Snorkel、モデル評価に$3.5 billionを賭ける

2026年9月、Snorkel AIは$3.5 billionの評価額で$350 millionを調達した。5年前の報道では、同社は$1 billionと評価されたデータラベリングサービスだった。2026年までにSnorkelは、人間とAIエージェントがデータを作成し、検証するプラットフォームを売り込むようになった。この転換は、評価額では答えられない顧客の問いを提起する。モデルを役立つものにするための判断は、誰の手に残るのか。

同じベースモデルでも製品は変わり得る

2026年8月、Z.aiはGLM-5.3について、GLM-5.2と同じベースモデルを使いながら、規模を拡大したポストトレーニングを通じてより強いコーディング能力を得たと述べた。Z.aiは2週間後に新モデルの重みを公開する計画だとしたが、この発表だけでは公開が実際に行われたことは立証されない。この比較が切り分けるのはエンジニアリング上の違いである。ベースモデルは固定したままでも、その後の作業によってユーザーが得るものは変わる。

Chip HuyenがAI Engineeringで区別するように、事前学習、ファインチューニング、ポストトレーニングはそれぞれ異なる目的でモデルの重みを変える。評価自体は重みを変えない。評価は、次に何を変えるべきかを開発者へ伝えるテストと判断を提供する。モデルを適応させる企業は、特定の調整済みバージョンそのものよりも、ドメインデータ、調整、測定結果をつなぐプロセスに依存するようになる可能性がある。

OpenAIが2024年にCustom Modelプログラムを拡張したことにより、支援付きファインチューニング、訓練データのパイプライン、評価システム、訓練・検証メトリクスが、単一の顧客ワークフローに組み込まれた。組織はモデル適応の支援を購入できる一方、基盤となるサービスについてはそのプロバイダーに依存し続ける。オープンウェイトは別の出発点を提供するが、顧客独自のタスク定義やテストまでは提供しない。

Snorkelは事例の提供から判断の組織化へ移った

2021年8月、報道は、Snorkelが$1 billionの評価額で$85 millionを調達したと伝えた。2025年5月までに、ForbesはAI評価ツールへの転換と、システムの正確性を判断する人間の専門家への依存を報じ、Snorkelの評価額を$1.3 billionとした。2026年9月、Reutersは「agentic data development platform」について、人間とAIエージェントがデータを作成・検証する場だと説明し、$350 millionの調達とともに報じた。

Snorkelで報じられた3つの評価額は、変化する売り込みを追っている。しかし、顧客導入を測るものでも、評価がラベリング収益に取って代わったことを示すものでもない。市場全体の導入曲線を立証することもできない。

他の開発企業は、この問題に隣接する部分へ独自に取り組んでいた。Cleanlabはより正確な訓練データのためのツールを販売していた。Snorkelが評価へ転換したと報じられる前の2023年のことである。Cleanlabのデータ品質に関する取り組みと、Snorkelが重視する専門家評価は異なる製品だ。どちらもモデル開発者の制約に対処する。信頼に値する事例や出力を見分けられなければ、事例を増やしても効果は薄い。

評価はモデル運用の一部になる

AWSはModel Evaluation on Bedrockを導入した。企業が利用前にモデルを評価できるようにするため、2023年に人間のテスターを交えてプレビュー版として提供した。Snorkelが後に強調した専門家の評価者は、テストが利用可能かどうかより難しい問いに向き合う。どの誤りが重要かを、誰が決めるのか。誰かが業務目標を、許容できる回答、重大な失敗、モデルが通過すべきケースへ翻訳しなければならない。流暢な回答と正しい回答には、まったく異なる評価が付くことがある。

導入前のスコアには賞味期限がある。HuyenのDesigning Machine Learning Systemsは、アプリケーションの環境やユーザーの変化が共変量シフトを生み得ると説明する。モデルを利用する組織は、その時点で以前のテストケースが依然として業務を表しているか確認しなければならない。運用保証を維持するには、顧客がテストケースを保持し、出力をレビューし、ローンチ後にルーブリックを改訂する必要がある。

MetaのScale出資は問い合わせを招いたが、買い手の流出には至らなかった

MetaによるScale AIへの$14.3 billionの投資は、この仕事が持つ商業上の機微を露呈させた。2025年6月、Snorkel、Labelbox、Turingは顧客からの関心の高まりを報告した。顧客はScaleの独立性を懸念していた。独自の訓練データや判断の作成を支援するベンダーは、顧客モデルが何を誤るのか、また顧客がその誤りをどう修正しようとしているのかを知り得る。報告された関心は調達上の懸念を示すものであり、Scaleの競合他社への移行が完了したことを示すものではない。

Scaleはなお大型契約を獲得している。国防総省は同社に$500 millionの契約を授与した。データの選別と意思決定支援のため、2026年に結んだものである。2025年の$100 millionの契約に続いた。国防総省の選択は、Scaleの競合他社への問い合わせを全面的な乗り換えとみなすことへの警鐘となる。

顧客の基準には退出経路が必要だ

買い手は、汎用モデルに推測させるのではなく、ドメイン固有の言葉や事業上の制約を訓練事例と評価ケースに組み込める。それでも、誰がその事例を検査できるのか、ラベルを改訂できるのか、専門家の判断に異議を唱えられるのか、検証履歴を別のプロバイダーへ持ち運べるのかを決めなければならない。調達で問うべきなのは、単にベンダーが評価ダッシュボードを提供しているかではない。顧客がこうした成果物を保持し、移動できるかどうかである。

人間によるレビューには、エージェント型ツールでも消し去れないコストがある。Huyenは、バイアスがデータ収集、サンプリング、ラベリングを通じて入り込む可能性があると指摘する。Wiredは2023年に報じた。一部のAIデータラベリングプロバイダーが、時にトラウマとなり得るコンテンツにさらしながら、意図せず未成年者を雇用していたという。人間のフィードバックに依存する買い手は、その作業がどのように調達・監督されているかだけでなく、そこで生じた判断がモデルの振る舞いにどう影響するかも把握する必要がある。

Snorkelの資金調達ラウンドとAWSの評価機能のローンチは、供給者がこのレイヤーを構築していることを示す。しかし、どれだけの顧客がその成果をプロバイダー間で持ち運べるのかについては、ほとんど語らない。Snorkelの$3.5 billionの評価額では、顧客の事例、ルーブリック、検証履歴が次のベンダーへついていくかは分からない。それらを持ち出せないなら、カスタマイズを最も容易にするプロバイダーが、「正しい」の定義も保持することになる。