Exinvestigadores de Google y Apple quieren crear una IA que nunca deje de aprender

Un equipo de investigadores veteranos de IA —con experiencia en Google DeepMind, Apple, OpenAI y Meta Superintelligence Labs— anunció este miércoles el lanzamiento de su nueva startup, Trajectory. La compañía se propone ayudar a las empresas a mantener sus productos de IA al día mediante un proceso de entrenamiento continuo basado en interacciones reales de los usuarios.

El objetivo de Trajectory es crear una plataforma que permita a los modelos de IA aprender de forma permanente, una capacidad que los investigadores consideran una de las barreras más importantes para el avance de la inteligencia artificial. Aunque gigantes como OpenAI, Google y Anthropic han logrado desarrollar versiones cada vez más potentes de sus modelos, esos sistemas dejan de mejorar una vez concluido el entrenamiento inicial. Los avances recientes en aprendizaje continuo aún no se han traducido en productos que puedan corregir sus errores en tiempo real.

¿Quiénes están detrás de Trajectory?

La startup ha recaudado 15 millones de dólares en una ronda de financiación inicial, lo que le otorga una valoración posterior a la inversión de 115 millones de dólares. La ronda estuvo liderada por la firma de capital riesgo Conviction y contó con la participación de Bessemer Venture Partners, Rical VC y BoxGroup. También aportaron inversores individuales destacados, entre ellos Jeff Dean, científico jefe de Google DeepMind, y Fei‑Fei Li, profesora de Stanford y directora de World Labs, conocida como “la reina de la IA”.

El CEO y cofundador, Ronak Malde, es un ex‑investigador de IA que trabajó en Windsurf y formó parte del primer grupo de talentos que Google DeepMind incorporó tras adquirir la startup de programación por 2 400 millones de dólares en 2024. Los demás cofundadores son Arjun Karanam, quien lideró proyectos de IA en Apple relacionados con el Vision Pro, y Michael Elabd, exintegrante de la división de robótica de Google DeepMind.

Malde explicó a WIRED que productos de codificación asistida como Cursor ya están aplicando versiones incipientes de aprendizaje continuo: recopilan datos reales de cómo los usuarios interactúan con la herramienta, los analizan y lanzan actualizaciones periódicas del modelo. Según él, este enfoque ha sido clave para el rápido crecimiento de la IA en el ámbito de la programación y ahora desea extenderlo a otras áreas.

«Incluso la IA más potente de hoy sigue siendo estática. El modelo que usaste ayer cometerá los mismos errores hoy. Lo que estamos construyendo es la plataforma que permitirá a cualquier empresa adoptar el aprendizaje continuo», afirmó Malde.

Trajectory parte de un modelo de código abierto que se adapta a las necesidades específicas de cada cliente. En lugar de ofrecer un modelo genérico de OpenAI o Anthropic, la startup permite que las empresas comiencen con una base de código abierto que se ha afinado previamente para el producto que desean crear.

Un caso de uso ilustrativo es el de Decagon, una compañía que desarrolla agentes de atención al cliente con IA. Trajectory registra los incidentes en los que el agente falla —por ejemplo, cuando un cliente solicita una devolución y la conversación se redirige a un humano— y utiliza esos ejemplos para volver a entrenar el modelo cada semana. Según la empresa, los modelos retrenados superan a los de los laboratorios de vanguardia en tareas críticas para el producto del cliente.

El objetivo de Trajectory es reducir la dependencia de las empresas en equipos internos de ingenieros de IA. En la práctica, muchas compañías recurren a consultores externos, equipos técnicos internos y recursos costosos para mantener sus sistemas de IA. Trajectory busca ofrecer una solución que mejore por sí misma, evitando la necesidad de intervenciones constantes.

Entre sus primeros clientes se encuentran la empresa de ventas empresariales Clay y la startup legal Harvey. Aunque actualmente se enfocan en compañías nativas de IA, la startup tiene planes de ampliar su oferta a corporaciones Fortune 500 en los próximos años.

Algunos críticos señalan que el aprendizaje continuo de Trajectory aún no alcanza la verdadera continuidad, ya que los modelos se actualizan solo una vez por semana y permanecen estáticos entre actualizaciones. Elabd responde que la startup apenas está empezando y que la industria se dirige hacia un nuevo paradigma en el que la IA aprende de la experiencia de forma tan ágil como ocurre en la programación.

«Quizá no sea suficiente con hacerlo cada día; podríamos actualizar cada hora, o incluso por interacción. Tal vez no todas las empresas necesiten una sola IA: se podrían entrenar modelos que aprendan de cada persona dentro de la organización», concluyó Elabd.

Mira tambien: