Scale AI: як розмітка даних стала окремою індустрією для AI-моделей

Коли говорять про революцію штучного інтелекту, зазвичай згадують NVIDIA, OpenAI чи Google. Але за кожною навченою моделлю стоїть менш помітний шар — мільйони розмічених прикладів: фотографії з позначеними об’єктами, діалоги з оцінками відповідей, відео з розкладеними по полицях рухами. Саме на цьому шарі побудувала свій бізнес компанія Scale AI — і перетворила «чорнову роботу» на окрему індустрію з мільярдними оцінками.

Ця стаття пояснює, що це за компанія, хто її створив, як вона заробляє, чому саме вона стала стандартом для AI-лабораторій і що з нею сталося після масштабної угоди з Meta.

Що таке Scale AI і чим компанія займається

Scale AI — це американська технологічна компанія, яка постачає дані та інфраструктуру для навчання AI-моделей. Її основний продукт — сервіси розмітки даних (data labeling) та супутні інструменти: конвеєри обробки, оцінювання якості моделей, генерація синтетичних даних і платформи для тонкого налаштування великих мовних моделей.

Якщо спрощено: розробник моделі передає Scale сирі дані — зображення, текст, відео, лідарні хмари точок, — а отримує назад структурований, перевірений масив, на якому можна навчати алгоритм. Для автопілота це можуть бути кадри дорожнього руху з обведеними автомобілями й пішоходами. Для чат-бота — пари «запитання–відповідь», де люди-оцінювачі вказали, яка відповідь краща.

Компанія працює за моделлю B2B: її клієнти — не кінцеві споживачі, а AI-лабораторії, автовиробники, оборонні відомства та великі корпорації. Серед відомих замовників у різні роки називали OpenAI, Microsoft, Toyota, а також урядові структури США. Це наочний приклад того, як бізнес-моделі відомих компаній можуть виростати з вузької технічної послуги.

Історія компанії: від гуртожитку до мільярдної оцінки

Scale AI заснували 2016 року двоє дуже молодих підприємців — Александр Вонг (Alexandr Wang) і Люсі Го (Lucy Guo). Вонг на той момент кинув навчання в MIT, попрацював інженером у Quora і встиг помітити головне вузьке місце галузі: алгоритмів уже вдосталь, обчислювальні потужності зростають, а от якісних навчальних даних катастрофічно бракує.

Стартап пройшов акселератор Y Combinator і швидко знайшов першу нішу — автономний транспорт. Компаніям, які розробляли безпілотні автомобілі, потрібні були мільйони розмічених кадрів із дорожніх камер і лідарів, і Scale запропонував швидкий, масштабований конвеєр: комбінацію автоматичної попередньої розмітки та ручної перевірки розподіленою командою виконавців.

Далі події розвивалися стрімко:

• 2018 рік — раунд інвестицій, після якого компанія вперше отримала статус «єдинорога» з оцінкою понад мільярд доларів.
• 2019 рік — нові раунди від фондів, зокрема Founders Fund, оцінка зростає у кілька разів.
• 2020–2021 роки — вихід за межі автопілотів: контракти з Міністерством оборони США, робота з e-commerce, картографією, фінансовими документами.
• 2022–2024 роки — бум генеративного ШІ. Великі мовні моделі потребують людського зворотного зв’язку (RLHF), і Scale стає одним із ключових постачальників таких даних для провідних лабораторій.
• 2024 рік — раунд, у якому компанію оцінили приблизно в 14 мільярдів доларів.

Окремий факт, який зробив історію бренду резонансною: Александр Вонг став одним із наймолодших self-made мільярдерів світу — ще до 25 років. У світі споживчих товарів таку впізнаваність зазвичай мають бренди культурні символи на кшталт Apple, Nike чи Coca-Cola, але в AI-індустрії Scale став схожим маркером.

Як працює Scale AI: технологія плюс людський конвеєр

Бізнес Scale AI часто описують як «розмітка даних», але це спрощення. Насправді компанія побудувала кількашарову систему, де кожен шар підсилює попередній.

Розподілена мережа виконавців

Через платформу Remotasks та внутрішні інструменти Scale залучає сотні тисяч людей у різних країнах. Вони виконують мікрозавдання: обводять об’єкти на зображеннях, класифікують тексти, транскрибують аудіо, оцінюють відповіді моделей. З розвитком LLM змінився й профіль виконавців: для оцінки відповідей чат-ботів потрібні не просто «клікери», а носії мов, програмісти, математики, юристи — фахівці, здатні помітити тонку помилку.

Автоматизація та контроль якості

Люди дорогі й повільні, тому значну частину роботи виконують самі моделі: машина робить попередню розмітку, а людина її перевіряє чи виправляє. Поверх цього працюють метрики якості: перехресна перевірка одного завдання кількома виконавцями, тестові «приманки» з відомою відповіддю, статистичний контроль узгодженості. Саме гарантована якість на масштабі — головне, за що платять клієнти, бо розмітку «дешево» можна замовити будь-де.

Платформні продукти

Згодом Scale перетворився з сервісу на платформу: клієнт отримує не лише розмічені файли, а й інструменти керування власними даними, оцінки моделей (підрозділ SEAL), генерацію синтетичних прикладів і документну обробку. Це важливий перехід: платформа утримує клієнта набагато міцніше, ніж разове замовлення.

Бізнес-модель Scale AI: на чому заробляє компанія

Бізнес-модель компанії будується на трьох джерелах доходу.

Ключова економіка проста: компанія платить виконавцям за завдання, а продає клієнту гарантований результат із перевіреною якістю — і різниця між цими цифрами, помножена на величезні обсяги, формує маржу. Водночас платформні продукти й довгострокові контракти (особливо державні) дають стабільніший, передбачуваний дохід, ніж разова розмітка.

Саме тому Scale часто порівнюють не з аутсорсинговою компанією, а з інфраструктурним гравцем на кшталт «AWS для даних»: вона не створює моделі, але без її шару моделі не навчити.

Хто володіє Scale AI і що змінила угода з Meta

Scale AI — приватна компанія, тому її власники — це засновники, працівники з опціонами та венчурні інвестори. Серед фондів, що вкладалися в компанію на різних етапах, називали Accel, Index Ventures, Founders Fund, Tiger Global, а також корпоративних інвесторів, зокрема NVIDIA та Amazon.

Поворотним моментом стала 2025 року угода з Meta: корпорація інвестувала в Scale AI близько 14 мільярдів доларів, отримавши приблизно 49% без права вирішального контролю голосу, а Александр Вонг перейшов до Meta очолювати напрям «суперінтелекту», лишившись при цьому у раді директорів Scale. Операційне керівництво компанією взялося за інтерім-CEO.

Угода мала дві важливі наслідки для галузі:

• Конкуренти Meta серед AI-лабораторій почали переглядати контракти зі Scale, не бажаючи ділитися даними з компанією, пов’язаною з конкурентом. Частина великих клієнтів дійсно зменшила обсяги.
• Ринок data labeling отримав сигнал: стратегічна цінність даних настільки висока, що техногіганти готові купувати контроль над їхніми постачальниками.

Для читача, який оцінює Scale як бізнес-кейс, висновок такий: компанія виграла валюцію та стратегічного партнера, але ризикує частиною нейтральності — а саме незалежність була однією з її головних переваг на ринку.

Чому розмітка даних стала окремою індустрією

Десять років тому розмітку вважали другорядною операцією, яку віддавали студентам або дешевим аутсорсерам. Сьогодні це ринок із власними лідерами, спеціалізаціями та мільярдними угодами. Сталося це з кількох причин.

Перша — масштаб. Сучасні моделі навчаються на трильйонах токенів і мільярдах прикладів. Жодна лабораторія не здатна самотужки організувати такий конвеєр: це окрема логістика з рекрутингу, навчання, контролю якості та інформаційної безпеки.

Друга — вимоги до якості. Для RLHF потрібні не механічні кліки, а експертні судження: чи коректний код, чи безпечна відповідь, чи логічне міркування. Вартість помилки в даних зросла разом із вартістю моделі, тому клієнти платять за вимірювану якість, а не за години.

Третя — регуляторика та безпека. Оборонні й державні контракти вимагають сертифікованих процесів, контролю доступу, роботи з чутливими даними на ізольованій інфраструктурі. Це створило високий бар’єр входу: стартапу з десятком фрілансерів такий контракт не довірять.

Четверта — зміна самого продукту. Індустрія пішла від простої анотації до повного циклу: збір даних, синтетична генерація, оцінка моделей, червоні команди з тестування безпеки, дані для агентних систем. Scale AI, Surge AI, Labelbox, Appen та інші гравці фактично сформували новий шар технологічного стека — data-компанії, що стоять між сирими даними та моделлю.

Критика та слабкі місця моделі Scale

Чесна розмова про компанію неможлива без згадки про проблеми, які регулярно обговорюються в індустрії.

• Оплата й умови праці виконавців. Медіа неодноразово писали про низькі ставки в країнах, що розвиваються, затримки виплат і психологічно важкі завдання (наприклад, модерація токсичного контенту). Компанія відповідає, що дотримується локальних стандартів, але питання залишається гострим для всієї галузі.
• Залежність від кількох великих клієнтів. Значна частка доходу історично припадала на обмежене коло AI-лабораторій — після угоди з Meta цей ризик матеріалізувався.
• Конкуренція з внутрішніми командами. Найбільші розробники моделей частково будують власні конвеєри даних, зменшуючи залежність від зовнішніх постачальників.
• Автоматизація самої розмітки. Моделі дедалі краще розмічають дані одна одній, тому людська складова зміщується до складних експертних задач — ринок простої анотації стискається.

Що варто запам’ятати про Scale AI

Якщо звести історію компанії до кількох тез, виходить такий чекліст:

• Scale AI — американська компанія зі Сан-Франциско, заснована 2016 року Александром Вонгом і Люсі Го.
• Ядро бізнесу — розмітка даних, RLHF і платформні інструменти для навчання та оцінки AI-моделей.
• Заробляє компанія на різниці між собівартістю конвеєра розмітки та ціною гарантованої якості, плюс підписки й держконтракти.
• У 2025 році Meta інвестувала близько 14 мільярдів доларів за пакет близько 49%, а Вонг перейшов до Meta.
• Головний урок кейсу: в AI-економіці дані — це не побічний ресурс, а окрема інфраструктура, за контроль над якою платять мільярди.

Історія Scale AI — це історія про те, що в технологічній гонці виграє не лише той, хто будує найрозумнішу модель, а й той, хто контролює паливо, на якому вона працює.

Поширені запитання про Scale AI

Scale AI — це компанія з якої країни?

Це американська компанія зі штаб-квартирою у Сан-Франциско, Каліфорнія. Засновники — вихідці зі США та Канади китайського походження, але юридично й операційно Scale AI є компанією США.

Чи може звичайна людина заробляти на платформі Scale?

Так, через платформу виконавців Remotasks та спеціалізовані програми для експертів. Оплата залежить від країни, складності завдань і кваліфікації: прості завдання з розмітки коштують недорого, а експертні (код, математика, наукові тексти) — помітно дорожче. Доступність проєктів у конкретному регіоні варто перевіряти безпосередньо на платформі.

Чим Scale AI відрізняється від OpenAI?

OpenAI створює AI-моделі, а Scale AI постачає дані та інструменти, на яких такі моделі навчають і оцінюють. Це компанії з різних шарів одного ланцюжка: Scale — постачальник, OpenAI — типовий клієнт таких сервісів.

Чи належить Scale AI компанії Meta?

Ні. Meta володіє значним міноритарним пакетом (близько 49% за економікою) без контрольного пакета голосів. Scale AI залишається незалежною приватною компанією, хоча тісний зв’язок із Meta впливає на її відносини з іншими клієнтами.