Snorkel AI triplica su valoración: los datos vuelven al centro de la IA

Snorkel AI, con sede en San Francisco, anunció el 22 de septiembre de 2026 una Serie E de 350 millones de dólares que valora la empresa en 3.500 millones, según la crónica de Reuters. La primera cifra es dinero captado en la ronda; la segunda es el valor asignado a toda la compañía en la operación. Ninguna representa ingresos obtenidos.

La cobertura de TechCrunch identifica a Insight Partners y S32 como líderes de la Serie E, sitúa la valoración anterior en 1.300 millones de dólares tras una ronda de 100 millones en mayo de 2025 y describe el paso del software de etiquetado a la entrega de conjuntos de datos terminados. El cociente entre ambas valoraciones se acerca a tres, aunque queda por debajo: «triplica» resume el salto, pero no expresa un aumento exacto de tres veces.

Del software de etiquetado a la entrega de datos

El giro cambia lo que compra el cliente. Antes, el software ayudaba a sus equipos a organizar y etiquetar ejemplos propios; ahora puede contratar un conjunto de datos terminado o un entorno para entrenar y evaluar un modelo. La diferencia comercial es quién se responsabiliza de diseñar las tareas, reunir el material y entregarlo en condiciones de uso. El cliente deja de adquirir solamente una herramienta para preparar datos y pasa a comprar también el resultado del trabajo.

En un conjunto de entrenamiento importan tanto los ejemplos como las respuestas o señales con las que el modelo aprende. En una evaluación importan además los criterios que permiten decidir si resolvió la tarea y cómo falló. Un entorno de aprendizaje por refuerzo añade situaciones en las que un agente realiza acciones y recibe señales sobre sus resultados. Estos productos cumplen funciones distintas: unos sirven para mejorar el comportamiento del sistema y otros para medirlo, aunque pueden construirse a partir de problemas relacionados.

Snorkel combina especialistas en la materia con programas y modelos que ayudan a crear ejemplos y revisar su calidad. La automatización puede multiplicar variantes de una tarea, mientras los expertos fijan objetivos, detectan atajos engañosos y juzgan los casos difíciles. Así se entiende el paso de vender capacidad de etiquetado a asumir una entrega más compleja: un laboratorio de IA necesita material ajustado a los fallos de su modelo, además de respuestas marcadas.

Por qué un modelo más capaz necesita pruebas más exigentes

El ensayo de Alex Ratner, cofundador y director ejecutivo de Snorkel, vincula ese cambio técnico con tareas especializadas y consigna un ritmo anualizado de ingresos superior a 375 millones de dólares tras el lanzamiento de la oferta de datos como servicio. Se trata de una cifra comunicada por la propia compañía, no de ingresos auditados de un ejercicio completo. La tesis técnica del ensayo es que, cuando un sistema ya resuelve problemas sencillos, repetirlos aporta menos información sobre sus límites.

La programación ofrece un ejemplo concreto. Una pregunta breve puede comprobar una destreza básica, pero el trabajo de un agente avanzado puede exigir mantener varios objetivos a la vez, modificar código y respetar restricciones a lo largo de una tarea extensa. Para entrenarlo hacen falta situaciones donde sus decisiones tengan consecuencias; para evaluarlo, pruebas que separen una solución válida de otra que solo parece convincente. Cuanto mejor es el modelo, más precisa debe ser la definición de lo que cuenta como éxito.

Los datos sintéticos, los especialistas humanos y la evaluación forman entonces una misma cadena. Los modelos pueden expandir una propuesta inicial, generar variaciones y ayudar en el control de calidad, pero una persona experta debe definir qué fallo merece ser estudiado y si la respuesta prevista es correcta. Si una prueba recompensa un atajo que evita el problema real, puede terminar enseñando exactamente ese atajo. Ese riesgo afecta tanto al material usado para entrenar como a la prueba con la que después se mide el progreso.

Qué demuestra la cifra de ingresos y qué queda abierto

El ritmo anualizado describe cuánto ingresaría el negocio durante un año si mantuviera el nivel observado en ese momento. Por tanto, sirve como indicio de escala comercial, pero no equivale a ventas ya realizadas durante un ejercicio entero ni permite deducir beneficio. Los umbrales publicados para esa métrica tampoco precisan cuánto cuesta producir cada conjunto de datos, cuánto trabajo experto exige o qué parte del crecimiento procede de contratos que se repetirán.

La información difundida con la ronda no desglosa los ingresos por tipo de cliente. Así, el trabajo con laboratorios de IA, empresas y organismos públicos muestra la amplitud de la oferta, pero no permite atribuir a cada grupo una parte concreta de las ventas. La financiación acredita que los inversores aceptaron la nueva valoración; los ingresos anualizados siguen siendo una declaración empresarial cuya relación con los costes y la rentabilidad aún no se puede establecer.

El destino de la financiación

Entre los destinos previstos para el capital figuran la contratación de investigadores e ingenieros, la ampliación de la actividad con empresas y organismos públicos y el apoyo a evaluaciones de modelos realizadas por terceros. Esa dirección encaja con una oferta que requiere especialistas, herramientas de producción y pruebas suficientemente difíciles para modelos que continúan mejorando. También deja abierta una pregunta comercial: cuánto de ese trabajo podrá automatizarse sin perder el juicio experto que vuelve útiles los datos.

La ronda y el cambio de producto ya están anunciados; la rentabilidad sostenida de este modelo comercial sigue sin poder evaluarse con las cifras disponibles. Los próximos datos útiles serían ingresos realizados, costes de entrega y evolución de los contratos. Hasta entonces, el aumento de valoración refleja una apuesta por la demanda de datos especializados, mientras la magnitud económica de esa demanda permanece descrita principalmente por la empresa.

Lee también:

• Wispr Flow capta 280 millones y casi triplica su valoración en nueve meses
• Infineon compra C2i: la energía del centro de datos se vuelve software
• RUM firma 13.700 millones: financiar el centro aún no está resuelto