Por Canuto  

NeoCognition, una startup surgida de un laboratorio de investigación en Ohio State, salió del sigilo con una ronda semilla de USD $40 millones. Su apuesta es ambiciosa: construir agentes de IA capaces de autoaprender y especializarse en cualquier entorno profesional, con la meta de superar los problemas de fiabilidad que hoy limitan a muchas herramientas autónomas.
***

  • NeoCognition cerró una ronda semilla de USD $40 millones codirigida por Cambium Capital y Walden Catalyst Ventures.
  • La empresa fue fundada por Yu Su, profesor de Ohio State, y busca desarrollar agentes de IA que aprendan como humanos y se especialicen por cuenta propia.
  • Según Su, muchos agentes actuales solo completan tareas como se espera cerca del 50% de las veces, lo que frena su uso como trabajadores autónomos confiables.

 

NeoCognition, un laboratorio de investigación en inteligencia artificial convertido en startup, anunció una ronda semilla de USD $40 millones con la que buscará desarrollar agentes de IA capaces de aprender de forma más parecida a los humanos. La compañía salió oficialmente del modo sigiloso en un momento en el que el capital de riesgo sigue mostrando un fuerte apetito por equipos centrados en hacer que la IA sea más eficiente y, sobre todo, más fiable.

La empresa fue fundada por Yu Su, profesor de Ohio State y director de un laboratorio de agentes de IA. Según relató la publicación TechCrunch, Su se mostró inicialmente reacio a comercializar su trabajo pese al interés de inversionistas, pero el año pasado decidió dar el paso al observar que los avances en modelos fundacionales empezaban a abrir la puerta a agentes verdaderamente personalizados.

La ronda fue codirigida por Cambium Capital y Walden Catalyst Ventures. También participaron Vista Equity Partners y varios inversionistas ángeles, entre ellos Lip-Bu Tan, CEO de Intel, e Ion Stoica, cofundador de Databricks.

El planteamiento de NeoCognition parte de un diagnóstico crítico sobre el estado actual de los agentes de IA. Su afirmó que las herramientas disponibles hoy tienden a comportarse como generalistas y que, cada vez que un usuario les asigna una tarea, en cierta medida está dando un salto de fe. A su juicio, el problema central no es solo la capacidad, sino la inconsistencia.

De acuerdo con Su, agentes como Claude Code, OpenClaw o las herramientas informáticas de Perplexity completan exitosamente las tareas según lo previsto solo alrededor del 50% de las veces. Esa tasa, según su argumento, aún está lejos del nivel necesario para que estos sistemas operen como trabajadores independientes en los que empresas y usuarios puedan confiar sin supervisión constante.

El enfoque de NeoCognition es intentar resolver esa brecha de fiabilidad mediante agentes autoaprendientes que se especialicen en cualquier dominio. En lugar de depender de flujos rígidos ajustados para una sola industria o tarea, la startup quiere construir sistemas generalistas con capacidad de adaptarse y convertirse en expertos dentro de un contexto concreto.

Aprender como humanos para ganar confiabilidad

La tesis de Su es que la inteligencia humana no destaca únicamente por ser amplia, sino por la capacidad de especialización. Cuando una persona entra en un nuevo oficio, entorno profesional o sistema de reglas, suele ser capaz de entender con rapidez sus relaciones, restricciones y consecuencias. Para NeoCognition, ese proceso es el modelo que la IA debe imitar si quiere funcionar de forma confiable en escenarios reales.

Según explicó Su, el aprendizaje continuo en humanos puede entenderse como un proceso de construcción de un modelo del mundo para cada profesión o entorno. Bajo esa lógica, la startup intenta desarrollar agentes que aprendan de forma autónoma a construir un modelo de cualquier “micro mundo” específico en el que deban operar.

Ese concepto de “micro mundo” es importante porque apunta a una limitación común en la industria. Muchos sistemas actuales pueden mostrar resultados llamativos en tareas generales, pero fallan cuando entran en contextos donde importan reglas internas, excepciones, secuencias operativas y conocimiento tácito. Ahí es donde la especialización deja de ser un lujo y pasa a ser una condición para la utilidad práctica.

Su sostiene que esa habilidad de especializarse con rapidez es el eslabón faltante para llevar a la IA hacia una autonomía verdaderamente útil. En su visión, el mercado ya dispone de modelos fundacionales potentes, pero todavía necesita agentes que sepan aprender de manera continua dentro de entornos específicos para actuar con consistencia.

La empresa también marca distancia frente a enfoques más verticales. Su reconoció que es posible entrenar agentes para tareas autónomas, pero subrayó que esos sistemas suelen diseñarse a medida para un solo sector. NeoCognition, en cambio, quiere crear agentes generalistas que puedan autoaprender y luego especializarse en cualquier dominio, sin quedar restringidos a un vertical predeterminado.

Modelo de negocio y respaldo de inversionistas

NeoCognition planea vender sus sistemas de agentes principalmente a empresas. Entre sus clientes potenciales figuran compañías SaaS ya establecidas que podrían usar esta tecnología para construir agentes-trabajadores o para reforzar productos existentes con nuevas funciones de IA.

En ese punto, la participación de Vista Equity Partners tiene un valor estratégico adicional. Su destacó que Vista, una de las firmas de capital privado más grandes dentro del software, puede ofrecer acceso a una amplia cartera de empresas interesadas en modernizar sus productos mediante inteligencia artificial.

Más allá del capital, la red de inversionistas sugiere que el proyecto quiere posicionarse como una plataforma de infraestructura aplicada al software empresarial. La combinación de fondos especializados, un ejecutivo de alto perfil como Lip-Bu Tan y un referente técnico como Ion Stoica refuerza la idea de que NeoCognition apunta a un mercado donde la capacidad científica y la integración comercial deben avanzar juntas.

La compañía cuenta actualmente con cerca de 15 empleados, y la mayoría tiene doctorado. Ese detalle ayuda a entender cómo se presenta la startup: no solo como una empresa de producto, sino como un laboratorio de investigación con una base académica fuerte, enfocado en resolver uno de los problemas más persistentes de la IA aplicada.

El anuncio también refleja una tendencia más amplia del mercado. Los inversionistas están compitiendo por respaldar a investigadores de IA con trayectoria académica, especialmente cuando proponen mejoras en fiabilidad, eficiencia y personalización. Tras la explosión de los modelos generativos, el siguiente campo de batalla parece ser la autonomía útil, es decir, sistemas que no solo respondan, sino que ejecuten tareas complejas con menos errores y menos supervisión.

Por qué importa en el panorama actual de la IA

Para lectores menos familiarizados con el tema, un agente de IA es un sistema diseñado no solo para generar texto o responder preguntas, sino para ejecutar acciones, tomar decisiones dentro de un flujo de trabajo y adaptarse a objetivos cambiantes. El desafío es que, cuando estos sistemas fallan, no se trata de una simple respuesta incorrecta. El error puede afectar procesos, clientes, operaciones o decisiones empresariales.

Por eso, la fiabilidad se ha convertido en un asunto central. Un agente que completa bien una tarea solo la mitad de las veces puede parecer prometedor en una demostración, pero resulta insuficiente para despliegues serios dentro de empresas. La propuesta de NeoCognition busca atacar precisamente esa distancia entre la promesa tecnológica y la utilidad operativa.

El caso también ilustra cómo la investigación académica sigue alimentando algunas de las apuestas más visibles del capital de riesgo en IA. En vez de enfocarse únicamente en modelos más grandes, una parte del mercado comienza a priorizar sistemas capaces de aprender en contexto, mantener consistencia y adquirir pericia en dominios específicos. Si esa visión prospera, podría redefinir la próxima generación de software empresarial inteligente.

Por ahora, NeoCognition aún está en una etapa temprana. Sin embargo, salir del sigilo con USD $40 millones y con respaldo de nombres de peso le da margen para desarrollar su tecnología y probar si su tesis sobre agentes autoaprendientes puede traducirse en productos que superen las limitaciones actuales. El reto no será menor, pero también lo es la oportunidad si logra convertir agentes generalistas en expertos confiables.

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