Snorkel AI ha levantado 350 millones de dólares en una Serie E que sitúa su valoración en 3.500 millones de dólares, casi el triple de la cifra lograda hace 17 meses. La operación, adelantada por TechCrunch, fue liderada por Insight Partners y S32, con participación de inversores existentes como Addition, Lightspeed, Greylock, GV y Wells Fargo.
El movimiento llega en un momento en el que los laboratorios de inteligencia artificial compiten por una materia prima cada vez más escasa: datos útiles, especializados y verificables. Ya no basta con raspar grandes volúmenes de internet. Los modelos avanzados necesitan ejemplos de alta calidad, casos límite, evaluaciones y entornos donde aprender tareas concretas sin depender solo de texto abierto.
El dato que empieza a marcar la diferencia no es el más abundante, sino el que permite entrenar comportamientos específicos y medirlos con rigor. Esa es la tesis que Snorkel ha ido construyendo desde su origen académico en Stanford hasta su posición actual como proveedor para empresas y laboratorios de IA.
La compañía nació con herramientas para automatizar etiquetado de datos, pero en el último año ha acelerado un giro hacia lo que denomina data-as-a-service. En lugar de vender solo software, entrega datasets terminados y entornos de entrenamiento que combinan modelos, generación sintética y expertos humanos. Para un banco, por ejemplo, el valor no está en millones de frases genéricas, sino en ejemplos revisados de cumplimiento normativo, fraude o atención al cliente.
TechCrunch recoge que Snorkel declara una tasa anualizada de ingresos de 375 millones de dólares, 18 veces más que hace un año. La cifra ayuda a explicar por qué los inversores están valorando con tanta agresividad a empresas centradas en datos para IA. Mercor, Handshake y Micro1 también han comunicado crecimientos fuertes, aunque parte de sus ingresos brutos termina pagando a especialistas que realizan tareas de anotación o evaluación.
El mercado está diferenciando entre plataformas que intermedian trabajo humano y compañías capaces de empaquetar datos, software y evaluación como infraestructura de entrenamiento. Esa distinción importa para márgenes, escalabilidad y percepción inversora. Si una empresa depende demasiado de pagar horas de expertos, su crecimiento puede ser grande pero menos rentable.
En el caso de Snorkel, la propuesta se apoya en datasets completos y entornos de aprendizaje por refuerzo, una pieza crítica para entrenar agentes que deben ejecutar tareas y no solo responder preguntas. El interés por estos entornos ha aumentado a medida que las empresas intentan llevar agentes de IA a procesos reales, como soporte técnico, programación, ventas o análisis documental.
Para clientes empresariales, la noticia también deja una lectura práctica. La carrera por modelos más baratos no elimina el cuello de botella de los datos. Al contrario, puede hacerlo más visible. Si varias compañías acceden a modelos similares por API, la ventaja competitiva puede desplazarse hacia los datos propios, los flujos de evaluación y la capacidad de convertir conocimiento interno en entrenamiento usable.
La ronda de Snorkel señala que el negocio de la IA se está moviendo desde la demostración espectacular hacia la fábrica que hace posible mejorar modelos de forma repetible. Es menos vistoso que un chatbot nuevo, pero probablemente más importante para las empresas que quieren resultados consistentes. Ahí es donde el mercado está poniendo dinero.
