有一家公司叫 AfterQuery，2025年在旧金山成立，从 YC 孵化出来，一年半都不到，估值已经到了32亿美元。YC 的合伙人说，这是 YC 史上从孵化到独角兽速度最快的一家公司。

创始人两个人，斯宾塞23岁，卡洛斯22岁。他们一开始想给金融行业做 AI Agent，结果演示的时候一切顺利，真放进工作里就完全翻车了。翻车之后，他们没有直接换赛道，而是掉头复盘，把"我们为什么失败"这件事本身，做成了产品。

他们发现，AI 在专业领域老是出错，缺的不是书本上的知识，是专家在真实工作里一点点攒出来的那种判断。外科医生扫一眼片子就看出问题，老投资人聊十分钟就知道创业者靠不靠谱，这些东西连专家本人都说不清楚从哪儿来的，他们只会说"就是感觉这儿不太对"。

AfterQuery 做的事情，就是把这种说不清楚的判断，变成 AI 可以学的东西。他们招募了将近10万名真实从业者，包括医生、律师、工程师、金融分析师，用一套五步流程把这些人脑子里的判断一步步"逼"出来。

先说第一步，找到 AI 在真实工作里精确崩掉的那个点，不是笼统说"AI 做金融任务不行"，要精确到哪个动作出了问题。然后说第二步，把这个崩点包装成一道有标准答案的题。第三步最关键，给这道题配两样东西：一个由专家写的评分细则，什么算过、什么不算过，全写成条；还有一段自动跑的程序，能判断 AI 的答案到底对不对。第四步，人类专家上场生产答案、互相复核。第五步，拿这批数据小规模训练一遍，用分数证明模型真的学会了。

公司卖的不是专家的时间，卖的是把那句"感觉不太对"翻译成可以给模型打分的信号。目前已盈利，营收达数亿美元，数据还被用进了英伟达 Nemotron 3 Ultra 的训练里。

可能很多人会有这样的担心：把自己的经验整理出来帮 AI 学，会不会到头来把自己的位置也训没了？

我感觉能被整理出来的，是你过去已经积累的经验。让你继续有价值的，是你还能不断产出新的判断。

比如，浙江绍兴有一批八九十岁的老人，编了一辈子兜篮，一只篮子编五六个小时，只卖6块钱，还得自己拎到菜市场碰运气。后来高校学生重新设计了花样，有的做成 Hello Kitty，有的做成水桶包的形状，均价涨到了60块，供不应求。老人的手艺一点没变，变的是他们愿意接受新东西。

公司里那条淘汰线，跟年龄没关系，跟你还在不在成长有关。