Trajectory lanza plataforma para que modelos de IA aprendan continuamente del uso real
Hecho Qué ha ocurrido
Un grupo de investigadores procedentes de Google DeepMind, Apple, OpenAI y Meta ha fundado Trajectory, una startup que desarrolla una plataforma para que empresas mejoren continuamente sus productos de IA entrenando con interacciones reales de usuarios. Trajectory ha cerrado una ronda de financiación de $15 millones a una valoración post-money de $115 millones, liderada por Conviction VC e incluyendo inversores como Jeff Dean (jefe científico de Google DeepMind) y Fei-Fei Li. La plataforma permite que modelos entrenados semanalmente aprendan de errores en tiempo real; clientes como Decagon (agentes de atención al cliente) y Harvey (software legal) ya utilizan la solución.
Resumen generado mediante IA a partir de Wired AI (original en inglés). Naturaleza de la información: hecho documentado.
Análisis Por qué importa
La capacidad de aprendizaje continuo es una barrera reconocida en el avance de la IA y en su adopción empresarial real. Trajectory resuelve un problema práctico: hoy las empresas necesitan equipos técnicos dedicados ('forward deployed engineers') para mejorar modelos en producción, mientras que su plataforma permitiría automatizar esa mejora constante sin dependencia de consultores expertos.
- Quién se ve afectado
- Empresas que despliegan IA en producción (atención al cliente, ventas, legal), especialmente PYMES y empresas no-tech que hoy requieren equipos técnicos internos o consultores especializados para mantener y mejorar sus sistemas de IA.
- Qué puede cambiar
- Si se generaliza, el aprendizaje continuo podría permitir que empresas medianas y pequeñas mantengan y mejoren productos de IA sin contratar equipos técnicos grandes, reduciendo costes y acelerando la iteración. Pasaría de modelos estáticos que cometen siempre los mismos errores a sistemas que se adaptan automáticamente a los casos reales que encuentran.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Vigilar la adopción en Fortune 500 y empresas tradicionales (objetivo declarado de Trajectory). Observar si la frecuencia de actualización semanal actual evoluciona hacia diaria u horaria, y si otros laboratorios (OpenAI, Anthropic, Google) lanzan capacidades similares. Monitorear el impacto en la demanda de 'forward deployed engineers' y consultores de IA.
Recomendación Qué debería hacer una empresa
Empresas con productos de IA en producción deberían evaluar en los próximos 6-12 meses si una plataforma de aprendizaje continuo como Trajectory o sus competidores futuros puede reducir la dependencia de equipos técnicos internos y mejorar la calidad del modelo en su dominio específico.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: Wired AI. La referencia es siempre el artículo original.
Ver fuente original ↗aprendizaje continuopost-entrenamientoLLMmodelos abiertos TrajectoryGoogle DeepMindAppleOpenAIMeta adopción empresarial aprendizaje continuo IA productiva startup Trajectory
Forma parte de la historia Trajectory lanza plataforma de aprendizaje continuo para IA empresarial (2 noticias, estado: cerrada).
Relacionadas
Trajectory: startup para entrenar IA que mejora continuamente con datos de usuarios
Exinvestigadores de Google DeepMind, Apple, OpenAI y Meta fundaron Trajectory, una startup que desarrolla una plataforma para el aprendizaje continuo en IA. La…
Por qué importaEl aprendizaje continuo elimina la necesidad de contratar equipos ingenieros externos para mejorar constantemente modelos de IA, reduciendo costes…
Google DeepMind abre su plataforma de investigación de agentes DeepMind Lab
Google DeepMind anunció el código abierto de DeepMind Lab, su plataforma de simulación 3D diseñada para investigación en agentes de IA autónomos. La…
Por qué importaLa apertura de esta infraestructura de investigación acelera el desarrollo de agentes generales capaces de aprender en entornos complejos sin…
TechCrunch recopila agentes de IA que funcionan por mensajes de texto, desde asistentes generales hasta de viajes y familias
TechCrunch publica una lista de agentes de IA a los que se puede escribir por SMS o por apps de mensajería como iMessage. Entre ellos figuran Instinct, Ask…
Por qué importaLos agentes que se gestionan desde la mensajería reducen la fricción de adopción, porque no requieren instalar ni aprender una app nueva. Para las…
Los robots pato Microduck de Nvidia y Hugging Face superan 20.000 preventas tras un video viral de Jensen Huang
Un video de Jensen Huang jugando con los robots Microduck en la conferencia GTC de Berlín se viralizó y, según Clément Delangue de Hugging Face, las preventas…
Por qué importaMuestra cómo la robótica de consumo puede generar demanda rápida a partir de la visibilidad de una marca de IA. Para empresas, sirve de señal sobre…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.