Deccan AI tar in riskkapital för att trimma stora språkmodeller i drift

Deccan AI har tagit in 25 miljoner dollar i en så kallad serie A-runda ledd av A91 Partners, med Susquehanna International Group och Prosus Ventures som medinvesterare, enligt TechCrunch. Bolaget grundades i oktober 2024 och säljer arbete efter träningen av språkmodeller: expertåterkoppling, utvärderingar och miljöer för förstärkningsinlärning till aktörer som bygger de mest avancerade modellerna och till företag. Deccan uppger att kunderna inkluderar Google DeepMind och Snowflake. Huvudkontoret ligger i San Francisco-bukten, men bolaget driver en stor operativ organisation i Hyderabad och lutar sig mot ett nätverk av bidragsgivare som man säger överstiger en miljon personer.

Försäljningsargumentet handlar mindre om att skapa nästa flaggskeppsmodell och mer om att få befintliga modeller att uppföra sig när de väl ska användas i skarpa produkter. TechCrunch citerar grundaren Rukesh Reddy som kallar ”kvalitet” det olösta problemet, med ”nästan noll” tolerans för fel när modeller byggs in i tjänster. Det pekar på en tyst förskjutning i leverantörskedjan: när grundmodeller blir en handelsvara och licensieras brett blir den knappa insatsvaran i stället arbetet med att testa, rätta och härda systemen, ofta under hårda tidsfrister. Deccan säger att man vanligtvis har några dussin aktiva projekt och behöver resultat av hög kvalitet ”inom dagar”, ett tempo som driver arbetet mot stora pooler av kontrakterade arbetare som kan kallas in med kort varsel.

Bolagets arbetskraftsmodell visar också varför talet om ”automatisering” gång på gång skapar nya yrkeskategorier i stället för att bara ta bort gamla. Arbete efter träningen är inte enkel datamärkning; det kan kräva ämneskunskap, noggrann poängsättning och konsekvent följsamhet till bedömningsmallar som ändras i takt med att modeller och mätetal förändras. Deccan uppger att omkring 10 procent av bidragsgivarna har avancerade examina, och att andelen kan vara högre bland dem som faktiskt är aktiva beroende på projekt. Samtidigt ligger förhandlingsstyrkan hos laboratorierna som sätter godkännandekriterierna och kan underkänna arbete i stor skala, medan kostnaden för omtag och rättningar pressas nedåt till kontraktsskiktet.

Att Deccan koncentrerar en stor del av sin kontrakterade tillgång i Indien, i stället för att hämta in arbetskraft från ”över 100 länder” som Reddy säger att konkurrenter gör, framstår som ett driftval för att minska variation. En enda jurisdiktion kan innebära mer förutsägbara rekryteringsflöden, mer enhetlig utbildning och enklare tvistlösning när kvaliteten brister. Men det skapar också ett strategiskt beroende: om arbete efter träningen blir flaskhalsen för att leverera tillförlitliga system, då blir platsen där detta arbete organiseras lika viktig som platsen där modellvikterna tränas.

TechCrunch skriver att Deccan hävdar att inkomsterna på plattformen ligger mellan cirka 10 och 700 dollar i timmen, med toppbidragsgivare som kan tjäna upp till 7 000 dollar i månaden. Spridningen är själva poängen: samma rörledning som kan betala en nischspecialist mycket väl kan också bära en stor bas av lågavlönat, tidskritiskt ackordsarbete, inlindat i marknadsföringsspråk om ”artificiell intelligens”.

Deccan uppger att man har tagit in omkring 10 kunder och har ungefär 125 anställda, samtidigt som man samordnar tusentals aktiva bidragsgivare en typisk månad. I kulisserna av den pågående uppgången för artificiell intelligens är de dyraste systemen fortfarande beroende av att någon är vaken i Hyderabad när mätetalet plötsligt faller sönder.