Valoración de 1.500 millones y salto corporativo: El plan de Nous Research para monetizar el código abierto con agentes empresariales

De las descargas comunitarias a los contratos corporativos: El giro de 90 millones de Nous Research

El ecosistema de inteligencia artificial abierta acaba de registrar uno de sus movimientos financieros más contundentes del año. Nous Research, el colectivo técnico detrás de la familia de modelos Hermes, ha cerrado una ronda de financiación Serie B de 90 millones de dólares que sitúa la valoración de la compañía en 1.500 millones de dólares. La operación, liderada por Robot Ventures y respaldada por gigantes industriales como Nvidia, Samsung, Union Square Ventures, Menlo Ventures y 1789 Capital, eleva el capital total captado por la firma a 158 millones de dólares en apenas tres años de vida operativa.

El motor de este salto no es una promesa teórica, sino un volumen de adopción técnica difícil de igualar. El agente de código abierto Hermes acumula más de 24 millones de clonaciones en repositorios globales de desarrollo. Según las estimaciones internas de la compañía, las interacciones con sus modelos representan aproximadamente el 2,5% de todo el consumo global de tokens de inteligencia artificial. Hasta ahora, esa inmensa maquinaria servía principalmente a investigadores, desarrolladores independientes y entusiastas del software libre que descargaban los pesos del modelo para experimentar por su cuenta.

La inyección de capital marca el final de esa etapa puramente comunitaria y el inicio de una ofensiva comercial directa: el lanzamiento de «Hermes for Businesses». El objetivo de esta división es resolver el dilema operativo que frena a los directores de tecnología a la hora de adoptar agentes autónomos: la necesidad de conectar modelos inteligentes a flujos de trabajo internos de varios pasos sin enviar información confidencial a nubes públicas opacas. Con una facturación anualizada que alcanzó los 36 millones de dólares a mediados de septiembre de 2026 y una previsión interna de superar los 100 millones antes de cerrar el ejercicio, Nous Research busca demostrar que el software abierto puede ser un negocio empresarial de alta rentabilidad.

El cambio de enfoque de Nous Research refleja una realidad práctica del mercado actual. Las empresas ya no buscan asistentes de conversación generalistas que redacten correos o resuman documentos aislados. Lo que demandan los departamentos de operaciones son sistemas capaces de ejecutar secuencias de tareas encadenadas, como verificar un inventario, conciliar una factura con una orden de compra y actualizar un registro contable, sin cometer errores y sin que los datos salgan del perímetro corporativo.

Métricas financieras y rendimiento operativo: El salto de 36 a 100 millones de dólares bajo la lupa

Para comprender si la valoración de 1.500 millones de dólares responde a fundamentos operativos sólidos o a la inercia inversora del sector, es necesario cruzar las cifras financieras de Nous Research con los costes reales que asumen las empresas al desplegar modelos en producción.

A mediados de septiembre de 2026, la tasa de ingresos recurrentes anualizados (ARR) de la compañía se situaba en torno a los 36 millones de dólares. El objetivo declarado de alcanzar los 100 millones de dólares en el último trimestre exige triplicar los ingresos en un plazo inferior a noventa días. Este crecimiento descansa casi por completo en la conversión de su gigantesca base de usuarios técnicos en clientes corporativos de pago.

El atractivo económico de una solución como Hermes for Businesses radica en la estructura de costes de computación. Mientras que los modelos propietarios de frontera cobran por cada millón de tokens consumidos a través de interfaces de programación rígidas, una arquitectura de pesos abiertos optimizada permite a las empresas ejecutar tareas repetitivas en hardware propio o en instancias dedicadas en plataformas como RunPod, donde el coste por hora de tarjetas gráficas de alto rendimiento reduce drásticamente el gasto recurrente a gran escala.

En una simulación de costes para una compañía logística que procesa 400.000 operaciones automatizadas al día con agentes de varios pasos, el coste mensual de tokens en un proveedor cerrado de primer nivel oscila entre los 45.000 y los 70.000 dólares. El despliegue de una instancia optimizada de Hermes en infraestructura en la nube dedicada con aceleradores estándar sitúa ese mismo gasto operativo mensual entre 16.000 y 24.000 dólares, incluidos los costes indirectos de mantenimiento técnico. Esta diferencia de margen es el principal argumento de venta que Nous Research traslada a los comités de dirección.

El impacto directo en las operaciones corporativas: Costes, tiempos y seguridad de la información

La llegada de agentes comerciales basados en arquitecturas abiertas transforma tres áreas críticas de la gestión tecnológica interna: el presupuesto operativo, los plazos de ejecución de tareas complejas y la arquitectura de seguridad.

Reducción del gasto operativo en flujos de trabajo repetitivos

El principal problema de los proyectos piloto de inteligencia artificial en las grandes empresas ha sido la factura imprevista. Cuando un agente autónomo entra en bucles de razonamiento para resolver un problema de varios pasos, el consumo de tokens se dispara de forma no lineal. Un agente que consulta una base de datos interna, no encuentra el dato exacto, reformula la consulta y prueba tres alternativas puede consumir diez veces más recursos de lo previsto en una sola transacción.

Al permitir que las empresas licencien y desplieguen modelos ajustados en sus propios entornos informáticos, Hermes for Businesses elimina la incertidumbre de la tarificación por consumo abierto. El departamento de finanzas puede presupuestar una capacidad de cómputo fija mensual, sabiendo que el coste marginal de procesar 10.000 transacciones adicionales durante un pico de demanda es prácticamente nulo una vez amortizada la infraestructura.

Reducción del tiempo de ejecución en procesos de varios pasos

Los agentes generalistas tradicionales sufren retrasos notables cuando deben interactuar con sistemas heredados, como software de gestión empresarial (ERP), herramientas de gestión de relaciones con clientes (CRM) o almacenes de datos internos. Gran parte de ese retraso se debe al exceso de instrucciones necesarias para evitar que el modelo cometa errores o interprete mal las instrucciones del sistema.

Nous Research ha entrenado sus modelos para especializarse en llamadas a funciones y ejecución secuencial de tareas. En la práctica, esto significa que el agente no necesita redactar párrafos explicativos para sí mismo antes de actuar; traduce la orden del usuario directamente en llamadas técnicas estructuradas. Este enfoque reduce el tiempo medio de resolución de una consulta de soporte técnico interno o de una conciliación de albaranes de varios minutos a pocos segundos, evitando cuellos de botella en la operativa diaria.

Eliminación del riesgo de filtración y cumplimiento regulatorio estricto

Para sectores fuertemente regulados, como la banca, los seguros, la sanidad y la defensa, enviar datos transaccionales a interfaces de programación externas representa un riesgo legal inasumible. Las cláusulas de confidencialidad y normativas como el Reglamento General de Protección de Datos en Europa o las leyes sectoriales en Estados Unidos imponen sanciones multimillonarias ante cualquier fuga de información.

La propuesta de valor de Nous Research aborda este obstáculo de raíz. Al entregar modelos que funcionan de forma totalmente aislada dentro del centro de datos del cliente o en su nube privada virtual, el equipo legal no necesita revisar si el proveedor externo utiliza los datos para reentrenar sus modelos. La información corporativa nunca cruza la frontera de la red corporativa, lo que desbloquea proyectos de automatización que llevaban meses paralizados en los comités de cumplimiento normativo.

El colchón de las arquitecturas abiertas frente a los gigantes de código cerrado

El movimiento de Nous Research no ocurre en el vacío. La compañía compite en un tablero donde titanes como OpenAI, Anthropic y Google dominan la gama alta de modelos comerciales, mientras que Meta impulsa la adopción de modelos abiertos con su serie Llama. Sin embargo, existe una brecha notable entre un modelo fundacional genérico y un agente adaptado al trabajo empresarial.

Los modelos fundacionales masivos son excelentes en razonamiento abstracto, pero resultan costosos, lentos y sobredimensionados para la mayoría de las tareas de oficina cotidianas. Por otro lado, integrar herramientas de orquestación visual como Make permite conectar servicios cotidianos, pero cuando el flujo requiere juicio analítico para decidir el siguiente paso ante una anomalía, se necesita la inteligencia de un modelo local ligero y eficiente.

Nous Research actúa como amortiguador tecnológico frente a la dependencia de un solo proveedor dominante. La presencia de Nvidia y Samsung en la ronda de financiación es un indicador revelador de esta dinámica: los fabricantes de hardware y semiconductores necesitan un ecosistema diverso de modelos optimizados que se puedan ejecutar en centros de datos locales, servidores de borde e incluso dispositivos corporativos finales, sin depender exclusivamente de los centros de datos de dos o tres gigantes de la nube.

La comunidad técnica ha utilizado a Hermes como banco de pruebas durante los últimos tres años, refinando su capacidad para seguir instrucciones complejas mediante técnicas avanzadas de ajuste fino sintético. Al comercializar este producto, Nous Research no empieza desde cero: hereda millones de horas de pruebas de estrés realizadas por desarrolladores de todo el mundo que ya han depurado los fallos lógicos más habituales del sistema.

Criterios de decisión técnica: Cuándo desplegar agentes propios y cuándo esperar

El paso de 36 millones a más de 100 millones de dólares en ingresos anualizados dependerá de qué empresas decidan dar el salto hacia arquitecturas de agentes autogestionadas. No todas las organizaciones están preparadas para asumir este modelo, ni todas lo necesitan. Los responsables de tecnología deben evaluar su situación antes de firmar contratos de implantación.

Organizaciones que deben evaluar la implantación inmediata

Existen tres condiciones operativas claras donde la adopción de una solución como Hermes for Businesses ofrece un retorno de inversión inmediato:

• Volumen de transacciones constante y predecible: Empresas que ejecutan cientos de miles de tareas automatizadas al día y cuya factura mensual en modelos comerciales cerrados supera los 20.000 dólares. El paso a instancias dedicadas reduce el coste por operación y estabiliza el presupuesto anual.
• Procesamiento de información altamente confidencial: Entidades financieras, firmas legales, aseguradoras y organizaciones sanitarias cuyos requisitos regulatorios prohíben taxativamente la salida de datos de clientes hacia servidores de terceros.
• Necesidad de integración profunda con sistemas heredados: Compañías con arquitecturas de software propias donde el agente debe ejecutar llamadas directas a bases de datos SQL internas, terminales de comandos o herramientas de gestión sin latencias de red añadidas.

Organizaciones que deben posponer la adopción y mantener servicios gestionados

Por el contrario, existen escenarios donde intentar gestionar un agente empresarial propio introduce fricciones innecesarias y costes ocultos:

• Equipos sin capacidad técnica de infraestructura interna: Empresas que no cuentan con ingenieros de operaciones o especialistas en aprendizaje automático capaces de monitorizar clústeres de computación, gestionar la asignación de memoria gráfica y mantener la infraestructura disponible las 24 horas del día.
• Flujos de trabajo esporádicos o de bajo volumen: Negocios donde el uso de inteligencia artificial se limita a consultas puntuales de redacción, análisis ocasional de documentos o tareas que no justifican el pago de un servidor dedicado de alto rendimiento en reposo.
• Dependencia de razonamiento multimodal de última frontera: Casos de uso que exigen interpretar vídeo en tiempo real de alta resolución o resolver problemas de razonamiento científico extremadamente complejos, donde los modelos comerciales cerrados de escala masiva todavía mantienen una ventaja operativa notable frente a pesos más ligeros.

La ronda de 90 millones de dólares de Nous Research confirma que la batalla de la inteligencia artificial corporativa ha superado la fase de la fascinación por las respuestas de texto. La verdadera competencia se libra ahora en los servidores internos de las empresas, donde el control estricto del presupuesto operativo, la soberanía de los datos y la ejecución sin errores de los procesos comerciales determinan qué tecnologías se quedan y cuáles se descartan.