Labelbox empezo en 2018 etiquetando datos. La idea era sencilla: dale a un modelo bastantes buenos ejemplos y se volvera mas listo. La nueva ronda de la empresa de San Francisco sugiere que el trabajo ha cambiado. El 14 de octubre, Labelbox anuncio que ha captado mas de 100 millones de dolares en financiacion Serie E, una mezcla de capital y una linea de credito, con una valoracion previa de 1.250 millones de dolares.
Infinitum Partners lidero la ronda. Tambien participaron Wipro Ventures, Andreessen Horowitz, B Capital, Tau Ventures y Snowpoint Ventures. El consejero delegado y cofundador, Manu Sharma, dijo que el dinero financiara investigacion e ingenieria para dos productos centrales, ampliara los equipos de clientes y asegurara acceso a computo para la siguiente fase. El computo, en su relato, esta en el centro de lo que viene.
Practica, no solo ejemplos
El primer producto es Horizon. Construye entornos de aprendizaje por refuerzo y evaluacion para laboratorios de vanguardia. Imagina una empresa simulada, llena de codigo, paneles, hojas de calculo y documentos. Un modelo entra y trata de completar una tarea de varios pasos. Puede perseguir una cifra entre archivos, contrastarla con un panel y despues redactar el siguiente movimiento. Cada intento queda registrado. Cada intento recibe una nota.
Esa nota es la clave. Una sola respuesta correcta o incorrecta ensena muy poco a un modelo sobre un trabajo largo. Una ejecucion puntuada muestra donde se desvio, que paso se salto y como era un camino mejor. Hazlo miles de veces y el modelo no esta memorizando. Esta practicando. Es un cambio que tambien se ve en otros frentes de la tecnologia que contamos, como en el salto de los envios de robots humanoides, que se multiplican por cinco en un ano: el progreso llega cuando el sistema puede repetir, medirse y corregirse.
Agentes que trabajan dentro de software real
El segundo producto es Recursion Managed Agents. Labelbox lo abrio a clientes empresariales a principios de este mes, en octubre de 2026. En lugar de pedir a una empresa que arranque sus herramientas, los agentes se despliegan dentro de las aplicaciones de negocio que ya existen. Se puntuan frente a rubricas, criterios escritos y claros sobre como es un buen resultado, y mejoran con cada ejecucion, segun la empresa.
Es una afirmacion modesta con una implicacion grande. La mayor parte del trabajo de oficina ya vive en software familiar. Un agente que aprende dentro de esas pantallas, juzgado con una rubrica que un responsable puede leer de verdad, genera mas confianza que una caja negra que llega con una promesa. Puedes ver la nota. Puedes discutir la rubrica. Puedes corregir ambas.
Por que las rubricas cambian la conversacion
Una rubrica convierte una queja vaga, el resultado no me convence, en una concreta. El resumen omitio dos partidas. El tono no era el adecuado para una nota a un cliente. El agente se salto el paso de aprobacion. Cuando el fallo tiene nombre, la siguiente ejecucion puede atacarlo. Asi mejoran las personas en formacion, y Labelbox apuesta a que asi mejoraran tambien los agentes.
Una historia de financiacion distinta
Labelbox declara mas de 400 clientes, incluidos mas del 90 por ciento de los principales laboratorios de IA de Estados Unidos. Tambien declara rentabilidad en 2026 y un crecimiento de mas de 5 veces interanual. Esas cifras proceden del anuncio de la propia empresa y de la nota de su fundador, asi que conviene tratarlas como afirmaciones de la compania, no como resultados auditados. Aun con esa cautela, la forma de la historia destaca.
Rentabilidad junto a crecimiento rapido no es el guion habitual de una empresa que capta nueve cifras. Muchas captan porque tienen que hacerlo. Labelbox, segun sus propios numeros, ha captado desde una posicion de fuerza, y gasta el dinero en profundidad, investigacion, ingenieria, equipos de clientes y computo, en lugar de en una conquista llamativa del mercado. Hay una version civica de esta misma idea en proyectos que ponen la tecnologia a trabajar en servicios diarios, como los que seguimos en los camiones sin conductor que se suman a la flota diaria de una empresa de Texas: la confianza llega cuando se puede ver el trabajo, puntuar el resultado y devolver la leccion al sistema.
Que conviene recordar
Para los equipos de laboratorio, la leccion practica es simple. Presupuesta practica, no solo datos. Si tu modelo va a encargarse de trabajo de varios pasos, necesita entornos donde ese trabajo pueda fallar sin riesgo, recibir nota y volver a intentarlo. Una carpeta de ejemplos perfectos no ensena a recuperarse.
Para compradores empresariales, haz dos preguntas antes de firmar nada. Con que rubrica se puntuara al agente, y quien la escribio? Y puedes ver como mejoran las notas ejecucion tras ejecucion, dentro de las aplicaciones que tu equipo ya usa? Si un proveedor no responde a ambas, estas comprando una demostracion.
Para el resto, atencion al lenguaje. El sector paso anos hablando de los datos de entrenamiento como si fueran combustible: echa mas y llegaras mas lejos. Labelbox habla de algo mas parecido a entrenar a una persona. El combustible sigue importando. Pero una valoracion de 1.250 millones y mas de 100 millones de capital fresco respaldan ahora una idea mas sencilla. Los modelos se vuelven buenos como las personas. Lo intentan, reciben nota y lo vuelven a intentar.
Sé el primero en comentar