Ingresos recurrentes: fundadores de IA, despidos y las startups de 3 personas con 12 agentes inteligentes
Nueve meses atrás, Sam Brown estaba desempleado. El motivo, según él mismo cuenta sin drama, fue la Inteligencia Artificial. La empresa donde había construido una carrera desde comienzos de los años 2000 decidió recortar el equipo, apostando fuerte por la automatización y las herramientas de IA, y él terminó en la ola de despidos. En lugar de ver el layoff como el final del camino, transformó la salida en punto de partida para un nuevo tipo de negocio: una empresa con tres socios humanos y 12 agentes de IA haciendo el trabajo que, hasta hace poco tiempo, requeriría equipos enteros.
De ese giro nació Fathom AI, una plataforma de habilitación de ventas enfocada en el segmento de estética médica, un mercado multimillonario que involucra cirujanos plásticos, dermatólogos, clínicas, spas médicos y fabricantes de equipamientos. Con sede en Austin, la empresa se lanzó a comienzos de 2026 y, en apenas 12 semanas, ya proyectaba US$ 300 mil en ingresos recurrentes anuales (ARR), márgenes brutos por encima del 90 % y costos operativos menores al 10 % de la facturación. Todo eso con apenas US$ 300 invertidos al inicio de la operación y sin un centavo de capital de riesgo.
Al lado de Brown están el fundador y CEO Ben Hooten, de 39 años, y el veterano de ventas Dan Crump, de 56. El trío decidió estructurar la empresa como una sociedad, priorizando la distribución de utilidades desde el comienzo, en vez de perseguir el modelo clásico de startup que quema caja durante años a la espera de un gran exit. La lógica es simple: si los costos son bajos y el margen es alto, tiene más sentido tratar el negocio como una máquina de generación de caja previsible que como un billete de lotería a largo plazo.
US$ 300 invertidos, US$ 300 mil en ARR y proyección de US$ 5 millones
En los primeros dos meses y medio, Fathom AI ya había alcanzado cerca de US$ 300 mil en ARR. Según Brown, que cuida las finanzas de la empresa, la operación es tan ligera que el trío no veía necesidad de captar con fondos de venture capital, incluso después de avanzar hasta la etapa final de negociación de un term sheet.
En una de las conversaciones con inversores, apareció el discurso estándar: sería necesario montar un gran equipo de ingeniería, un equipo robusto de customer success, un equipo comercial ampliado, capas de gestión. Al salir de la reunión, Hooten y Brown se miraron y concluyeron que eso simplemente no tenía sentido para el tipo de empresa que estaban construyendo. Con 12 agentes de IA bien orquestados, buena parte de esas funciones ya estaba automatizada.
Con los números iniciales en la mano, el plan se volvió más agresivo: Fathom AI proyecta llegar a finales de 2026 con algo entre 15 y 18 clientes corporativos de porte relevante y cerca de US$ 5 millones en ARR. En lugar de retener utilidades para reinvertir en estructuras pesadas, el trío optó por un modelo en el que los socios son remunerados como si recibieran un salario recurrente de la propia sociedad. Crump, el más experimentado del grupo, lo resume bien: la empresa ya es generadora de caja, y ellos prefieren ver el dinero entrando ahora que esperar un escenario de salida incierto.
De la catarsis en el bar a la plataforma de IA que destrabó 225 nuevas cuentas
La idea que dio origen a Fathom AI surgió en un momento muy humano: un desahogo al final del día. Kirk Gunhus, ejecutivo con tres décadas de experiencia en el sector de estética médica y cero perfil de tech bro, se quejaba de las herramientas de ventas del área. Después de algunas cervezas, le soltó la verdad a Hooten, que en esa época todavía era representante de ventas:
Tienes un montón de sistemas, CRM, datos, reportes… y nada se conecta bien. Lo que yo quería era algo que me dijera, cuando entro en un código postal específico, exactamente qué cuentas tienen más sentido atacar primero.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
Para Gunhus, eso fue solo un desahogo entre colegas. Para Hooten, se convirtió en un briefing completo de producto. El fin de semana siguiente, lo llamó diciendo que tenía un plan. A partir de ahí, comenzó a prototipar una plataforma que cruzara datos de mercado, historial de ventas, perfil de clientes y búsquedas en tiempo real para generar una lista priorizada de cuentas objetivo por región.
Gunhus aceptó un piloto con seis representantes comerciales de uno de sus clientes de consultoría, Tiger Aesthetics. El detalle curioso: la empresa no tenía presupuesto para cerrar el contrato corporativo en ese momento. Aun así, cada uno de los seis reps decidió pagar de su propio bolsillo para usar la herramienta. El motivo, dice Gunhus, es directo: la solución estaba haciendo que esos profesionales ganaran más dinero.
Los resultados fueron bastante objetivos. En todo el año 2024, Tiger Aesthetics no había abierto una sola cuenta nueva relevante. Después de un trimestre usando Fathom AI, sumó 225 nuevas cuentas. La reacción de la dirección fue previsible: era la primera vez en mucho tiempo que veían ese tipo de tracción con reducción del desperdicio de tiempo en campo y una priorización real de oportunidades.
Qué hacen realmente los agentes de IA en Fathom AI
Más allá de la historia de superación, lo que más llama la atención es la forma en que Fathom AI usa agentes de IA como si fueran empleados digitales con roles bien definidos. Nada de bot genérico respondiendo FAQ. Hooten montó una especie de organigrama paralelo, donde cada agente se encarga de una función de negocio:
- Agente de customer success que gestiona la relación con una fuerza de ventas nacional, acompañando indicadores de uso y activando alertas cuando alguna región comienza a rendir por debajo del promedio.
- Agente de inteligencia competitiva que trabaja literalmente 24/7, se despierta cada dos horas, barre el mercado, monitorea competidores y produce briefings automáticos para el equipo humano.
- Agentes de prospección y priorización que cruzan código postal, perfil de producto, historial de compra, datos públicos y tendencias de búsqueda para indicar qué cuentas tienen más potencial.
- Agente de capacitación que simula conversaciones de ventas, corrige argumentos en tiempo real y hace preguntas de profundización para entrenar a nuevos representantes.
En campo, la experiencia es casi transparente. En uno de los casos relatados, un representante de Tiger Aesthetics llamó al soporte creyendo que estaba hablando directamente con Hooten. Recibió orientación paso a paso, resolvió el problema y solo después se enteró de que la atención había sido realizada por un bot de IA entrenado con el estilo y el conocimiento del propio fundador. Según Gunhus, el vendedor ni siquiera lo sospechó durante la llamada.
La plataforma que el representante usa en el día a día también es un buen ejemplo de cómo la IA generativa y los datos en tiempo real se conectan en la práctica:
- El vendedor escribe un código postal;
- Fathom lista todas las clínicas, consultorios y spas relevantes en ese radio;
- Cada cuenta aparece con una puntuación de encaje con los productos que el rep vende;
- El sistema añade datos de búsquedas locales (vía Google) para que el vendedor llegue sabiendo de antemano qué están buscando los pacientes de esa región;
- Durante la capacitación, el mismo entorno sirve como campo de simulación, con IA actuando como cliente y corrigiendo discursos, objeciones mal tratadas y enfoques débiles.
El resultado es un ciclo en el que pocos humanos, apoyados por muchos agentes de IA, consiguen cubrir mucho más territorio con más precisión y menos prueba y error.
El trío improbable: ex Marine, vendedor escéptico y el fundador sin background en software
La formación del equipo de Fathom AI es casi un antiestereotipo de startup de IA. Hooten viene de ventas, no de programación. Crump es un exinfante de marina con décadas de experiencia en empresas como GE, IBM y HP, acostumbrado a ver ciclos de tecnología ir y venir. Brown, por su parte, es el ejecutivo que sintió en carne propia el impacto de los recortes vinculados a la automatización.
Crump recuerda momentos de comienzos de los años 2000, como una visita a Enron en plena caída de la empresa, para ilustrar cuánto cambio estructural ya ha visto en el mercado. Para él, buena parte de lo que aparece en ventas de tecnología es simplemente poco interesante, más de lo mismo con envoltorios diferentes. Con Fathom AI, dice sentir finalmente que está ayudando a construir algo que realmente cambia la forma de vender, no solo otra capa de reportes encima del CRM.
Hooten, por otro lado, ve la era de los agentes de IA como una gran oportunidad para que personas no técnicas construyan sistemas que antes dependían de grandes equipos de ingeniería. Cuando escuchó de un colega que sería imposible crear una herramienta de ventas automatizada que realmente funcionara en la práctica, decidió encarar el desafío. En el primer día de campo usando lo que había construido, cerró US$ 440 mil en ventas en un solo día, reforzando su convicción de que el modelo tenía sentido.
Un paralelo en Toronto: KNOWIDEA y el CEO de 23 años
La historia de Fathom AI no es un caso aislado. En Toronto, el joven Yatharth Sejpal, de 23 años, está siguiendo un guion muy parecido con su empresa, KNOWIDEA. El producto es diferente, pero la lógica es similar: un equipo ligero, fuerte uso de IA y foco en empresas grandes.
KNOWIDEA se define como una plataforma de inteligencia predictiva para la toma de decisiones. La idea es ayudar a ejecutivos de alto nivel a ver, en medio de datos dispersos, qué decisiones tienen más sentido en determinado escenario. En lugar de dashboards complejos y presentaciones interminables, Sejpal insiste en que el valor real está en una única cosa: claridad. Según él, todo lo que envuelve reportes, BI, gráficos y análisis existe solo para eso: dar claridad para que alguien, del otro lado, ejerza el juicio humano.
Detalle importante: Sejpal no proviene de ciencias de la computación y dice no haber escrito jamás una línea de código. En menos de seis meses de operación, sin embargo, afirma tener US$ 500 mil en ARR, con seis clientes corporativos en sectores como energía, manufactura, servicios profesionales y servicios financieros. Comparte el liderazgo de la empresa con Brian Zhengyu Li, cofundador que está realizando un doctorado y ya trabajó como científico aplicado en Amazon Web Services.
Al igual que Fathom, KNOWIDEA también rechazó dinero fácil de venture capital. Sejpal dejó pasar una plaza en Antler, uno de los mayores programas de aceleración del mundo, para no diluir el capital antes de probar el modelo. Prefirió una inversión estratégica de una empresa de consultoría, a una valuación de unos US$ 15 millones.
IA que ayuda, pero no decide por ti
Un punto central en el discurso de Sejpal es el cuidado con las alucinaciones de IA, tema sensible para cualquier herramienta que se mete con decisiones de alto impacto. Para él, el trabajo de la plataforma es entregar claridad, no sustituir el juicio humano. La arquitectura de KNOWIDEA fue diseñada para filtrar predicciones que se desvían mucho de los patrones de mercado antes de que cualquier dato llegue a la mesa del cliente. El sistema destaca riesgos, muestra escenarios y señala probabilidades, pero la responsabilidad final por la decisión sigue siendo del ejecutivo.
En la cabeza de Sejpal, el futuro del trabajo en grandes empresas va a girar en torno a microequipos altamente especializados, apoyados por IA, en lugar de grandes equipos tradicionales. Habla de tener solo dos tipos de funciones humanas en KNOWIDEA:
- FDE (forward deployed engineer): quien entiende profundamente de datos y sabe cómo estructurarlos.
- FDC (forward deployed consultant): quien entiende el contexto del cliente, de la industria y de los problemas de negocio.
Todo lo que se salga de esas dos funciones, en su visión, puede automatizarse con Inteligencia Artificial. En lugar de equipos de 20 personas en proyectos corporativos, Sejpal ve un futuro en el que dos especialistas (un FDE, un FDC), apoyados por sistemas inteligentes y un supervisor, entregan el mismo resultado que hoy exige equipos enormes.
Herramientas que usamos a diario
Qué dicen estas empresas sobre el futuro de las startups y los despidos
El punto en común entre Fathom AI y KNOWIDEA no es solo la poca cantidad de personas o la obsesión por la IA. Es el hecho de que están redefiniendo los costos básicos de montar una empresa de software. La lógica que dominó el modelo de venture capital durante décadas partía de una premisa: para construir tecnología seria, era necesario mucho capital, porque tecnología significaba grandes equipos de ingeniería, ventas, éxito del cliente, soporte y operaciones.
Cuando tres personas consiguen, con unos pocos cientos de dólares y una arquitectura de agentes inteligentes bien montada, alcanzar ARR de seis o siete dígitos en pocos meses, esa premisa empieza a resquebrajarse. Plataformas que antes exigían rondas iniciales de US$ 10 millones hoy pueden montarse con un puñado de operadores experimentados y un conjunto de agentes de IA corriendo en infraestructura en la nube bajo demanda.
Este movimiento también tiene implicaciones directas para quien vivió, o aún va a vivir, un layoff ligado a la IA. Sam Brown no romantiza su despido, pero ve el hecho de haber pasado por eso antes que la mayoría como una especie de anticipo del futuro. En su visión, prácticamente todo el mundo, en mayor o menor grado, va a tener que enfrentar esta reconfiguración del mercado. La diferencia está en cómo cada uno elige reaccionar: luchar para mantener el modelo antiguo o aprender a usar la misma tecnología que amenaza el empleo para diseñar nuevos caminos.
El mensaje de gente como Gunhus, veterano que vio de cerca la transformación en el sector de estética médica, es directo: ignorar la revolución de los agentes de IA no es una opción. En su evaluación, quien no aprenda a usar este tipo de tecnología terminará siendo superado por quien sepa combinarla con conocimiento de negocio. En otras palabras, no se trata solo de programadores o científicos de datos: se trata de profesionales de cualquier área entendiendo cómo trabajar codo a codo con sistemas inteligentes.
Del caos al reacomodo: un nuevo tipo de empresa de tecnología
Al final de cuentas, estas historias ayudan a pintar el retrato de un momento de transición en el que Inteligencia Artificial, ingresos recurrentes y equipos diminutos se juntan para crear un nuevo tipo de empresa de software. Negocios con:
- pocas personas, pero con experiencia profunda en el problema que quieren resolver;
- muchos agentes de IA especializados, orquestados como si fueran departamentos enteros;
- estructura de costos ligera, con márgenes altos y poco espacio para el desperdicio;
- foco claro en ARR desde el primer trimestre, en vez de crecer a cualquier costo.
Para quien acompaña el ecosistema de tecnología, la sensación es la de estar viendo el comienzo de un reacomodo muy profundo. No es exagerado decir que, en algunos años, la imagen estándar de una startup, oficina llena, decenas o cientos de personas, varias capas de liderazgo, puede parecer tan anticuada como un data center propio parece hoy para quien ya nació en la nube.
Entre el layoff que cortó la carrera de Sam Brown y el escenario en el que tres personas comandan 12 agentes de IA rentables, existe una línea muy clara: la de que la tecnología que hoy amenaza empleos es la misma que permite crear empresas radicalmente más eficientes. Y, sí, más pequeñas, al menos en número de humanos. El resto del equipo ya está corriendo en GPU, en silencio, 24 horas al día.
