AIが専門家を代替するのに、なぜAI企業は専門家を探すのか
AIは法律文書のレビュー、コード生成、医療情報分析など専門職の仕事の一部を自動化している。一方で、より強いAIを作るデータ市場では逆方向の需要も生まれている。
Reutersは9月22日、Snorkel AIが3.5億ドルを調達し35億ドルの企業価値を得たと報じた。annualized revenueは3.5億ドル超で、前年約2,000万ドルから大きく増加した。
成長の多くは2025年9月に始まったData-as-a-Service事業から来ており、完成したdatasetやreinforcement-learning environmentを提供している。
ボトルネックが『人の数』から『難しい判断』へ移る
従来のAIデータは大量の反復ラベリングというイメージが強かった。しかしfrontier modelが強くなるほど、モデルが失敗する問題を作ること自体が難しくなる。
保険審査、法律解釈、複雑なcoding failure、医療判断などではdomain expertiseが必要になる。
SnorkelのExpert Communityは現在1,000を超える領域でcoding、STEM、health & medicine、finance & business、law、humanities、social sciencesの専門家を募集している。
専門家の答えだけでなく、判断を検証する仕組みが必要になる
高度な問題では専門家同士の判断が分かれたり、答えは正しくてもreasoningが不適切だったりする。
Snorkelはcalibration、multi-stage review、dual-expert review、consensus、statistical sampling、provenance、audit trailsを品質管理に使うと説明している。
重要なのは人を大量に集めることより、どの専門家を使い、どの問題を作り、良い答えをどう定義するかになる。
会社の仕事そのものをAIが学べる環境に変える
Enterprise Environmentsでは、agentがpolicy documentを読み、recordを確認し、internal toolを使い、simulated userに不足情報を質問しながら仕事を進める。
保険underwritingでは架空企業、顧客、database、guideline、不完全な情報を組み合わせて実務workflowを再現する。
商品は単純なlabelではなく、専門家が知っている仕事をAIが学べる形式に変換したenvironmentに近づく。
人の時間から『完成した判断資産』へ
従来のprofessional serviceでは人員と時間が売上単位になりやすい。
一方、専門家の判断をtask design、validation、quality controlを通じてdataset、benchmark、training environmentに変換すれば、再利用可能なdata productになる。
この構造はExpert Judgment → Packaged Intelligenceと表現できる。
現在の採用にもEvaluation・Quality・Frontier Benchmarkが見える
現在のSnorkel求人にはDirector, Research - Evaluation & Training、Research Scientist - Frontier Benchmarks、Senior Product Manager - Data & Quality、Staff Product Manager - Data Products、Director, Forward Deployed Researcher - Data as a Serviceなどがある。
Data-as-a-Service組織でもForward Deployed Engineering、Synthetic Data Generation、Strategic Deliveryの役割が確認できる。
大量のデータだけでなく、modelの限界を示し実際の顧客業務につながるdataとenvironmentを設計する組織が必要になっている。
すべての専門家の報酬が上がるという意味ではない
SnorkelのExpert Communityはproject-based independent contractorが中心だ。完成したdata productの価値と個々の専門家への報酬は同じではない。
一社の成長だけで全専門職の賃金や雇用が上がるとは言えない。
より限定的に言えば、専門家の判断を買い、それをAI学習・評価資産へ変換する新しい市場が成長している。
BANSEOG VIEW | AIが高くするのは『手』より判断かもしれない
初期AIデータ市場のボトルネックが反復作業の規模だったとすれば、frontier AIではAIがまだ解けない問題を作り評価できる人へ重心が移る可能性がある。
医師、法律家、開発者、科学者の専門性は本業だけでなくtraining data、benchmark、evaluation、simulation environmentという別商品へ移動できる。
人材市場を見る時、『この専門性は今の会社だけで価値があるのか、それとも判断そのものを買う新市場が生まれているのか』という問いが重要になる。
BANSEOG VIEW
Banseog View — Expert Judgment → Packaged Intelligence
Snorkelの成長はcommodity labelingより専門家判断をpackaged data productへ変換する市場の拡大を示す一例だ。
AIが強くなるほど、人間のdata workが消えるだけでなく高度なdomain expertiseへ移る可能性がある。
専門家判断はbillable hourからdataset、benchmark、enterprise environmentという再利用可能なassetへ移動できる。
SOURCES
参照した主な資料
- Reuters — Snorkel AI valued at $3.5 billion amid surging demand for complex AI training data
2026-09-22。3.5億ドル調達、35億ドル評価、3.5億ドル超annualized revenue等を確認。
- Snorkel AI — Expert Community
1,000+ domainsとproject-based expert networkを確認。
- Snorkel AI — Frequently Asked Questions
Calibration、dual-expert review、consensus、sampling、provenance等を確認。
- Snorkel AI — Enterprise Environments
Frontier agent向けtraining/evaluation environmentを確認。
- Snorkel AI — Enterprise environments and training AI agents for real-world workflows
保険・金融・製造・法律等のsimulated workflow構築を確認。
- Snorkel AI — Careers
Evaluation & Training、Frontier Benchmarks、Data & Quality、Data Products、Data-as-a-Serviceの現在求人を確認。
Snorkel一社の成長から全専門職の報酬上昇を一般化しない。Expert Communityはproject-based contractor workであり、企業がdata productから得る価値と個人報酬は一致しない場合がある。