Коротко
- Что: маркетплейс экспертов для AI-лабораторий · $2 млрд годовой gross run-rate (июнь 2026, заявление CEO) · ~300 штатных сотрудников
- Сердце модели: ИИ-интервьюер провёл 5 млн+ собеседований — работа, на которую по нормам стаффинга нужны тысячи рекрутеров
- Выручка на сотрудника: ~$6.7 млн gross — в 10 раз выше, чем у Randstad, лидера классического стаффинга
- Комиссия: ~30% от ставки эксперта; компания FCF-прибыльна с H1 2025
- Вердикт для РФ: модель повторяема в нишевом виде — ИИ-скрининг под вертикаль, а не копия целиком
- Сложность: ●●●●○
Завязка
Классическое рекрутинговое агентство — это этажи людей, которые читают резюме и проводят собеседования. Randstad, крупнейшая стаффинговая компания мира, держит около 40 000 сотрудников при выручке €24.1 млрд — примерно €600 тыс. на человека. Трое 23-летних из Сан-Франциско построили рекрутинговый бизнес с годовым run-rate $2 млрд на команде около 300 человек. Разница в производительности — порядок. Секрет не в гениальных рекрутерах: собеседования у них проводит ИИ, и он уже провёл их больше пяти миллионов.
Что делают
Mercor — маркетплейс труда. Компания не продаёт ИИ-продукт: она продаёт обычную, скучную услугу — подбор и найм специалистов. Клиенты — AI-лаборатории и корпорации, которым нужны юристы, врачи, физики, финансисты и программисты для создания обучающих данных и оценки моделей. По данным Contrary Research, Mercor работает со всеми пятью ведущими AI-лабораториями и шестью из семи крупнейших технологических компаний США; публично раскрыты OpenAI, Anthropic, Meta и Google.
Механика простая: эксперт регистрируется, проходит 20-минутное видеособеседование с ИИ, попадает в пул и получает контракты. Заказчик платит почасовую ставку, Mercor удерживает комиссию около 30%, остальное уходит эксперту. Средняя законтрактованная ставка — $121/час, создано 314 тыс. ролей, дневные выплаты экспертам превышают $4 млн — эти счётчики компания выводит прямо на главную страницу сайта.
Главная mercor.com в июле 2026: средняя ставка $121/час, 314 тыс. созданных ролей, выплаты $4 млн+ в день. Метрики маркетплейса вынесены в шапку как главный аргумент.
Рост — один из самых быстрых в истории отрасли: с нуля до run-rate $500 млн за 17 месяцев, $760 млн к концу 2025, $1 млрд в феврале 2026 и $2 млрд в июне 2026. Сейчас компания ведёт переговоры о раунде $500 млн при оценке $20 млрд — вдвое выше оценки Series C, закрытого всего девять месяцев назад.
Юнит-экономика
| Метрика | Значение | Статус | Источник |
|---|---|---|---|
| Годовой gross run-rate | $2 млрд (июнь 2026) | заявление CEO, подтверждено прессой | Forbes, TechCrunch |
| Run-rate на конец 2025 | $760 млн | по данным аналитиков | Sacra |
| Комиссия платформы | ~30% от ставки (30-35% на длинных контрактах) | по данным аналитиков | Contrary, Sacra |
| Доля выплат экспертам | 60-70% от оборота, $2 млн+ в день | по данным аналитиков; сайт показывает $4 млн+ | Sacra, mercor.com |
| Прибыльность | FCF-положительна; $6 млн прибыли за H1 2025 | по данным аналитиков | Sacra |
| Средняя ставка эксперта | $85/час, у узких специалистов до $200/час | по данным аналитиков | Contrary |
| Оценка | $10 млрд (Series C, окт. 2025); переговоры о $20 млрд | подтверждено прессой | Forbes |
Каталог открытых ролей: химики и биологи с PhD по $65-70/час, CUDA-инженеры по $80-100/час, консультанты до $220/час. Счётчики «105 hired this month» под каждой ролью — социальное доказательство для кандидатов.
Важная оговорка: $2 млрд — это gross, весь оборот до выплат экспертам, аналог GMV маркетплейса. Чистая выручка при комиссии ~30% — порядка $600 млн в годовом выражении. Но и у классического стаффинга выручка считается так же: в €24.1 млрд Randstad зашиты зарплаты временного персонала. Сравнение честное, gross к gross.
Такой разбор с финмоделью — каждый день в @solopreneuro.
Какой отдел заменил ИИ
В стаффинге самая дорогая операция — скрининг: прочитать резюме, провести первичное интервью, оценить и передать дальше. У классического агентства этим занята армия рекрутеров, и растёт она линейно с числом кандидатов.
Основатели Mercor начали с того, что автоматизировали ровно эту работу. Ещё в 2023 году, до всякого масштаба, они собрали внутренний инструмент: структурированное 20-минутное видеоинтервью, где агент оценивает техническую глубину, логику рассуждений, ясность коммуникации и знание предметной области. Перед интервью собственная модель прочёсывает профиль кандидата — GitHub, портфолио, резюме. Кандидат может пересдать интервью до трёх раз, а пройденная оценка переиспользуется для других подходящих ролей — второй раз собеседовать не нужно.
К февралю 2025 система оценила больше 468 000 соискателей. К июню 2026 счётчик перевалил за 5 млн интервью. Если бы каждого кандидата 30 минут скринил живой рекрутер, только на эти интервью ушло бы 2.5 млн человеко-часов — больше тысячи человеко-лет рекрутёрской работы. Штат Mercor в момент, когда прошло полмиллиона интервью, — 30 человек.
Деньги идут от AI-лабораторий через Mercor к 300 тыс. экспертов. Узкое место классического стаффинга — скрининг — закрывает ИИ-интервьюер.
Дальше автоматизация расползлась по всей операционке. На подкасте 20VC в июне 2026 CEO Брендан Фуди перечислил, где работают внутренние агенты: управление проектами, рекрутинг, бухгалтерия, антифрод, оценка кандидатов. Там же он сказал фразу, которая описывает компанию лучше любого питча: «Сейчас мы тратим на токены для внутренних агентов больше, чем на фонд оплаты труда».
Штатка: сколько людей нужно «по-нормальному» и сколько у них
Опорные точки по головам: 30 штатных сотрудников в США плюс 20 подрядчиков в Индии при $50 млн ARR (сентябрь 2024), около 300 человек к октябрю 2025, 400+ к середине 2026 по оценке Sacra.
| Функция | Сколько людей нужно «по-нормальному» | Как у Mercor | Что вместо людей делает ИИ |
|---|---|---|---|
| Скрининг и интервью | у Randstad 40 000 сотрудников обслуживают 1.7 млн трудоустройств в год | входит в общий штат ~300 | 5 млн+ видеоинтервью, разбор профилей, скоринг |
| Продажи | сотни аккаунт-менеджеров при таком обороте | выделенного отдела продаж нет | рост через продукт и рекомендации (AI Native GTM) |
| Управление проектами | проектные офисы на каждый контракт: отдельные проекты Mercor — это 5 000+ подрядчиков | входит в общий штат | агенты ведут проекты и распределение задач |
| Бухгалтерия и выплаты | расчётный отдел: $4 млн+ выплат в день в 60+ стран | входит в общий штат | агенты в бухгалтерии и антифроде |
Таблица объясняет, почему сравнивать Mercor нужно не со стартапами, а со стаффинговыми корпорациями: продукт тот же — люди под задачу, — а организация другая.
Динамика в датах показывает, как поздно компания начала добавлять людей. Сентябрь 2024: $50 млн ARR, 30 человек в штате — $1.7 млн на сотрудника уже тогда. Февраль 2025: $75 млн ARR и Series B на $100 млн при оценке $2 млрд; средний возраст команды — 22 года. Октябрь 2025: $450 млн ARR, Series C на $350 млн при оценке $10 млрд — и только тут штат вырастает до ~300. Люди в этой модели появляются после выручки, а не до: сначала агент доказывает, что тянет функцию, потом под неё нанимают одного человека-оператора вместо отдела. В октябре 2025 Forbes назвал троих основателей самыми молодыми self-made миллиардерами в мире — каждому по 23 года, и если раунд на $20 млрд закроется, состояние каждого оценят в $4.3 млрд.
Выручка на человека против нормы отрасли
| Метрика | Mercor | Норма отрасли (Randstad) | Разрыв |
|---|---|---|---|
| Оборот в год | $2 млрд gross | €24.1 млрд | — |
| Штат | ~300 | ~40 000 | в 130 раз меньше |
| Оборот на сотрудника | ~$6.7 млн | ~€600 тыс. | ~10x |
| Оборот на сотрудника при $50 млн ARR (2024) | $1.7 млн | та же база | ~3x уже на раннем этапе |
Десятикратный разрыв на сотрудника — это и есть вирусная цифра компании. Она держится не на марже продукта (комиссия у Mercor обычная для рекрутинга), а на том, что переменные человеческие затраты заменены переменными затратами на вычисления.
Экономика ИИ: токены вместо зарплат
Обязательный вопрос к любой такой истории — сколько стоит сама автоматизация и остаётся ли после неё маржа.
| Статья | Цифра | Источник |
|---|---|---|
| Расходы на inference | больше, чем весь фонд оплаты труда (~300 сотрудников) | заявление CEO на 20VC, июнь 2026 |
| Маржа после расходов на вычисления | компания FCF-прибыльна; $6 млн прибыли за H1 2025 | Sacra |
| Во сколько раз дешевле человека | 468 000 скринингов к фев. 2025 ≈ 120+ человеко-лет рекрутёрской работы; выполнено при штате 30-50 человек, занятых всем бизнесом сразу | расчёт по данным Contrary |
| Масштаб на замену | 5 млн+ интервью суммарно | 20VC |
Считать буквально «токены дешевле рекрутера в N раз» по открытым данным нельзя — Mercor не раскрывает счёт за inference в долларах. Но соотношение видно из структуры: расходы на токены сопоставимы с пейроллом трёхсот человек, то есть единицы процентов от оборота, — а закрывают объём работы, для которого классическому агентству понадобились бы десятки тысяч сотрудников. Фуди на том же подкасте прогнозирует, что через пять лет средняя компания будет тратить на вычисления больше, чем на людей.
Что сломается, если убрать ИИ
Главная защита Mercor — не модель (интервью по видео умеют делать многие), а организация, построенная вокруг неё.
Убери ИИ-интервьюера — и придётся нанимать скрининговый отдел размером с небольшое агентство: при текущем потоке кандидатов это тысячи рекрутеров, то есть возврат к экономике Randstad с её €600 тыс. оборота на человека. Комиссия ~30% при такой штатке перестаёт быть прибыльной на объёмах Mercor: у классических агентств она уходит в зарплаты. Одновременно рухнет скорость: агентство закрывает вакансию неделями, у Mercor кандидат проходит интервью в день подачи, а проект на 5 000 подрядчиков собирается без найма единого проектного офиса.
Есть и накопленный эффект: 5 млн проведённых интервью — это датасет оценок специалистов, на котором компания калибрует свой скоринг. Конкурент со стороны начинает с нуля не только в технологии, но и в данных. Отдельный слой — доверие заказчиков: контракты со всеми топ-5 лабораториями появились до того, как рынок понял, что происходит.
Что нужно, чтобы повторить (нишевый вариант, РФ)
Речь не о копии Mercor — заказчиков уровня AI-лабораторий на локальном рынке нет. Речь о повторении операционной схемы: агентство по подбору в одной вертикали, где скрининг делает ИИ, а команда — один-два человека.
| Нужно | Конкретика |
|---|---|
| Бюджет старта | 150-300 тыс. ₽: сервер или GPU-облако, телефония, Telegram-бот, юрлицо |
| Время до первой версии | 2-4 недели: бот-анкета + транскрибация + промпт-скоринг ответов |
| Время до продаваемого | 2-3 месяца: калибровка скоринга на первых 200-300 кандидатах |
| Навыки | 1 разработчик (API моделей, Telegram, БД) + знание вертикали найма |
| Расход на вычисления | сотни рублей на кандидата при локальной модели; масштабируется линейно с потоком |
| Главная сложность | не технология, а две воронки сразу: поток кандидатов и поток заказчиков |
Ключевое отличие от классического агентства — тебе не нужно нанимать рекрутера на каждые N вакансий. Экономика сходится при 3-5 закрытых позициях в месяц с комиссией 10-15% годового дохода кандидата: это 150-500 тыс. ₽ выручки на человека-владельца при затратах на вычисления в единицы тысяч рублей.
Альтернативы: почему не взять готовое
Рынок труда для ИИ уже занят крупными игроками: Scale AI (данные и разметка, мажоритарную долю в 2025 купила Meta), Surge AI (главный конкурент по expert-данным), Toloka (выросла из Яндекса, краудсорсинг и expert-данные). В РФ живёт Яндекс.Толока как краудсорсинговая платформа попроще.
Щель для одиночки не в том, чтобы конкурировать с ними в поставке данных лабораториям — туда нужны контракты уровня OpenAI. Щель — в самой механике «ИИ-скрининг + тонкая команда», приложенной к любой нише найма или услуг, куда большие игроки не пойдут: подбор врачей для клиник, инженеров для стройки, репетиторов, линейного персонала. Продавать не «ИИ для рекрутинга» (это красный океан HR-tech), а закрытую вакансию за комиссию — как Mercor.
Как выходили на рынок
Как было у них. Компанию в январе 2023 основали три школьных друга по дебатному кружку — Брендан Фуди, Адарш Хиремат и Сурья Мидха, бросившие Джорджтаун и Гарвард ради стипендии Тиля. Начали не с «платформы», а с ручного аутстаффинга: первый клиент платил $500 в неделю за разработчика из Индии, ~30% оставалось Mercor. Скрининг кандидатов быстро упёрся в их собственное время — так появился ИИ-интервьюер: сначала инструмент для себя, потом продукт.
Дальше сработали два рычага. Первый — момент: бум спроса на expert-данные со стороны лабораторий и проблемы Scale AI после сделки с Meta, которые, по словам Фуди на TechCrunch Disrupt, ускорили переток заказчиков. Второй — маркетплейсная петля без отдела продаж: эксперты приводят экспертов за реферальные бонусы, заказчики приходят на пул, рост продуктовый, а не сейлзовый. Инвесторы добавили сигнала: Питер Тиль, Джек Дорси, Адам Д'Анджело, Ларри Саммерс, затем Felicis с Series B и Series C. Для масштабирования наняли тяжёлую артиллерию: первым президентом стал Сандип Джейн, экс-CPO Uber.
Третий этап мотиона — выход за пределы лабораторий. В 2026 компания продаёт экспертный пул корпорациям под флагом Enterprise AI: спрос растёт со стороны разработчиков ИИ-приложений и компаний из Fortune 500, которые дообучают модели под себя, — а в июле 2026 Mercor купила команду Deeptune, которая занимается обучением ИИ-агентов. Логика видна: сегодня продаём людей, которые учат модели, завтра — обученных агентов вместе с людьми, которые их контролируют.
Enterprise-направление: «Enterprise AI meets human expertise». Ставка на корпорации, которым нужны и эксперты, и агенты, — второй рынок после AI-лабораторий.
Как выходить тебе. Не продавай платформу — продавай закрытую позицию. Выбери вертикаль, где сам понимаешь, как отличить сильного специалиста от слабого: это твой скоринг, его не скопирует генерический HR-tech. Первые 10 клиентов — руками: агентства и компании, которые уже платят за подбор, с оффером «пришлю трёх проверенных кандидатов за 48 часов, деньги — только за выход человека». ИИ-интервью здесь — не маркетинговая фича, а способ держать поток в одиночку: пусть кандидаты проходят автоматический скрининг в Telegram или по видео, а ты вручную смотришь только верхние 10%. Первые 100 клиентов — реферальная петля с обеих сторон, как у Mercor: бонус кандидату за кандидата, скидка заказчику за заказчика. С кем не начинать: enterprise с полугодовым циклом закупки и тендерами — там выиграет тот, у кого юристы, а не скоринг.
Применение в России и СНГ
Повторить операционную модель — «ИИ делает скрининг, команда из 2-3 человек держит бизнес агентского масштаба» — в РФ можно, и дешевле, чем кажется.
- Стек. Видеоинтервью с транскрибацией: Whisper локально или Yandex SpeechKit. Оценка ответов: GigaChat, YandexGPT или open-weights модели (Qwen, Llama) на vLLM в российских GPU-облаках — Yandex Cloud, Selectel, Cloud.ru. Интервью-бот — Telegram + Voximplant для звонков. Платежи — YooKassa/Тинькофф, для выплат исполнителям — самозанятые через API банков.
- Регуляторика. Видеозаписи собеседований и резюме — персональные данные: хранение в РФ по 152-ФЗ, согласие на обработку и на автоматизированную оценку. Для выплат физлицам — режим самозанятых (НПД) или ГПХ, при работе с зарубежными заказчиками — валютный контроль.
- Кто уже рядом. HR-tech в РФ есть — Huntflow (ATS), Хабр Карьера, VCV (видеоинтервью), — но все продают софт или доступ к базе. Ниша «агентство с ИИ-операционкой, берущее деньги за результат» свободнее: классические кадровые агентства берут 15-20% годового дохода кандидата и работают руками.
- Каналы. Профильные Telegram-чаты вакансий, hh.ru как источник потока, Авито для линейного персонала, прямые продажи в компании, которые уже платят агентствам.
Вердикт по РФ: применимо с адаптацией — не как «российский Mercor для AI-лабораторий» (заказчиков такого масштаба нет), а как нишевое рекрутинговое агентство с ИИ-операционкой и комиссией за закрытую вакансию.
Риски
- Концентрация заказчиков. Основной спрос — топ-5 AI-лабораторий. Сокращение бюджетов на данные или уход двух ключевых клиентов бьёт по обороту сразу на десятки процентов. Прецедент рядом: Scale AI после сделки с Meta потеряла заказчиков-конкурентов.
- Gross ≠ net. Заголовочные $2 млрд — оборот; чистая выручка примерно втрое меньше. Оценка $20 млрд — это ~30x к net-выручке при переговорах на пике хайпа вокруг данных для ИИ.
- Операционные инциденты уже были. В апреле 2026 — утечка данных через взлом LiteLLM, случай растраты и подозрение на внедрение северокорейского оператора по украденным данным; подрядчики подавали иски о статусе занятости. Для бизнеса, живущего на доверии лабораторий к безопасности данных, это главный класс угроз.
- Для повторяющего в РФ — зависимость от одного человека: вся «компания» — это ты плюс агенты, болезнь или выгорание останавливают конвейер; плюс счёт за вычисления, который растёт вместе с потоком кандидатов линейно.
Вердикт
Mercor доказал, что стаффинг — бизнес позапрошлого века с 40-тысячными штатами — сжимается до 300 человек и $2 млрд оборота, если скрининг делает ИИ; в РФ схема повторяема в масштабе нишевого агентства на комиссии, где вместо отдела рекрутеров — интервью-бот и скоринг на локальной модели.
Ещё разборы ai-native: Sierra: агенты поддержки клиентов · Arcads: UGC-реклама без съёмочной команды · Cursor: $500 млн ARR на редакторе кода
Хочешь так же собрать бизнес, где операционку тянут агенты, — плейбуки дистрибуции и разборы каждый день в @solopreneuro.
