit指出，企业整合AI工具的下一步关键并非获取更多数据，而是提升数据质量。优质数据不应依赖大量零工劳动者，而应源于数学、医学、金融及自动驾驶等认知领域的专家。
iMerit创始人兼CEO Radha Basu向TechCrunch表示：“吸引并留住顶尖认知专家至关重要，唯有如此才能深度定制大模型，精准解决企业级AI难题。”
这家总部位于加州和印度的初创公司，九年来已成长为值得信赖的数据标注合作伙伴，服务于计算机视觉、医学影像、自主移动等高精度AI应用领域。
iMerit独家向TechCrunch透露，其“学者计划”（Scholars）已从测试阶段正式推出。该项目旨在组建一支不断壮大的专家团队，用于微调面向企业应用的生成式AI模型及基础模型。
据悉，iMerit客户涵盖多家顶尖AI企业，包括七家头部生成式AI公司中的三家、八家顶级自动驾驶车企、三家美国大型政府机构以及三大云服务商中的两家。
在AI数据标注领域颇具影响力的Scale AI近期发生变动：创始人Alexandr Wang离职加入Meta，Meta同时收购了该公司49%股份。受此影响，Google、OpenAI、Microsoft和xAI等主要客户因担忧产品路线图泄露而减少合作。
iMerit并未试图取代Scale AI高吞吐量的开发者导向型“闪电数据”服务，而是押注于当前正是加大专家主导型高质量数据投入的最佳时机。此类数据需要深厚的人类判断力与特定领域监督。
iMerit全球专家劳动力副总裁Rob Laing对TechCrunch表示：“我们是行业中成熟稳重的一方。尽管大量资金涌入AI领域，许多聪明人正构建庞大的人力平台，但这种大规模快速交付模式产出的质量，尚未达到企业实际需求。”
Basu以医疗记录员为例说明：依托基础大语言模型推出的产品若缺乏心脏病学家或医生的专业知识，准确率可能仅50%-60%，而企业级应用要求99%的准确率。“必须质疑模型、测试极限并修复问题，这正是专家主导AI为企业带来的价值。”
iMerit专家通过专有Ango Hub平台对企业级及基础AI模型进行微调与评估。Ango允许“学者”与客户模型交互，生成并评估待解决问题。
吸引并留住认知专家是成功关键。这些专家并非短期任务执行者，而是持续参与项目多年。目前iMerit员工保留率达91%，其中50%为女性。
Laing曾创立人工翻译平台myGengo，深谙众包模式。他认为让大量人员从事琐碎任务相对容易，但建立社区需更以人为本的方法。
“过去某人只是数据库里的一个名字；而在‘学者计划’中，成员会与团队见面交流、协作讨论，并被推动以最高水平工作。我们在人员筛选上极为严格。”Laing补充道，“未来几年，像iMerit这样专注参与度、留存率和质量的公司，将成为AI训练的首选。”
目前iMerit与超4,000名学者合作，并计划在扩展中吸纳更多人才。Basu透露，自2020年引入Khosla Ventures、Omidyar Network等投资者后未再融资，公司已实现可持续盈利运营。凭借现有现金储备，有能力将专家规模扩至1万人；若需进一步扩张则持开放态度寻求外部投资，但并不迫切。
过去一年，“学者计划”主要聚焦医疗领域，目标是拓展至金融等企业应用场景。Laing指出，生成式AI是增长最快领域，顶级AI公司正与iMerit合作改进基础模型。
“互联网免费数据已枯竭，低层次人工输入数据也已商品化。”Laing表示，“从业者重心正转向微调系统，以实现通用人工智能（AGI）或超级智能。”