La empresa con sede en San Francisco Vals ha cerrado una ronda de serie A de 40 millones de dólares liderada por a16z, con una valoración de 400 millones. La compañía desarrolla evaluaciones y pruebas que miden modelos de IA en tareas del mundo real. Se indica que sus ingresos se han multiplicado por ocho desde 2025.

Por qué se ha formado un mercado

Esta ronda demuestra algo que hace unos años habría parecido extraño: medir los modelos se ha convertido en un sector por sí mismo.

La causa es un problema concreto de las organizaciones. Cuando una empresa incorpora IA a su operación debe responder a tres preguntas: qué modelo uso, funciona de verdad este modelo en mi trabajo y se ha roto algo al cambiar de versión.

Las clasificaciones generales de modelos no responden a eso. Los rankings miden con exámenes estándar; no contienen las pólizas de una aseguradora ni los documentos de cumplimiento de un banco.

Qué significan las \"tareas del mundo real\"

Esa distinción es donde se sitúa Vals. Plantea la evaluación no como un examen académico, sino como trabajo profesional: tareas de derecho, finanzas o sanidad del tipo que resuelven los especialistas de esos campos.

Construir una evaluación así no es barato. Hace falta personal experto, hay que preparar las respuestas correctas y el conjunto debe mantenerse en privado: un examen publicado acaba en los datos de entrenamiento del siguiente modelo y pierde su valor como medida.

Ese coste explica por qué el trabajo se externaliza a una empresa.

Ocho veces más ingresos

Que los ingresos se multipliquen por ocho en un año muestra de dónde viene la demanda. Que una herramienta de control crezca a ese ritmo significa que lo que se controla se está extendiendo deprisa.

Es otro indicador del paso de la IA empresarial del piloto a la producción. Nadie gasta dinero en medir una herramienta que está probando; la necesidad de medir aparece cuando la herramienta empieza a trabajar.

La cuestión de la independencia

El asunto de fondo es quién realiza la evaluación. Hoy la mayor parte de la información sobre el rendimiento de un modelo procede de cifras que publica su propio fabricante.

Que una empresa de evaluación independiente levante capital a esta escala muestra que ese hueco tiene una respuesta comercial. Esa independencia tiene, eso sí, su propio límite: los ingresos del evaluador también proceden del ecosistema en el que están las empresas evaluadas.

La capa silenciosa del sector

La ronda de Vals forma parte de un patrón que se repite. Observabilidad, evaluación, gobernanza, seguridad: todas son empresas que no construyen modelos pero hacen negocio a su alrededor.

El crecimiento de esa capa es señal de que el mercado de la IA madura. Una tecnología nueva se discute primero por su capacidad; después, las herramientas que permiten usar esa capacidad con fiabilidad forman un mercado propio. La computación en la nube siguió la misma secuencia.

Qué deberían hacer los equipos pequeños

Una herramienta de esta escala no es necesaria para todos. La idea que hay detrás sí lo es:

  • Preparar un conjunto de preguntas tomadas de tu propio trabajo, con respuestas conocidas.
  • Volver a ejecutar ese conjunto cada vez que cambies de modelo o de versión.
  • Registrar el resultado, para que se vea hacia dónde va la calidad con el tiempo.

Montarlo lleva unas horas y traslada la elección de modelo de la conjetura a la medición.