AfterQuery cerró una Serie A de $30 millones a una valuación de $300 millones, liderada por Altos Ventures con participación de The Raine Group, Y Combinator, y BoxGroup. La startup de San Francisco, fundada hace solo tres meses por Spencer Mateega y Carlos Georgescu, afirma que ya alcanzó una tasa de ingresos anuales de $100 millones vendiendo datasets de entrenamiento a laboratorios de IA.
La propuesta de la empresa aborda un problema real: los modelos de frontera entrenados con web scraping y outputs estáticos están llegando a un plateau. AfterQuery trabaja con expertos del dominio para capturar sus procesos de razonamiento—los árboles de decisión, trade-offs, y pensamiento contextual que no existen en datos públicos. Están vendiendo el conocimiento invisible que separa a profesionales competentes del pattern matching algorítmico.
Esa afirmación de $100 millones en ingresos merece escrutinio. Tres meses desde la fundación hasta ingresos de nueve cifras sugiere que o están contando ingresos futuros contratados de manera muy generosa, o han conectado con una demanda genuinamente desesperada de laboratorios de IA que están golpeando muros de calidad de datos. El timing se alinea con reportes de que compañías como OpenAI y Anthropic están luchando para encontrar datos de entrenamiento de alta calidad más allá del scraping de internet.
Para desarrolladores, esto señala hacia dónde va el disco: los datos sintéticos y datasets etiquetados por expertos se están volviendo infraestructura, no nice-to-haves. Si los números de ingresos de AfterQuery se sostienen, esperen más startups persiguiendo la misma oportunidad—y costos más altos para datos de entrenamiento de calidad en general.