Agentes de inteligencia artificial con tasas de éxito que no superan el 83% en condiciones controladas representan un riesgo operativo real para cualquier organización que los despliegue sin supervisión. Evaluaciones recientes con herramientas como LiveBench 2.0 muestran que modelos de última generación completan entre el 75% y el 83% de las tareas asignadas, mientras que pruebas en entornos corporativos simulados realizadas por la firma de infraestructura EON ubican la precisión máxima en 76.8%. Estas cifras señalan una brecha crítica entre las capacidades actuales y los estándares de confiabilidad que exige la operación empresarial.
De la carretera al entorno corporativo
Una startup fundada por ex desarrolladores de tecnología para vehículos autónomos —con experiencia en Nexar y colaboración con Waymo— está trasladando al mundo de los agentes de IA el mismo enfoque que permitió llevar los autos autónomos a las calles: la simulación masiva con datos sintéticos. La lógica es directa: así como un vehículo autónomo debe entrenarse ante miles de escenarios de riesgo antes de circular, un agente de IA debe exponerse a flujos de trabajo extremos y combinaciones de datos complejas antes de operar en producción.
La plataforma construye un gemelo digital de los sistemas electrónicos de cada empresa —bases de conocimiento, herramientas disponibles, políticas internas— y mapea todos los posibles flujos de trabajo. Sobre esa representación, ejecuta evaluaciones y correcciones para escenarios límite: agentes que ignoran políticas de gasto al reservar viajes, o que generan errores al cruzar información de múltiples fuentes en consultas a bases de datos. La solución se integra con herramientas agénticas ya instaladas en muchas organizaciones, como Claude Code, Codex, Copilot y Cursor, lo que reduce la fricción de adopción.
Modelos más pequeños, costos menores, rendimiento comparable
El argumento de negocio más relevante no es solo la mejora en confiabilidad, sino la eficiencia que habilita el enfoque. Los datos recopilados durante la simulación se usan para entrenar modelos de menor tamaño, ajustados a las necesidades específicas de cada cliente. Pruebas realizadas en colaboración con Nvidia y Nebius indican que estos modelos superan a los de frontera en eficiencia, con reducciones de costo de uno o dos órdenes de magnitud —es decir, entre 10 y 100 veces menos— sin sacrificar calidad.
Esta arquitectura descompone tareas complejas en componentes más pequeños, entrena modelos de pesos abiertos sobre cada componente y valida mediante simulación que el resultado sea comparable o superior al de modelos generales de mayor escala. Para organizaciones que evalúan el costo total de operar agentes de IA a escala, esta diferencia puede determinar la viabilidad económica de proyectos que hoy se perciben como prohibitivos.
Financiamiento y posicionamiento en el mercado
La empresa cerró una ronda inicial de 13 millones de dólares liderada por Team8, con participación de U&I, Velocity y Mercer. El respaldo de un fondo especializado en ciberseguridad e infraestructura tecnológica como Team8 sugiere que el mercado percibe la confiabilidad de los agentes de IA no solo como un problema de rendimiento, sino como una cuestión de riesgo operativo y, potencialmente, de seguridad empresarial. En un entorno donde la adopción de agentes autónomos avanza más rápido que los marcos de control disponibles, las herramientas que permiten validar comportamiento antes del despliegue adquieren una posición estratégica difícil de ignorar.




