Snorkel AI ۳۵۰ میلیون دلار تأمین مالی جذب کرد

Snorkel AI، شرکت فعال در حوزه داده‌های هوش مصنوعی، به تازگی اعلام کرده که در دور تأمین مالی سری E، ۳۵۰ میلیون دلار جذب کرده است. این تأمین مالی که در تاریخ ۲۲ سپتامبر ۲۰۲۶ انجام شد، ارزش این شرکت را به ۳.۵ میلیارد دلار رسانده است. این افزایش ارزش نشان‌دهنده‌ی رشد قابل توجه تقاضا برای داده‌های تخصصی هوش مصنوعی است و سه برابر ارزش ۱.۳ میلیارد دلاری است که Snorkel در ماه مه ۲۰۲۵ به آن دست یافته بود.

سرمایه‌گذاران اصلی در این دور تأمین مالی شامل Insight Partners و S32 بودند و شرکت‌های دیگری مانند March Capital، Blumberg Capital و Allegis Capital نیز به عنوان سرمایه‌گذاران جدید به این جمع پیوستند. Snorkel اعلام کرده که درآمد سالانه آن به ۳۷۵ میلیون دلار رسیده و این رشد به دلیل موفقیت در ارائه خدمات داده به عنوان سرویس (Data-as-a-Service) بوده است.

تحول مدل کسب‌وکار Snorkel در ابتدا به عنوان یک پروژه تحقیقاتی در آزمایشگاه هوش مصنوعی استنفورد آغاز به کار کرد و به تدریج به یک ارائه‌دهنده نرم‌افزار برای کمک به شرکت‌ها در برچسب‌گذاری و مدیریت داده‌های آموزشی تبدیل شد. اکنون این شرکت به ارائه داده‌ها، معیارهای ارزیابی و محیط‌های آموزشی هوش مصنوعی پرداخته و به نوعی به یک مدل کسب‌وکار جدید در این حوزه تبدیل شده است.

این تغییر به وضوح نشان‌دهنده‌ی نیاز به داده‌های هدفمند و با کیفیت بالا در عصر جدید هوش مصنوعی است. Snorkel به این نکته اشاره کرده که در حال حاضر، نیاز به داده‌های پیچیده و ارزیابی دقیق به مراتب بیشتر از گذشته است و این امر تنها از طریق جمع‌آوری داده‌های دستی امکان‌پذیر نیست.

همکاری انسان و هوش مصنوعی پلتفرم داده‌ای Snorkel با استفاده از مدل‌ها و عوامل تخصصی به کارشناسان انسانی کمک می‌کند تا داده‌ها و محیط‌های آموزشی را توسعه دهند. این رویکرد به بهبود کیفیت و دقت در پروژه‌های داده‌محور کمک کرده و نشان‌دهنده‌ی اهمیت بازخورد انسانی در فرآیند تولید داده‌ها است. به گفته‌ی الکس راتنر، مدیرعامل این شرکت، تنها همکاری انسان و عوامل هوش مصنوعی می‌تواند نیازهای روزافزون این حوزه را برآورده کند.

این برای مخاطبِ حرفه‌ای یعنی چه؟ توسعه و تغییرات در مدل‌های کسب‌وکار مانند Snorkel می‌تواند به مترجمان، زبان‌شناسان و ناشران کمک کند تا درک بهتری از نیازهای بازار و تقاضاهای جدید برای داده‌های تخصصی داشته باشند. این تغییرات همچنین می‌تواند به بهبود فرآیندهای آموزشی و تولید محتوا در صنعت زبان و ترجمه کمک کند.