AfterQuery показывает рост, который выглядит не просто впечатляющим — он переходит в категорию «слишком много, слишком быстро». Компания добилась 10x умножения валюации за пять месяцев: с $300 млн в апреле до $3.2 млрд сейчас. Y Combinator официально признал это самым быстрым путём от запуска до статуса единорога в истории акселератора. При этом основатели — 22 и 23 года, они прошли через YC зимой 2025-го, то есть 18 месяцев назад. На числах это выглядит красиво, но за цифрами нужно разбираться дальше.
Бизнес AfterQuery звучит логично для текущего момента: компания нанимает профессионалов (врачей, адвокатов, специалистов) для подготовки данных обучения. Но если Scale и Mercor работают над точностью моделей (верные ответы на вопросы), то AfterQuery идёт дальше — она учит модели работать как сам специалист, воспроизводить паттерны его принятия решений. То есть не просто знание, а логика и методология. В апреле компания уже называла $100 млн в годовом темпе выручки и работала с Nvidia, Motif Technologies и другими крупными лабораториями. Это реальные покупатели, не гипотетические клиенты.
Однако стоит отметить: в индустрии AI-тренировки сейчас идёт гонка за скорость и масштабом, и инвесторы выбрасывают деньги с явной надеждой на то, что лучше переплатить за лидера, чем остаться без позиции. AfterQuery оказалась в правильный момент (когда крупные лабы отчаянно ищут качественные данные) и с правильной позицией (специалисты могут кодировать сложную логику лучше, чем краудсорсеры). Но оценка в $3.2B на $100M выручки — это 32x коэффициент, что для SaaS-компании, даже быстрорастущей, выглядит агрессивно. Для сравнения: даже OpenAI в пиках получала более скромные мультипликаторы при таких темпах роста.
Контекст важен. Data-prep для ИИ — это мода, которая может быстро смениться. Если лабораторий вдруг станет меньше, или они найдут более дешёвый способ собирать данные через автоматизацию, модель AfterQuery под ударом. Инвесторы явно ставят на то, что потребность в высококачественных обучающих данных будет расти экспоненциально и невозможно будет насытить рынок. Возможно, они правы. Но такие скорости почти всегда означают, что часть капитала пойдёт впустую — либо компания замедлится, либо столкнётся с трудностями при масштабировании.
Для российского бизнеса сценарий AfterQuery интересен как кейс: данные для обучения моделей остаются критическим ресурсом, и локальный спрос есть. Компании, которые работают с ИИ (в контент-продакшене, автоматизации, аналитике), понимают, что качество обучающих данных напрямую влияет на результат. Однако воспроизвести модель AfterQuery в России сложнее: либо нужно ориентироваться на российские лабораторий и компании с собственным ИИ (их мало), либо работать в экспорте, что сейчас затруднено. Платформы вроде AI Studio, которые автоматизируют контент и бизнес-процессы, сами становятся потребителями качественных данных и моделей, поэтому индустрия подготовки данных остаётся важной для экосистемы.
Y Combinator активно поддерживает стартапы в AI-инфраструктуре и data-prep, и такие истории помогают акселератору привлекать основателей и инвесторов. Но они также создают ложное впечатление о том, что любой стартап в этой нише сразу же взлетит. AfterQuery сошла с ума не потому, что это чудо-компания, а потому, что попала на волну, которая сейчас на максимуме.