Datumo، استارتاپ سئولی که از دل خدمات برچسب‌زنی داده پدید آمد، با جذب ۱۵.۵ میلیون دلار سرمایه تازه، خود را به‌عنوان بازیگری جدی در حوزه ارزیابی و ایمن‌سازی مدل‌های مولد معرفی کرده است. این شرکت که اکنون مجموعاً حدود ۲۸ میلیون دلار جذب کرده، ابزارهای بدون‌کد و داده‌های مجوزدار برای تست، مانیتورینگ و بهبود مدل‌ها ارائه می‌دهد تا سازمان‌هایی که هنوز برای استفاده مسئولانه از مولدها آماده نیستند، راهکار عملی داشته باشند.
Datumo با پشتوانه مشتریان بزرگ کره‌ای مانند سامسونگ، ال‌جی، هیوندای و انبار تجربه درآمدی و پیمان‌های پیش‌فروش، از برچسب‌زنی پاداشی (reward-based) شروع کرد و حالا محصولی به‌نام Datumo Eval را عرضه می‌کند که به‌صورت خودکار داده‌های آزمون تولید و خطاهای ناامن، جانبدارانه یا نادرست را کشف می‌کند. سرمایه جدید برای تسریع R&D در ابزارهای خودکار ارزیابی و توسعه بازار در کره‌جنوبی، ژاپن و آمریکا اختصاص خواهد یافت.
از برچسب‌زنی پاداشی تا رشد تجاری
Datumo کار خود را با اپی آغاز کرد که افراد عادی می‌توانستند در اوقات فراغت داده برچسب‌گذاری کنند و درآمد کسب نمایند؛ ایده‌ای که در مسابقه‌ای در KAIST اعتبارسنجی شد. در سال اول بیش از یک میلیون دلار درآمد کسب شد و به سرعت قراردادهای کلیدی با شرکت‌های بزرگ کره‌ای به‌دست آمد که مسیر رشد را هموار کرد.
تحول به سمت ارزیابی مدل و داده‌های مجوزدار
درخواستی که از سوی مشتریان مطرح شد نمره‌گذاری خروجی مدل‌ها و مقایسه آن‌ها باعث شد تیم بفهمد که در واقع مشغول ارزیابی مدل‌ها بوده است. از این نقطه، Datumo روی ساخت مجموعه داده‌های بنچمارک اعتماد و ایمنی و توسعه امکانات ارزیابی تمركز كرد.
محصولات کلیدی: Datumo Eval و ابزار بدون‌کد
محصول متمایز Datumo، پلتفرم کامل ارزیابی Datumo Eval است که به‌طور خودکار داده‌های آزمونی تولید می‌کند و نیاز به اسکریپت‌نویسی دستی را برطرف می‌سازد. این ابزار بدون‌کد برای تیم‌های سیاست‌گذاری، اعتماد و ایمنی و هم‌چنین تیم‌های انطباق طراحی شده تا افراد غیرتوسعه‌دهنده نیز بتوانند ارزیابی‌های جامع انجام دهند.
بازار، مشتریان و عملکرد مالی
Datumo اکنون بیش از ۳۰۰ مشتری در کره دارد و گزارش شده که در ۲۰۲۴ حدود ۶ میلیون دلار درآمد ایجاد کرده است. فهرست مشتریان شامل نام‌های بزرگی مثل Samsung، LG، Hyundai و SK Telecom است که نشان‌دهنده اعتماد صنایع بزرگ به راهکارهای این شرکت است.
رقابت و چشم‌انداز صنعت داده‌های آموزشی
بازار داده‌های آموزشی و ارزیابی هوش مصنوعی در حال گرم شدن است؛ سرمایه‌گذاری عظیمِ متا در Scale AI و توقف استفاده OpenAI از خدمات آن نشان می‌دهد که رقابت بر سر داده و زیرساخت‌های آموزشی بالا گرفته است. Datumo در مرز چند حوزه مانند تهیه دیتاست‌های پیش‌آموزشی، ارزیابی و مانیتورینگ قرار دارد و تلاش می‌کند با ترکیب داده‌های مجوزدار و ابزارهای ارزیابی خود متمایز بماند.
چرخه جذب سرمایه و اهمیت شرکای سرمایه‌گذار
دور اخیر ۱۵.۵ میلیون دلاری توسط گروهی از سرمایه‌گذاران از جمله Salesforce Ventures انجام شد که روند جذب سرمایه Datumo از طریق شبکه‌سازی (مثلاً یک گفتگو با اندرو انگ) و نمایش عمومی فعالیت‌ها تسهیل شد. این سرمایه روند توسعه محصول و گسترش بین‌المللی را تسریع خواهد کرد.
ویژگی‌های متمایز Datumo
| ویژگی | شرح مختصر |
|---|---|
| دیتاست‌های مجوزدار از کتاب‌های منتشرشده | دیتاست‌های دارای ساختار استدلال انسانی که پاک‌سازی آن‌ها دشوار است اما کیفیت بالایی برای پیش‌آموزش فراهم می‌کنند. |
| Datumo Eval (پلتفرم کامل ارزیابی) | تولید خودکار داده‌های تست و ارزیابی پاسخ‌ها برای شناسایی پاسخ‌های ناامن، جانبدار یا نادرست بدون اسکریپت‌نویسی. |
| ابزار بدون‌کد برای غیرتوسعه‌دهندگان | امکان استفاده توسط تیم‌های سیاست، اعتماد و انطباق بدون نیاز به مهارت برنامه‌نویسی. |
| مدل کسب‌وکار برچسب‌زنی پاداشی | جذب جمعیت وسیع از برچسب‌گذاران از طریق انگیزه‌های مالی و تأمین داده‌های با کیفیت. |
| تمرکز بر بنچمارک اعتماد و ایمنی | توسعه مجموعه‌داده‌های بنچمارک بومی برای سنجش جنبه‌های اعتماد و ایمنی مدل‌ها. |
Datumo در موقعیتی قرار دارد که می‌تواند از سه روند همزمان سود ببرد: نیاز روزافزون به داده‌های با کیفیت برای پیش‌آموزش، تقاضای روبه‌رشد برای ابزارهای شفافیت و ارزیابی، و حضور شرکت‌های بزرگ که به دنبال تضمین ایمنی مدل‌ها هستند. ترکیب دیتاست‌های مجوزدار (کتاب‌ها) با ابزارهای بدون‌کد مزیت ورود سریع به تیم‌های غیرتکنیکال را فراهم می‌آورد و مانع از وابستگی صرف به منابع توسعه‌دهنده می‌شود.
در کوتاه‌مدت، افزایش سرمایه برای توسعه R&D و گسترش در ژاپن و آمریکا احتمالاً منجر به قراردادهای سازمانی بزرگتر خواهد شد، هرچند رقابت از جانب بازیگران بین‌المللی مانند Scale AI، Galileo و Arize جدی است. اگر Datumo بتواند کیفیت دیتاست‌ها، دقت ارزیابی‌ها و اثبات ارزش کسب‌وکار را در بازارهای بین‌المللی نشان دهد، طی ۱۸–۲۴ ماه آینده ممکن است به یکی از تأمین‌کنندگان کلیدی ارزیابی ایمنی AI تبدیل شود.
پیش‌بینی فنی: توسعه قابلیت‌های خودکار برای تشخیص خطاهای رفتاری و جانبداری در پاسخ‌های مولد، همراه با ابزارهای گزارش‌دهی قابل اتکا، محور رشد آتی خواهد بود. تجاری‌سازی در ایالات متحده چالش‌بر‌انگیز اما تعیین‌کننده خواهد بود؛ موفقیت در این بازار می‌تواند به جذب مشتریان بزرگتر و افزایش ارزش احتمالی شرکت منجر شود.
جمع‌بندی
Datumo از یک سرویس برچسب‌زنی مبتنی بر پاداش تبدیل به استارتاپی شده که با دیتاست‌های مجوزدار و پلتفرم ارزیابی خود (Datumo Eval) تلاش می‌کند خلأهای شفافیت، ایمنی و ارزیابی در اکوسیستم مدل‌های مولد را پر کند؛ جذب ۱۵.۵ میلیون دلار سرمایه تازه نشان‌دهنده اعتماد بازار و پتانسیل رشد بین‌المللی این شرکت است.
