Nominal ha levantado 240 millones de dólares en una ronda Serie C que sitúa su valoración en 3.000 millones. La operación, anunciada el 9 de noviembre, fue liderada por Lightspeed Venture Partners y codirigida por Insight Partners. Para una empresa de software industrial, la cifra resume una tendencia que empieza a pesar más allá de los grandes modelos de lenguaje: la IA también está entrando en la mesa de trabajo de quienes diseñan, prueban y mantienen máquinas.
La compañía desarrolla una plataforma para reunir datos de ensayos, sensores, simulaciones y herramientas internas de ingeniería. Su propuesta es que un equipo pueda investigar por qué ha fallado una prueba o qué cambió entre dos prototipos sin recorrer decenas de ficheros y sistemas aislados. Nominal presentó además un agente llamado Analyst, diseñado para responder sobre esos datos y mostrar la evidencia de la que parte.
La apuesta no consiste en poner un chat sobre datos técnicos, sino en convertir información dispersa de ingeniería en decisiones que puedan revisarse y auditarse. Esa diferencia importa en sectores donde una conclusión errónea no se queda en una pantalla: puede afectar a un avión, una instalación energética, una fábrica o un sistema de defensa.
Nominal dice trabajar con más de 80 organizaciones comerciales y públicas, entre ellas cinco de los siete mayores contratistas de defensa de Estados Unidos. TechCrunch señala que Anduril figura entre sus clientes y que la Fuerza Aérea estadounidense la seleccionó recientemente para una financiación STRATFI de 71,2 millones de dólares ligada a capacidades de aeronaves de combate colaborativas. Son datos que explican tanto el atractivo de la plataforma como la sensibilidad del mercado en el que opera.
La nueva valoración triplica los 1.000 millones alcanzados hace apenas ocho meses, cuando la empresa comunicó una ampliación de su Serie B. Aquel movimiento añadió 80 millones a una ronda previa y dejó una señal temprana: los inversores estaban dispuestos a financiar herramientas que se sitúan entre la IA y la infraestructura física. La Serie C confirma que esa tesis ha ganado velocidad.
Para las empresas industriales españolas, la lectura útil está menos en la valoración que en el tipo de problema que se financia. Los datos de producción, mantenimiento y pruebas suelen repartirse entre proveedores, plantas, hojas de cálculo, software de diseño y equipos con lenguajes distintos. Un modelo que no recibe ese contexto puede redactar una respuesta convincente, pero no una explicación fiable.
- Conectar datos de ensayo, diseño y operación es el núcleo del producto de Nominal.
- La trazabilidad es esencial cuando la IA interviene en decisiones técnicas.
- La inversión apunta a industrias con ciclos de venta largos y exigencia regulatoria.
El valor de la IA industrial dependerá de si reduce el tiempo para comprobar una hipótesis, no solo de si acelera la redacción de una respuesta. Ese criterio puede servir a una empresa que evalúe proveedores de IA para ingeniería, mantenimiento predictivo o control de calidad.
La empresa afirma que destinará los fondos a ampliar producto y presencia en nuevos sectores y geografías. Su origen está en el trabajo con hardware complejo, un campo donde la física, los ensayos y las certificaciones ponen límites claros a cualquier automatización. Ahí hay una diferencia relevante frente a las aplicaciones de oficina: un agente puede acelerar la investigación, pero la validación final sigue requiriendo responsables técnicos, procedimientos y evidencia.
También cambia el debate sobre la adopción empresarial. Muchas organizaciones no necesitan entrenar su propio modelo desde cero para obtener rendimiento de la IA. Necesitan ordenar el acceso a datos propios, definir permisos, conservar el historial de decisiones y saber cuándo la recomendación de un sistema debe pasar por revisión humana. El capital captado por Nominal se dirige precisamente a esa capa de trabajo, más cercana a la operación diaria que a la demostración tecnológica.
La ronda es una referencia para el ecosistema deep tech porque combina software, IA y mercados industriales difíciles de penetrar. Su evolución mostrará si el entusiasmo inversor se traduce en implantaciones sostenidas. Por ahora, la señal es nítida: la IA para ingeniería ya no se percibe solo como una mejora de productividad, sino como parte de la infraestructura con la que se construyen productos físicos.
