Snorkel AI levanta 350 millones y triplica su valoración hasta 3.500 millones
La serie E, liderada por Insight Partners y S32, valora a la compañía en 3.500 millones de dólares y confirma el tirón del negocio de datos de entrenamiento para IA.
Snorkel AI ha cerrado una ronda serie E de 350 millones de dólares que valora la compañía en 3.500 millones, casi el triple de los 1.300 millones que alcanzó hace 17 meses con su serie D, de 100 millones. La operación la han liderado Insight Partners y S32, y en ella han repetido inversores que ya estaban dentro: Addition, Lightspeed, Greylock, GV y Wells Fargo.
La empresa ya no vende lo que vendía. Nació como software para automatizar el etiquetado de datos y el año pasado dio el giro a entregar conjuntos de datos ya terminados, algo que llama datos como servicio. No funciona como un mercado de especialistas humanos al uso: combina su software y sus modelos para generar datos de forma sintética con expertos de dominio que completan el trabajo. También vende entornos de aprendizaje por refuerzo, y ese detalle explica cómo cuenta el dinero. Lo que paga a sus expertos va a coste de ventas, no engorda la cifra de ingresos anualizados, según la propia compañía.
Y esa cifra es la que ha disparado la valoración: Snorkel declara un ritmo de ingresos anualizado de 375 millones, 18 veces más que hace doce meses. Es un dato que da la empresa, no un tercero.
El resto del sector también corre
El negocio de datos para entrenar modelos vive una fiebre parecida. Mercor ha llegado a 2.000 millones de ingresos anualizados brutos, Handshake superó los 1.000 millones este año y Micro1 se ha escalado hasta 500 millones. Conviene mirar esas cifras con cuidado: entre el 60% y el 70% de esa facturación bruta va directo a los especialistas de dominio que hacen el trabajo, así que el ingreso neto real es bastante menor que el titular. Snorkel se libra de ese ajuste porque lo que coloca son entornos de RL y datasets completos, no horas de personas.
La compañía arrancó comercialmente en 2019, después de cuatro años de investigación de su cofundador y consejero delegado, Alex Ratner, y su equipo en un laboratorio de IA de Stanford. Sus clientes son laboratorios de IA y grandes empresas que necesitan datos con criterio para afinar modelos, y ahí está la clave de su crecimiento: cuanto más se pelea por la calidad del ajuste fino, más se paga por datos curados en lugar de etiquetado bruto.
Para quien decide compras o arquitectura en este terreno, la señal es que los laboratorios siguen pagando por entornos de refuerzo y conjuntos de datos hechos a medida, no por fuerza de trabajo etiquetando. La pregunta abierta es si ese ritmo aguanta cuando el gasto en entrenamiento de los grandes se modere, porque la valoración de Snorkel ya descuenta que no lo hará.
