Yapay zekâ modellerinin geliştirilmesi için veri ve uzmanlık sağlayan AfterQuery, kısa sürede ulaştığı değerlemeyle dikkat çekiyor. Forbes’ın aktardığı bilgilere göre girişim, 3,2 milyar dolar değerleme üzerinden yeni bir yatırım aldı.
Bu değerleme, şirketin Nisan 2026’da duyurduğu 30 milyon dolarlık Series A turundaki 300 milyon dolarlık değerlemenin 10 katından fazlasına işaret ediyor. AfterQuery’nin yalnızca beş ay içerisinde bu seviyeye ulaşması, yapay zekâ girişimlerine yönelik yatırımcı ilgisinin ulaştığı noktayı da ortaya koyuyor.
Y Combinator tarihinin en hızlı unicorn’u
AfterQuery’nin yükselişindeki en dikkat çekici detaylardan biri, unicorn statüsüne ulaşma hızı oldu.
Y Combinator partneri Gustaf Alströmer’in açıklamasına göre AfterQuery, Y Combinator tarihinde unicorn değerlemesine en kısa sürede ulaşan girişim oldu.
Şirketin bugün 22 ve 23 yaşında olan kurucuları, bundan yaklaşık 18 ay önce Y Combinator Winter 2025 programına katılmıştı.
Kısa süre önce hızlandırıcı programına dahil olan girişimin, aradan geçen yaklaşık 18 ayın ardından 3,2 milyar dolarlık değerlemeye ulaşması, AfterQuery’nin ne kadar hızlı büyüdüğünü gösteriyor.
Yıllık gelir 100 milyon dolara ulaşmıştı
AfterQuery, Nisan ayında yaptığı açıklamada yıllıklandırılmış gelir hızının 100 milyon dolara ulaştığını duyurmuştu.
San Francisco merkezli girişim ayrıca dünyanın önde gelen yapay zekâ laboratuvarlarının birçoğuyla çalıştığını açıklamıştı.
Şirketin müşterileri arasında Nvidia, Legora ve Güney Kore merkezli AI laboratuvarı Motif Technologies gibi isimler bulunuyor.
Bu müşteri portföyü, AfterQuery’nin yalnızca yatırımcıların ilgisini çeken erken aşama bir girişim olmadığını, yapay zekâ geliştiren şirketlerin eğitim süreçlerinde de aktif şekilde kullanıldığını gösteriyor.
AfterQuery, yapay zekâya profesyoneller gibi çalışmayı öğretiyor
AfterQuery, son dönemde yükselen yeni bir startup kategorisinin parçası.
Mercor ve Scale gibi şirketlerin de öncülük ettiği bu modelde doktorlar, avukatlar ve farklı alanlardan uzmanlar, yapay zekâ sistemlerinin eğitilmesi için bilgi ve deneyimlerini kullanıyor.
Ancak AfterQuery’nin yaklaşımı geleneksel veri etiketlemeden biraz farklı.
Şirket, bir yapay zekâ modelinin yalnızca doğru cevap vermesini sağlamaya odaklanmak yerine, profesyonellerin gerçek dünyadaki görevleri nasıl gerçekleştirdiğini modele öğretmeyi hedefliyor.
Başka bir ifadeyle amaç, modele yalnızca “doğru sonuç” vermeyi değil, uzmanların bir işi tamamlamak için kullandığı karar alma ve problem çözme süreçlerini kazandırmak.
“Dünyanın en iyi uzmanlarının çalışma biçimini modellere aktarıyor”
AfterQuery, kendi yaklaşımını profesyonellerin bilgi birikimini yapay zekâ sistemlerine aktarmak olarak tanımlıyor.
Şirketin ifadesiyle sistem, dünyanın en iyi uygulayıcılarının “kalıplarını, kararlarını ve akıl yürütme biçimlerini” yapay zekâ modellerine kazandırmayı amaçlıyor.
Bu yaklaşım özellikle yapay zekâ ajanlarının yaygınlaşmasıyla daha önemli hale geliyor.
Çünkü yeni nesil AI ajanlarının yalnızca sorulara cevap vermesi değil; araştırma yapmak, hukuki analiz gerçekleştirmek, teknik görevleri tamamlamak veya profesyonel iş akışlarını uçtan uca yürütmek gibi görevleri başarıyla gerçekleştirmesi bekleniyor.
Bu nedenle modellerin gerçek uzmanların nasıl düşündüğünü ve hareket ettiğini öğrenmesi, yapay zekâ geliştirme yarışında önemli bir avantaj sağlayabilir.
Yapay zekâ veri şirketlerine yatırım ilgisi büyüyor
AfterQuery’nin kısa sürede 3,2 milyar dolarlık değerlemeye ulaşması, yapay zekâ sektöründe eğitim verisinin ve insan uzmanlığının stratejik öneminin arttığını gösteriyor.
Büyük dil modellerinde temel yetenekler giderek birbirine yaklaşırken şirketler, modelleri gerçek dünyadaki profesyonel görevlerde daha başarılı hale getirecek kaliteli verilere ve uzman geri bildirimlerine daha fazla ihtiyaç duyuyor.
AfterQuery’nin yükselişi de bu değişimin yatırımcılar tarafından yakından takip edildiğine işaret ediyor.
Şirketin beş ayda 300 milyon dolardan 3,2 milyar dolara çıkan değerlemesi, yapay zekâ modellerini eğitmenin yalnızca daha fazla veri toplamak değil, uzmanların nasıl çalıştığını makinelere aktarabilmek anlamına gelmeye başladığını ortaya koyuyor.
