A AfterQuery fechou uma Série A de $30 milhões com avaliação de $300 milhões, liderada pela Altos Ventures com participação da The Raine Group, Y Combinator, e BoxGroup. A startup de São Francisco, fundada há apenas três meses por Spencer Mateega e Carlos Georgescu, afirma que já atingiu uma taxa de receita anual de $100 milhões vendendo datasets de treinamento para laboratórios de IA.
A proposta da empresa aborda um problema real: modelos de fronteira treinados com web scraping e outputs estáticos estão atingindo um plateau. A AfterQuery trabalha com especialistas de domínio para capturar seus processos de raciocínio—as árvores de decisão, trade-offs, e pensamento contextual que não existem em dados públicos. Eles estão vendendo o conhecimento invisível que separa profissionais competentes do pattern matching algorítmico.
Essa afirmação de $100 milhões em receita merece escrutínio. Três meses da fundação até receita de nove dígitos sugere que ou estão contando receita futura contratada de forma muito generosa, ou encontraram uma demanda genuinamente desesperada de laboratórios de IA batendo em muros de qualidade de dados. O timing se alinha com relatórios de que empresas como OpenAI e Anthropic estão lutando para encontrar dados de treinamento de alta qualidade além do scraping da internet.
Para desenvolvedores, isso sinaliza para onde o disco está indo: dados sintéticos e datasets rotulados por especialistas estão se tornando infraestrutura, não nice-to-haves. Se os números de receita da AfterQuery se sustentarem, esperem mais startups perseguindo a mesma oportunidade—e custos mais altos para dados de treinamento de qualidade em geral.