この変化により、かつては地味だったデータラベリングは、巨大な評価額とビリオネアの地位に至る最短経路の1つとなった。2021年、Scale AI（スケールAI）は当時24歳だったアレクサンドル・ワン（Alexandr Wang）を元祖データラベリング・ビリオネアにし、2025年10月にMercor（メルコア）の創業者らが22歳で彼を上回るまで、世界最年少の自力で富を築いたビリオネアに押し上げた。Mercorは現在、NVIDIAと評価額200億ドル（約3兆2000億円）の資金調達に向け協議を進めている。
AfterQueryは2025年2月、23歳のマティーガと22歳のカルロス・ジョルジェスク（Carlos Georgescu）によって創業されたが、当初はデータ企業ではなかった。2人はまず、金融向けAIエージェントの構築を計画していた。だがテストを進める中で、主要モデルが微妙な判断を要するホワイトカラーのワークフローで十分な成果を出せていないことに気づいた。その理由はアーキテクチャ上の限界ではなく、専門的な判断や意思決定を行うために必要な訓練が不足していたことにあった。
そこでマティーガとジョルジェスクは方向転換した。AIの上にアプリを構築するのではなく、金融やソフトウェアエンジニアリング、法律、医療の分野で、専門家である人間が生み出す判断と段階的な推論を取り込むことに注力した。
マティーガは4月、AI面接官によって選ばれた膨大な契約スタッフに依存するMercorに対して、AfterQueryは人間が生成した訓練データを検証するためのカスタムソフトウェアシステムに強みがある、と米国版Forbesの取材に語っていた。
AfterQueryの人間の専門家は、一連のチェックで選別されたデータを生成する。その目的は、データが難易度で「ゴルディロックス（適度な状況）」の範囲に収まるようにすることだ。つまり、最先端システムにとって挑戦しがいのある水準でありながら、まったく歯が立たないほどではないという絶妙なレベルである。目標は、モデルが実際に学習できるデータを生み出すことにある。
AfterQueryは、自社のデータが実際に機能することを証明するため、独自の研究も発表している。これは訓練素材に多額を投じるAI研究所にとって重要な懸念事項だ。フロンティアAIラボにデータを渡して評価を任せるのではなく、AfterQueryは研究者が行うことを再現する。すなわち、そのデータでモデルを訓練し、ベンチマーク性能がどう変化するかを測定するのである。
マティーガは4月、「これは同業他社がやっていないことでもある。当社は社内の研究者が事後学習（ポストトレーニング）のパイプラインを構築している」と述べた。「研究所が当社のデータを見る前に、そのデータが高品質であることを客観的に示している」
