NeoCognition sale del modo stealth con 40 millones de dólares para crear agentes de IA que aprenden solos
NeoCognition acaba de salir del modo stealth y ya llega haciendo ruido en el mundo de la inteligencia artificial. La startup de San Francisco anunció una ronda seed de 40 millones de dólares, coliderada por Cambium Capital y Walden Catalyst Ventures, con participación de Vista Equity Partners. Pero lo que llama aún más la atención no es solo el dinero, sino quién está detrás de ella.
Nombres como el CEO de Intel, Lip-Bu Tan, el cofundador de Databricks, Ion Stoica, e investigadores de IA ampliamente reconocidos en el ámbito académico y corporativo — como Dawn Song, Ruslan Salakhutdinov y Luke Zettlemoyer — están entre los inversores ángel y asesores de la empresa. Eso ya dice mucho sobre el nivel de ambición y credibilidad que NeoCognition trae consigo desde el primer día.
La propuesta de NeoCognition es diferente a lo que la mayoría de las empresas de agentes autónomos está haciendo hoy. En lugar de crear agentes entrenados para sectores específicos, la startup quiere construir agentes de uso general que aprenden solos, sin necesidad de personalización manual todo el tiempo. La idea es simple y poderosa: ¿y si un agente de IA pudiera especializarse en el trabajo, tal como lo hace un ser humano?
Es exactamente eso lo que el equipo fundador, formado por investigadores que trabajaron juntos en el laboratorio de agentes de IA de Yu Su en la Ohio State University, está intentando construir, y el mercado corporativo puede que nunca sea el mismo después de esto. 🚀
Quiénes son los fundadores y de dónde viene la tecnología
NeoCognition fue fundada por Yu Su, Xiang Deng y Yu Gu, tres investigadores que colaboraron durante años en el laboratorio de agentes de IA liderado por Su en la Ohio State University. Yu Su es Sloan Research Fellow, un título que se otorga a investigadores jóvenes que destacan de forma excepcional en sus áreas, y en este caso, el área es la creación de agentes basados en grandes modelos de lenguaje.
Un dato interesante es que el equipo de NeoCognition ya creaba agentes basados en LLMs antes de que ChatGPT existiera. Investigaciones como Mind2Web y MMMU, desarrolladas por este equipo, son hoy referencias utilizadas por OpenAI, Anthropic y Google para avanzar en sus propias tecnologías de agentes. Es decir, estamos hablando de un grupo que literalmente ayudó a pavimentar el camino que los mayores nombres del sector están recorriendo ahora.
Ese bagaje académico de peso, combinado con años de investigación en sistemas de aprendizaje por refuerzo, razonamiento simbólico y arquitecturas de agentes cognitivos, es lo que fundamenta la tecnología detrás de NeoCognition. Y con el apoyo de asesores del calibre de Ion Stoica, que ayudó a construir parte de la infraestructura de datos que sostiene buena parte de la IA moderna, esa visión gana una capa extra de viabilidad técnica que pocos competidores logran igualar.
¿Qué está construyendo NeoCognition, exactamente?
La gran jugada de NeoCognition está en el enfoque técnico que adopta para desarrollar sus agentes. Mientras buena parte del mercado todavía apuesta por agentes verticales — es decir, sistemas de inteligencia artificial construidos específicamente para un sector como salud, legal o financiero —, NeoCognition va en la dirección opuesta. La startup apuesta a que agentes de propósito general, capaces de aprender y adaptarse a diferentes contextos de trabajo, van a superar en eficiencia a cualquier solución entrenada de forma aislada.
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.
Este es un argumento técnico fuerte, especialmente cuando recordamos que la mayor parte de los procesos empresariales reales involucra múltiples áreas al mismo tiempo.
Lo que hace esto posible, en la práctica, es lo que la empresa describe como un mecanismo de aprendizaje inédito. En lugar de depender exclusivamente de datos de entrenamiento iniciales, el agente de NeoCognition construye un modelo estructurado del micromundo en el que opera — un concepto inspirado directamente en cómo los seres humanos adquieren experiencia en el trabajo. Como el propio Yu Su explica, el verdadero poder de la inteligencia humana está en la capacidad de aprender continuamente y especializarse, y el enfoque de NeoCognition busca replicar exactamente ese proceso.
Piensa en esto: de la misma forma que un profesional recién contratado aprende los procesos internos de una empresa con el tiempo, el agente de NeoCognition hace lo mismo, solo que a una escala y velocidad mucho mayores. Esto elimina uno de los mayores cuellos de botella del mercado actual de agentes autónomos, que es justamente la dependencia de ciclos largos y costosos de reentrenamiento y personalización manual.
Según Landon Downs, Managing Partner de Cambium Capital, el mecanismo de aprendizaje que está en el centro de NeoCognition permite que los agentes se especialicen de forma extremadamente rápida. En sus palabras, el equipo tiene una fuerte convicción en la experiencia del equipo fundador y cree que la investigación detrás de la empresa está trazando un nuevo camino hacia la inteligencia especializada.
Los beneficios prácticos de este enfoque
En la práctica, el enfoque de autoaprendizaje de NeoCognition entrega beneficios que tocan directamente los puntos de dolor de las empresas que intentan adoptar IA a escala:
- Velocidad: agentes que aprenden solos no necesitan esperar ciclos manuales de entrenamiento para empezar a generar valor
- Coste reducido: la eliminación de la personalización manual extensiva significa menos horas de ingenieros y menos inversión en infraestructura dedicada
- Fiabilidad: agentes que se adaptan continuamente al contexto real de operación tienden a cometer menos errores en situaciones inesperadas
- Seguridad: en entornos de alta criticidad, la capacidad de aprender y refinar comportamientos reduce el riesgo de fallos graves
Estos son exactamente los puntos que más preocupan a los líderes de tecnología y operaciones cuando se trata de poner la IA a funcionar de verdad dentro de una organización.
Contra quién compite NeoCognition
El mercado de agentes autónomos de IA está cada vez más disputado, y NeoCognition entra en un campo donde ya existen nombres establecidos. En el segmento de agentes especializados, competidores como Cognition Labs, Adept y Cohere ya han conquistado espacio con soluciones enfocadas en tareas y sectores específicos. En el campo de los agentes de propósito general, los gigantes OpenAI, Anthropic y Google dominan con sus modelos de lenguaje y plataformas de agentes cada vez más sofisticadas.
Pero el diferencial de NeoCognition está en el diseño de autoaprendizaje. Mientras la mayoría de los agentes competidores permanece estática tras su lanzamiento o requiere actualizaciones manuales para mejorar su rendimiento, los agentes de NeoCognition continúan aprendiendo y adaptándose — muy parecido a un empleado nuevo que va mejorando conforme entiende la cultura y los procesos de la empresa donde trabaja.
Esa diferencia puede parecer sutil sobre el papel, pero en el día a día de una operación empresarial compleja, es el tipo de cosa que separa una herramienta que los equipos abandonan en tres meses de una solución que se vuelve indispensable con el tiempo.
El ecosistema de IA para empresas y el papel de cada player
No se puede hablar de agentes autónomos para el mercado corporativo sin mirar el ecosistema más amplio. OpenAI ha sido una de las grandes fuerzas detrás de la popularización de los agentes de IA, especialmente después del lanzamiento de plataformas y herramientas de orquestación que permiten que modelos como GPT-4 tomen acciones reales dentro de sistemas empresariales. La empresa fundada por Sam Altman ha invertido fuerte en este frente, y la llegada de startups como NeoCognition al escenario demuestra que el ecosistema está lo suficientemente maduro como para albergar múltiples apuestas con enfoques radicalmente diferentes.
Lo que diferencia a NeoCognition en este contexto es que no depende de un único modelo de lenguaje como base. La startup está construyendo una capa de razonamiento y aprendizaje que puede operar sobre diferentes modelos, lo que la convierte, en teoría, en agnóstica respecto a la infraestructura de IA elegida por la empresa cliente. Esto es estratégicamente inteligente: mientras la guerra entre OpenAI, Anthropic, Google y Meta por los mejores modelos de lenguaje continúa, NeoCognition se posiciona como la capa de inteligencia que hace que esos modelos funcionen de verdad dentro de las empresas, independientemente de quién gane esa carrera.
Este posicionamiento también abre espacio para integraciones con plataformas que actúan en la orquestación y despliegue de sistemas de IA en entornos corporativos complejos. Soluciones como las de NeoCognition encajan de forma natural en este tipo de ecosistema. Cuando combinas agentes que aprenden solos con infraestructuras de despliegue robustas, el resultado es un sistema capaz de adaptarse y escalar de una forma que ninguna solución verticalmente entrenada podría lograr.
Por qué esto importa para el mercado corporativo ahora
El timing del lanzamiento de NeoCognition no es casual. El mercado corporativo se encuentra en un punto de inflexión respecto a la adopción de inteligencia artificial. Después de años escuchando sobre el potencial transformador de la IA, las empresas están finalmente exigiendo resultados concretos, y la principal queja que aparece una y otra vez es la dificultad de mantener los sistemas de IA funcionando bien conforme el entorno de negocio cambia.
Agentes que necesitan ser reentrenados con cada cambio de proceso, o que fallan cuando encuentran situaciones ligeramente diferentes a las que fueron programados para manejar, generan costes operativos que erosionan los beneficios prometidos. Esa frustración es real y generalizada entre empresas de todos los tamaños.
La promesa de los agentes autónomos de uso general resuelve exactamente ese problema. Si un agente consigue aprender continuamente y adaptarse al contexto de la empresa — tal como un colaborador humano lo hace a lo largo del tiempo —, el ROI de la adopción de IA cambia por completo. Ya no se trata de cuánto cuesta implantar, sino de cuánto valor es capaz de generar el sistema de forma autónoma y creciente con el tiempo. Esa es la narrativa que NeoCognition está trayendo, y está mucho más alineada con lo que los líderes de tecnología y operaciones necesitan escuchar que cualquier argumento puramente técnico.
Herramientas que usamos a diario
Además, la participación de inversores y asesores con trayectoria comprobada en escalar tecnología para grandes corporaciones — como Vista Equity Partners, que tiene un portafolio enorme en el mercado de software empresarial — sugiere que NeoCognition ya entra al mercado con acceso a redes de distribución y relaciones que la mayoría de las startups de IA tarda años en construir.
A dónde va la inversión de 40 millones de dólares
Con la ronda seed completada, NeoCognition ya tiene un plan claro para el uso de los recursos captados. La empresa va a dirigir la inversión hacia tres frentes principales:
- Expansión de la investigación: profundizar el desarrollo del mecanismo de aprendizaje continuo que está en el centro de la tecnología
- Contratación de talento: ampliar el equipo para acelerar el ritmo de desarrollo del producto
- Transición hacia aplicaciones reales: llevar lo que hasta ahora era investigación académica de vanguardia al mundo de los negocios, enfocándose en tareas empresariales que son demasiado complejas o arriesgadas para los agentes genéricos disponibles hoy
Este foco en tareas empresariales de alta complejidad es un punto que merece atención. NeoCognition no está apuntando a automatizaciones triviales que cualquier bot de IA ya hace. La empresa quiere atacar exactamente los procesos que las empresas todavía no han conseguido automatizar de forma fiable — aquellos que exigen juicio, adaptación y aprendizaje continuo para ser ejecutados correctamente.
Qué esperar de los próximos pasos
La expectativa es que NeoCognition comience a cerrar alianzas estratégicas con empresas que quieran ser las primeras en probar los agentes en entornos reales. Este tipo de alianza de early adoption es fundamental para startups que construyen tecnología de uso general — es en los proyectos piloto donde las hipótesis técnicas se encuentran con la complejidad real del mundo corporativo, y es donde las diferencias entre una buena idea y una solución genuinamente escalable se hacen evidentes.
En el radar de quienes siguen el sector de cerca, la llegada de NeoCognition también debería encender una alerta en las startups que apostaron todo a agentes verticales altamente especializados. Si la tesis de uso general se demuestra correcta — y los primeros resultados indican que agentes que aprenden solos realmente entregan más valor que soluciones personalizadas —, el mercado podría reorganizarse rápidamente en torno a este nuevo enfoque.
OpenAI, Anthropic, Google y otros players del ecosistema van a necesitar responder a este movimiento de alguna forma, ya sea con alianzas, adquisiciones o acelerando el desarrollo de capacidades similares en sus propias plataformas.
Lo que queda claro es que el segmento de agentes autónomos para empresas está lejos de tener un formato definitivo. NeoCognition representa una apuesta de que el próximo gran salto no vendrá de modelos más grandes o de más datos de entrenamiento, sino de sistemas capaces de aprender y evolucionar dentro del contexto donde operan. Con 40 millones de dólares en caja, un equipo técnico de altísimo nivel y un posicionamiento estratégico que desafía el statu quo, la startup californiana tiene todo para convertirse en uno de los nombres más relevantes del segmento de IA corporativa en los próximos años. 🧠
