Por Canuto  

Vals, una startup fundada en 2024, recaudó USD $40 millones en una ronda Serie A liderada por Andreessen Horowitz para desarrollar evaluaciones de IA centradas en tareas reales, riesgos y desempeño sectorial, en lugar de limitarse a exámenes públicos que los modelos pueden aprender de memoria.
***

  • Vals fue fundada en 2024 y obtuvo una ronda Serie A de USD $40 millones liderada por Andreessen Horowitz.
  • La startup prueba modelos en tareas complejas de derecho, finanzas, programación, salud mental, ciberseguridad y bioseguridad.
  • Sus ingresos son ocho veces mayores que el año pasado y su equipo pasó de ocho a 25 personas.

La evaluación comparativa se convirtió en una de las herramientas centrales para demostrar qué tan capaz es un modelo de inteligencia artificial. Las empresas usan sus resultados para validar productos, compararse con rivales y respaldar anuncios de superioridad, pero la proliferación de sistemas más avanzados también dejó expuestas las limitaciones de muchas pruebas tradicionales.

Vals, una startup fundada en 2024, quiere ocupar ese espacio con evaluaciones enfocadas en el trabajo que los modelos pueden realizar en condiciones cercanas a la realidad. La empresa sostiene que los benchmarks académicos, especialmente aquellos cuyos materiales están disponibles públicamente, pueden quedarse atrás frente al ritmo de la industria o permitir que los desarrolladores entrenen sus sistemas directamente con las preguntas.

Una industria que busca nuevas métricas

La discusión importa porque un benchmark no solo produce una cifra técnica: también puede convertirse en una herramienta de relaciones públicas. Cuando un modelo obtiene una puntuación destacada, la empresa puede presentarlo como evidencia de que superó a sus competidores, aunque el resultado no necesariamente indique que el sistema sea confiable para resolver problemas complejos en un entorno profesional.

Rayan Krishnan, cofundador de Vals, explicó que la idea surgió al observar cómo aparecían modelos nuevos y capaces mientras las evaluaciones académicas no seguían el avance de frontera. A su juicio, las pruebas deberían verificar si los sistemas pueden hacer aquello que las empresas anuncian, sobre todo mientras la inteligencia artificial se integra en más áreas de la sociedad.

Krishnan, de 25 años, trabajó en Palantir y estudió en Stanford. Su experiencia previa le permitió observar desde distintos ángulos la distancia entre una demostración controlada, una puntuación de laboratorio y el desempeño que un usuario espera de una herramienta desplegada en el mundo real.

La startup recaudó en 2025 una ronda semilla liderada por 8VC y Bloomberg Beta, antes de obtener en agosto de 2026 USD $40 millones en una Serie A encabezada por Andreessen Horowitz. La inversión llegó después de un periodo de crecimiento rápido y refuerza la apuesta de la firma de capital de riesgo por una infraestructura de medición capaz de influir en la evolución comercial de la IA.

Del examen público al trabajo especializado

La principal diferencia de Vals está en que no divulga públicamente los materiales específicos de sus pruebas. El objetivo es reducir la posibilidad de que una empresa entrene su modelo con las preguntas exactas y luego confunda la familiaridad con el examen con una capacidad general para resolver problemas inéditos.

Krishnan cuestiona una tradición que mide la inteligencia de forma muy abstracta, por ejemplo preguntando si un sistema conoce suficiente información para aprobar un examen profesional. Vals intenta desplazar esa lógica hacia tareas complejas relacionadas con industrias como el derecho, las finanzas y la programación, donde la calidad de la respuesta puede evaluarse por su utilidad y no únicamente por una respuesta correcta.

La empresa afirma que analiza si un modelo puede producir un resultado con una calidad comparable a la de un profesional humano dentro de cada dominio. Esa metodología también contempla los resultados negativos: además de preguntar qué puede hacer un sistema, busca estimar qué consecuencias tendría si esas capacidades se usaran ampliamente sin controles suficientes.

El catálogo de evaluaciones se está extendiendo a áreas con riesgos particularmente delicados. Vals trabaja en benchmarks sobre mejora recursiva, salud mental, ciberseguridad y bioseguridad, e incluso desarrolla pruebas sobre derecho de los conflictos armados para examinar si los modelos comprenden cómo aplicar la Convención de Ginebra.

Un negocio basado en medir los límites

A primera vista, puede parecer extraño que una empresa pague para descubrir que su modelo funciona mal. Sin embargo, una medición independiente y consistente puede mostrar dónde están las fallas, orientar el desarrollo de nuevas versiones y ofrecer una referencia para comprobar si las mejoras anunciadas producen resultados concretos.

El fundador comparó el modelo de ingresos con el de un estudiante que paga al College Board para presentar el SAT. En esa lógica, la evaluación no representa únicamente un examen final, sino un servicio que ayuda a identificar deficiencias y a generar una señal comprensible para organizaciones que deben decidir qué modelo comprar o integrar.

Los resultados de estas pruebas ya empiezan a influir en las decisiones de empresas que buscan adquirir modelos de inteligencia artificial. Vals reveló que sus ingresos son actualmente ocho veces mayores que los del año pasado, una expansión que refleja el interés de los clientes por contar con métricas más vinculadas al desempeño operativo y menos dependientes de cuestionarios conocidos.

La compañía comenzó el año con ocho empleados y llegó a 25, mientras prepara una mudanza a una oficina considerablemente más grande y planea contratar entre 10 y 15 personas adicionales. También lanzó un programa destinado a proporcionar evaluaciones de modelos a agencias federales, una iniciativa que podría ampliar el papel de la startup en procesos públicos donde la confiabilidad y los riesgos de la IA tienen consecuencias institucionales.

La promesa de confianza para los mercados

La ambición de Vals va más allá de crear una lista de puntuaciones técnicas. Krishnan sostiene que, a medida que los modelos se conviertan en una parte central de la economía, sus evaluaciones podrían influir en la manera en que las empresas presentan información pública, justifican inversiones y construyen confianza ante clientes, reguladores e inversionistas.

El argumento adquiere importancia en un sector donde las compañías de IA buscan escalar con rapidez y captar capital mediante promesas de productividad, automatización y nuevas capacidades. Si los benchmarks no reflejan los riesgos ni el rendimiento de tareas concretas, una cifra elevada puede generar una sensación de seguridad que no se corresponde con la experiencia de los usuarios.

El fundador también vinculó esa tendencia con la eventual llegada de grandes compañías de IA a los mercados públicos. Al hablar sobre SpaceX, Anthropic y OpenAI, Krishnan planteó que las métricas de evaluación podrían formar parte de la manera en que esas empresas describan sus planes de inversión y sus perspectivas de negocio, aunque sus comentarios constituyen una expectativa y no una confirmación de calendarios corporativos.

Para Vals, el desafío consiste en demostrar que sus pruebas son rigurosas, relevantes y resistentes a la manipulación sin revelar los materiales que pretende proteger. El estándar de oro que busca construir no dependerá solo del respaldo financiero de Andreessen Horowitz, sino de si sus evaluaciones logran conectar una puntuación con una pregunta mucho más difícil: qué puede hacer realmente un modelo y qué puede salir mal cuando se le deja actuar.

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