Por Canuto  

Halluminate, una startup de San Francisco con nueve empleados, obtuvo USD $30 millones para crear entornos de entrenamiento de IA centrados en finanzas. Su propuesta parte de identificar errores en tareas complejas y convertirlos en nuevas pruebas para agentes.
***

  • La Serie A, liderada por Oak HC/FT, elevó a USD $38,5 millones la financiación total de Halluminate.
  • La empresa afirma que cuatro de los cinco principales laboratorios estadounidenses de IA de código cerrado son clientes de pago.
  • En un benchmark financiero de 88 tareas, la puntuación media más alta entre siete modelos fue de 51%.

Halluminate recauda USD $30 millones para entrenar IA en tareas financieras

La startup de San Francisco desarrolla pruebas y entornos simulados para medir cómo se desempeñan los modelos de inteligencia artificial en trabajos financieros complejos. La nueva Serie A, liderada por Oak HC/FT, eleva a USD $38,5 millones el capital que ha recaudado desde su fundación en 2024.

Una apuesta por entrenar modelos en tareas especializadas

Halluminate tiene nueve empleados y trabaja en una parte menos visible del desarrollo de inteligencia artificial: los datos y ejercicios con los que se entrenan o evalúan los modelos. En vez de ofrecer una herramienta financiera directamente a empresas, la startup analiza cómo responden los sistemas a tareas del sector y crea simulaciones enfocadas en las deficiencias que detecta.

Su director ejecutivo, Jerry Wu, plantea que entrenar a un sistema para actividades financieras requiere ejercicios distintos de los que necesita un modelo orientado a programación. En declaraciones a Fortune, describió la infraestructura de la compañía como “laboratorios de investigación de datos verticalizados”, una forma de resumir su apuesta por trabajar con profundidad en dominios específicos en lugar de cubrir muchos sectores a la vez.

La ronda Serie A aportó USD $30 millones y estuvo encabezada por Oak HC/FT, firma que se suma a los inversionistas que ya respaldaban el proyecto. Y Combinator, Orange Collective y Heavybit participaron nuevamente, junto con investigadores individuales de Anthropic, OpenAI y Meta, según Wu; la financiación total de Halluminate llegó así a USD $38,5 millones.

La especialización sectorial es el núcleo de la tesis de la empresa, no solo una decisión comercial. Wu sostiene que las necesidades de entrenamiento podrían diferenciarse cada vez más entre finanzas, programación y salud, porque las tareas, los documentos y los criterios de revisión de cada actividad no son intercambiables.

Un benchmark con fallas en el trabajo financiero

En agosto, Halluminate publicó una evaluación que puso a siete modelos de frontera frente a una simulación de debida diligencia para adquirir una empresa. El ejercicio incluyó 88 tareas basadas en transacciones de capital privado anonimizadas, y profesionales que trabajan en operaciones redactaron y revisaron los desafíos para acercarlos a situaciones de trabajo reales.

La puntuación media más alta entre los modelos evaluados fue de 51%, un resultado que muestra las dificultades que aún pueden aparecer cuando un sistema debe completar una cadena de tareas relacionadas. La prueba no se limitó a preguntas aisladas: evaluó si un agente podía seguir instrucciones y producir entregables coherentes dentro de un proceso que exige consultar distintas fuentes.

Una de las tareas pedía modificar con anotaciones una declaración de trabajo a partir de una sala de datos con 160 archivos, 21 correos electrónicos distribuidos en nueve hilos y cuatro notas de reuniones. Mientras cambiaban los términos del acuerdo, el agente tenía que reconocer cuáles eran las instrucciones más recientes y conservar las disposiciones que debían permanecer intactas.

Según los resultados descritos por la compañía, los agentes podían perder el hilo entre las instrucciones y el documento final: omitían cambios solicitados, aplicaban un método analítico incorrecto o utilizaban información que ya había quedado desactualizada. Esas fallas dan a Halluminate material para diseñar nuevos ejercicios, aunque el benchmark de la empresa no implica por sí solo que todos los sistemas fallen de la misma manera en operaciones reales.

De los errores de evaluación a los entornos de entrenamiento

Halluminate convierte los errores observados en evaluaciones en escenarios simulados destinados al aprendizaje por refuerzo. En este enfoque, el modelo practica dentro de un entorno con tareas y resultados definidos, y puede recibir señales que orientan su aprendizaje; la propuesta de la startup es construir ejercicios que reflejen dificultades concretas del trabajo financiero.

Matt Streisfeld, socio general de Oak HC/FT, dijo a Fortune que las finanzas reúnen una amplia variedad de trabajo de conocimiento complejo, desde banca y capital privado hasta consultoría y contabilidad. Para el inversionista, esa diversidad puede hacer valiosa una infraestructura que someta a los agentes a ejercicios especializados, en particular cuando sus encargos dejan de ser breves y abarcan varias horas o días.

“Cuando el agente empieza a adentrarse en trabajo de largo horizonte, las pruebas y la especialización serán realmente clave”, afirmó Streisfeld. Su argumento vincula el valor potencial de la compañía con un cambio en el tipo de tareas delegadas a los sistemas: no solo responder consultas, sino sostener procesos extensos y entregar resultados que dependan de instrucciones acumuladas.

La empresa se enfoca por ahora en un grupo reducido de laboratorios que desarrollan modelos de frontera, en lugar de ampliar de inmediato su oferta a clientes empresariales de distintos sectores. Wu considera que colaborar primero con esos laboratorios ayuda a la compañía a contribuir a la mejora de los modelos y a perfeccionar sus métodos para construir entornos de entrenamiento.

Clientes, ingresos y una dificultad que debe crecer

Wu señaló que cuatro de los cinco principales laboratorios de IA de código cerrado de Estados Unidos son clientes de pago de Halluminate. También dijo que la empresa alcanzó ingresos anualizados de ocho dígitos en el rango medio, calculados a partir de ingresos trimestrales por trabajo ya entregado y pagado, y que opera con rentabilidad; esas cifras corresponden a declaraciones del director ejecutivo.

El interés por entrenar agentes en simulaciones especializadas también aparece en otras iniciativas del sector. Scale AI escribió en febrero que casi la mitad de sus nuevos proyectos de entrenamiento de datos involucraba entornos de aprendizaje por refuerzo, mientras que Deeptune, que crea entornos laborales simulados para agentes, levantó USD $43 millones en una Serie A liderada por Andreessen Horowitz en marzo y acordó ser adquirida por Mercor cuatro meses después.

Halluminate sostiene que concentrarse en finanzas le permite acumular experiencia sectorial, una red de expertos y métodos propios para verificar y generar datos del dominio. Esa acumulación es relevante para su modelo porque no basta con crear una simulación una vez: si los sistemas mejoran, las pruebas deben seguir poniendo a prueba habilidades más exigentes.

Wu llama “ley de Moore de los entornos” a la presión de elevar esa dificultad y estima que, cada seis a ocho meses, la complejidad de los escenarios debe aproximadamente duplicarse para seguir desafiando a los modelos de frontera. La complejidad puede traducirse en recorridos más largos, razonamientos más difíciles o un mayor número de archivos; según el ejecutivo, la propiedad intelectual de Halluminate reside en sostener esa evolución generación tras generación.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados