AfterQuery se ha convertido en uno de los símbolos más claros de la nueva fiebre por los datos de entrenamiento para inteligencia artificial. TechCrunch, citando una información previa de Forbes, señala que la startup habría cerrado una ronda que la valora en 3.200 millones de dólares. El salto es llamativo porque hace apenas cinco meses anunció una Serie A de 30 millones con una valoración de 300 millones. En menos de medio año, la valoración se habría multiplicado por más de diez.
La compañía formó parte de la cohorte Winter 2025 de Y Combinator y sus fundadores tienen 22 y 23 años. Según el socio de YC Gustaf Alströmer, AfterQuery sería la startup que más rápido ha alcanzado estatus de unicornio en la historia de la aceleradora. La velocidad dice mucho sobre el momento del mercado, pero también obliga a mirar con cuidado qué están comprando los inversores.
El negocio de AfterQuery se apoya en una idea cada vez más valiosa: los modelos no solo necesitan respuestas correctas, necesitan aprender cómo trabajan profesionales reales. La compañía emplea especialistas como médicos, abogados y otros perfiles cualificados para entrenar modelos y agentes en tareas complejas. No se trata únicamente de etiquetar datos, sino de capturar patrones de decisión, razonamiento y ejecución.
Ese enfoque la coloca cerca de compañías como Scale AI o Mercor, aunque con un ángulo propio. El mercado de datos para IA se ha ido desplazando desde grandes volúmenes genéricos hacia datos más especializados, verificables y caros. Los laboratorios ya no compiten solo por internet abierto. Compiten por tareas resueltas por expertos, flujos profesionales, evaluaciones difíciles y ejemplos que ayuden a modelos a actuar con más criterio.
En abril, AfterQuery dijo que había alcanzado un run rate anualizado de 100 millones de dólares y que trabajaba con grandes laboratorios de IA. La compañía ha mencionado como clientes a Nvidia, Legora y el laboratorio coreano Motif Technologies. Esas referencias ayudan a explicar por qué el mercado puede aceptar valoraciones agresivas, aunque todavía falta ver si los ingresos son recurrentes y con márgenes sostenibles.
La lectura empresarial es que la capa de datos especializados se está convirtiendo en infraestructura crítica para la IA, igual que los chips o las nubes. Un modelo potente puede quedarse corto si no dispone de ejemplos adecuados para tareas legales, médicas, financieras o industriales. Esa escasez crea espacio para intermediarios que organicen talento experto y conviertan su conocimiento en entrenamiento útil.
El riesgo está en la durabilidad de la ventaja. Si los grandes laboratorios internalizan estos procesos, si los clientes concentran compras o si aparecen métodos sintéticos más fiables, parte del valor de estas startups puede comprimirse. También hay preguntas sobre derechos laborales, calidad de los datos, confidencialidad y trazabilidad del trabajo de especialistas.
Para startups europeas, el caso ofrece una pista. No todo el valor de la IA estará en construir modelos fundacionales. Hay oportunidades en datos sectoriales, evaluación, cumplimiento, integración y procesos profesionales bien documentados. España, con sectores fuertes como salud, legal, energía, turismo o industria, puede desarrollar compañías que capturen conocimiento local y lo conviertan en producto.
La valoración de AfterQuery puede parecer extrema, pero refleja una necesidad real: entrenar agentes que sepan trabajar en contextos donde equivocarse cuesta dinero, tiempo o responsabilidad legal. La pregunta ya no es si habrá demanda de datos especializados. La pregunta es quién conseguirá producirlos con calidad, escala y confianza.
