Mercor levanta 750 millones de dólares con valoración de 20.000 millones: El giro hacia la auditoría de agentes de IA en empresas
Mercor extiende su infraestructura de 5 millones de evaluadores humanos y entornos sintéticos de software hacia el sector corporativo tras alcanzar 2.000 millones de facturación anualizada.
Fecha de publicación: 2026.11.11
+100% frente a la ronda de octubre 2025
Ingresos recurrentes superados en junio 2026
Especialistas de dominio para post-entrenamiento
El cuello de botella de los benchmarks públicos frente a las políticas corporativas
Los modelos fundacionales obtienen puntuaciones sobresalientes en evaluaciones públicas estandarizadas como MMLU o HumanEval. Sin embargo, estas métricas pierden relevancia cuando los agentes autónomos deben interactuar con sistemas de planificación de recursos empresariales, políticas de cumplimiento interno y casos límite no documentados. La discrepancia entre el rendimiento teórico y la tasa de error en producción ha frenado el despliegue a gran escala de agentes de inteligencia artificial en flujos de trabajo críticos.
Causas del desacople entre precisión sintética y ejecución en producción
Agentes autónomos ejecutan acciones inválidas en bases de datos y software ERP.
Las pruebas generales no evalúan las reglas de negocio privadas ni los casos límite.
Validación por humanos expertos sobre réplicas funcionales del software de la empresa.
Mercor.io Corp. ha cerrado una ronda de financiación Serie D de 750 millones de dólares con una valoración de 20.000 millones de dólares, duplicando los 10.000 millones obtenidos en su Serie C de octubre de 2025. La operación incorpora capital corporativo de Nvidia, Salesforce y Zoom Communications, junto a firmas como Benchmark, Felicis, General Catalyst y Sapphire Ventures. Esta inyección de liquidez responde a una transformación del mercado: la necesidad de trasladar la infraestructura de evaluación humana, hasta ahora reservada a laboratorios de modelos frontera, hacia el tejido empresarial directo.
El modelo de negocio de Mercor superó una tasa de ingresos anualizados de 2.000 millones de dólares en junio de 2026. Esta cifra demuestra que el post-entrenamiento mediante aprendizaje por refuerzo con retroalimentación humana (RLHF) ha dejado de ser un coste exclusivo de los proveedores de modelos base. Las corporaciones necesitan medir si un agente es apto para asumir responsabilidades antes de otorgarle credenciales de ejecución en sus redes internas.
Economía de la evaluación: Costes operativos de validación frente al despliegue directo
Validar un agente de inteligencia artificial requiere un proceso de dos niveles. El primer nivel implica la definición de un índice de referencia personalizado (benchmark) adaptado a los procedimientos internos del cliente. El segundo nivel ejecuta un ciclo de post-entrenamiento guiado por especialistas de dominio, donde se corrigen sesgos lógicos y vulnerabilidades de proceso.
Comparativa de costes y cobertura en flujos de trabajo de misión crítica
- • Desvío de ingenieros sénior a tareas de etiquetado
- • Pruebas directas en entornos de preproducción inestables
- • Muestreo limitado a menos de 500 casos de prueba por mes
- • Red de más de 5 millones de profesionales evaluadores
- • Simulación sobre réplicas exactas de herramientas de software
- • Auditoría sistemática de decenas de miles de interacciones
Para una compañía del sector financiero o sanitario que procesa un millón de decisiones automatizadas mensuales, desplegar agentes sin evaluación específica eleva el riesgo de incidentes regulatorios. La siguiente tabla contrasta los parámetros operativos entre el enfoque artesanal interno y el despliegue con plataformas de evaluación gestionadas basadas en expertos humanos:
| Dimensión de evaluación | Desarrollo y auditoría interna | Plataforma de evaluación especializada |
|---|---|---|
| Origen del talento evaluador | Empleados propios en horas no productivas | Red externa segmentada por especialidad técnica |
| Tiempo de homologación previa | 16–24 semanas por departamento | 3–6 semanas con entornos preconfigurados |
| Cobertura de casos límite | Baja (centrada en el camino feliz del flujo) | Exhaustiva (diseño activo de entradas conflictivas) |
| Entorno de pruebas | Instancias de staging con riesgo de fuga de datos | Sandboxes recreados sin conexión a datos reales |
| Inversión mensual estimada | 120.000 USD (coste de oportunidad de personal) | 45.000–90.000 USD (licencias y bolsas de evaluación) |
| Mantenimiento tras actualizaciones | Manual, vulnerable a desajustes de versiones | Pruebas continuas de regresión automatizadas |
La integración de Deeptune: Replicación de interfaces para el entrenamiento de agentes
El post-entrenamiento de agentes autónomos no puede limitarse a la evaluación de texto. Los agentes corporativos deben utilizar el teclado y el ratón para navegar por sistemas de contabilidad, consolas de servicio al cliente y plataformas de gestión documental. Probar estos modelos en sistemas de producción expone a la organización a corrupción de datos o cancelaciones accidentales de transacciones.
En julio de 2026, Mercor adquirió la startup neoyorquina Deeptune Inc. para resolver esta barrera técnica. El equipo de Deeptune dedicó dos años a reconstruir réplicas funcionales completas de cientos de aplicaciones empresariales comunes. Estos entornos permiten a los modelos ejecutar miles de intentos de prueba y error de forma paralela sin tocar infraestructuras operativas reales.
Mecanismo de validación técnica antes de la entrega a producción
Definición de reglas internas, excepciones permitidas y permisos de acceso.
El agente opera sobre réplicas funcionales de aplicaciones corporativas.
La red de 5 millones de expertos evalúa la precisión técnica del proceso.
El agente recibe credenciales operativas con margen de error auditado.
Este enfoque resuelve el cuello de botella que enfrentan los directores de seguridad de la información (CISO). Al sustituir las pruebas en bases de datos clonadas por interfaces sintéticas idénticas en comportamiento, se neutraliza el riesgo de filtración de información confidencial hacia los conjuntos de entrenamiento. Los fondos de la Serie D financiarán la expansión de este catálogo de aplicaciones recreadas y el soporte para herramientas desarrolladas a medida por los clientes.
Criterios de decisión para directores de tecnología ante la auditoría de agentes
La llegada de capital procedente de gigantes como Nvidia y Salesforce indica que la evaluación de agentes será una capa obligatoria en la pila de software de inteligencia artificial. No todas las organizaciones requieren este nivel de infraestructura técnica; la idoneidad depende del grado de autonomía otorgado a los sistemas y del impacto financiero de cada fallo.
El empleado final valida cada resultado antes de aplicarlo. No se justifica el gasto en benchmarking externo complejo.
El sistema ejecuta cambios de configuración o transferencias sin intervención manual previa.
Organizaciones que deben priorizar la auditoría externa especializada
- Entornos altamente regulados: Departamentos legales, de seguros o de análisis de crédito donde una decisión incorrecta acarrea multas por incumplimiento normativo.
- Flujos con ejecución autónoma de acciones: Agentes con permisos para modificar registros en sistemas de producción, emitir pagos o gestionar infraestructuras en la nube.
- Migración a modelos abiertos: Compañías que buscan prescindir de modelos propietarios caros mediante el ajuste fino de modelos abiertos empresariales, los cuales exigen post-entrenamiento intensivo con datos de dominio.
Organizaciones que deben posponer la adopción
- Flujos de baja criticidad con supervisión humana total: Tareas orientadas a redacción de resúmenes o soporte interno no vinculante, donde el coste de auditoría externa supera el valor generado por la automatización.
- Empresas sin procesos operativos documentados: Si los flujos de trabajo internos carecen de reglas de negocio claras, la red de expertos no podrá calibrar un benchmark personalizado, lo que provocará métricas de evaluación inconsistentes.