Snorkel AI triplica su valoración: los datos mandan

Por Redacción Pangea IA · 23 de septiembre de 2026

Snorkel AI ha captado 350 millones de dólares y ha elevado su valoración a 3.500 millones, casi tres veces más que en su ronda anterior. La operación revela un cambio importante en la carrera de la inteligencia artificial: disponer de más chips y modelos ya no basta. Las empresas que desarrollan sistemas avanzados necesitan datos especializados, ejercicios verificables y entornos de evaluación capaces de enseñar y medir tareas complejas.

La ronda, anunciada el 22 de septiembre, está liderada por Insight Partners y S32. Reuters y TechCrunch coinciden en el importe, la valoración y el giro de la compañía hacia un servicio que entrega conjuntos de datos terminados. Para empresas y administraciones, la noticia importa menos por la cifra financiera que por lo que señala: la ventaja competitiva se está desplazando desde la simple acumulación de documentos hacia la capacidad de convertir conocimiento experto en material útil, trazable y medible para una IA.

Qué ha anunciado Snorkel AI

Snorkel AI cerró una Serie E de 350 millones de dólares con una valoración de 3.500 millones. Además de los dos inversores que encabezan la ronda, Reuters identifica la participación de Addition, Greylock y Wells Fargo. TechCrunch añade a Lightspeed y GV entre los inversores existentes que acudieron a la operación.

La referencia comparable más cercana es la Serie D anunciada en mayo de 2025: 100 millones de dólares y una valoración de 1.300 millones. El nuevo precio multiplica esa valoración por aproximadamente 2,7 en unos dieciséis meses. Es un aumento llamativo incluso dentro del mercado de IA, pero no equivale a dinero ingresado ni garantiza rentabilidad futura. La valoración refleja el precio acordado por los inversores para la participación adquirida.

Dato	Qué se ha confirmado	Cómo interpretarlo
Financiación	350 millones de dólares	Capital nuevo de una Serie E, no ingresos.
Valoración	3.500 millones de dólares	Precio privado acordado en la ronda.
Valoración anterior	1.300 millones en mayo de 2025	El salto es de unas 2,7 veces.
Ingresos anualizados	Más de 350 millones, según Reuters; 375 millones, según TechCrunch	Ritmo anual calculado a partir del nivel actual, no facturación anual cerrada.
Rentabilidad	La empresa espera alcanzarla este año	Es una previsión de Snorkel, no un resultado auditado.

El verdadero producto no es una etiqueta

Snorkel nació a partir de investigación desarrollada en Stanford y empezó comercialmente en 2019 con software para automatizar el etiquetado de datos. Ese trabajo consistía, por ejemplo, en clasificar documentos, marcar entidades o crear reglas para convertir información sin ordenar en ejemplos que un modelo pudiera usar.

Durante 2025, la compañía cambió el centro de su negocio. En vez de vender principalmente herramientas para que el cliente prepare sus propios datos, pasó a entregar conjuntos terminados y entornos de aprendizaje por refuerzo. El matiz es decisivo: ya no cobra solo por la tecnología que ayuda a producir datos, sino por resolver el proceso completo y entregar un resultado que el laboratorio o la empresa pueda incorporar a su entrenamiento y evaluación.

De documentos a tareas con respuesta verificable

Los modelos generalistas se entrenan con grandes colecciones de texto, imágenes, audio y código. Sin embargo, mejorar en tareas difíciles exige materiales más precisos. Un sistema que deba revisar contratos necesita escenarios jurídicos bien delimitados y criterios que distingan una respuesta suficiente de otra peligrosa. Un asistente de programación necesita problemas, repositorios, pruebas y condiciones de éxito. Un modelo para investigación médica requiere conocimiento experto, control de procedencia y límites clínicos claros.

Los entornos de aprendizaje por refuerzo añaden otra capa: no se limitan a ofrecer una respuesta correcta. Definen una tarea, permiten que el modelo actúe y asignan una recompensa según el resultado. Para que ese aprendizaje sea útil, alguien debe diseñar el escenario, anticipar atajos, redactar una rúbrica y comprobar que la puntuación realmente mide la capacidad buscada.

La combinación de especialistas y automatización

Snorkel afirma que combina decenas de miles de especialistas en ámbitos como programación, derecho y medicina con modelos y agentes que automatizan controles de calidad. El experto propone tareas, respuestas y criterios; el software busca inconsistencias, duplicados y ejemplos problemáticos; y el conjunto vuelve a revisión antes de entregarse. La compañía también utiliza generación sintética, pero no presenta el proceso como completamente autónomo.

Esta mezcla responde a una limitación conocida. La IA puede multiplicar ejemplos con rapidez, pero también puede repetir errores, simplificar casos difíciles o generar datos que se parecen demasiado a las respuestas del modelo que se intenta mejorar. La intervención humana no garantiza calidad por sí sola, aunque aporta conocimiento situado y permite decidir qué errores son realmente graves.

Qué dicen —y qué no dicen— las cifras de ingresos

Reuters sitúa el ritmo anualizado de ingresos de Snorkel por encima de 350 millones de dólares, frente a unos 20 millones un año antes. TechCrunch publica una cifra más precisa de 375 millones y calcula un crecimiento de dieciocho veces. Ambas informaciones describen un run rate: una extrapolación del nivel actual a doce meses. No significa que Snorkel ya haya facturado esa cantidad durante un ejercicio completo.

La distinción importa porque los proveedores de datos pueden presentar magnitudes de forma diferente. Algunas plataformas comunican el volumen bruto antes de pagar a sus colaboradores; otras contabilizan como ingresos el valor del servicio y registran la remuneración de expertos como coste. TechCrunch indica que Snorkel trata los pagos a especialistas como coste de ventas porque entrega datasets y entornos completos. Comparar su cifra con la de un mercado de trabajo sin ajustar el método contable produciría una conclusión engañosa.

La empresa espera ser rentable este año, según Reuters. Es una previsión corporativa y no se han publicado cuentas auditadas, márgenes ni concentración de clientes. Tampoco se conocen los contratos que explican el crecimiento. La ronda valida el interés inversor, pero no permite comprobar por sí sola la sostenibilidad del negocio.

Por qué el cuello de botella se mueve hacia los datos

La primera fase del auge generativo premió el acceso a aceleradores, energía y grandes cantidades de contenido. Esa infraestructura sigue siendo crucial —y explica fórmulas de financiación extraordinarias como las garantías de cientos de miles de millones ligadas a centros de datos de IA—, pero los laboratorios se enfrentan ahora a otro problema: muchos datos fáciles de obtener ya se han usado, y más volumen no siempre mejora la capacidad en un dominio concreto.

En tareas profesionales, la calidad depende de conocer el contexto, formular casos que obliguen a razonar y definir una evaluación resistente a respuestas superficiales. Ese trabajo es más parecido a diseñar un examen, un simulador y su sistema de corrección que a recopilar páginas web. Por eso proveedores como Snorkel compiten no solo por contratar personas, sino por convertir su criterio en procesos repetibles.

La expansión también plantea preguntas sobre control. Si los datos de una empresa alimentan un sistema externo, deben quedar claras la propiedad, la confidencialidad, la conservación y la posibilidad de reutilización. El debate coincide con la exigencia de más garantías sobre los datos empresariales que procesan las plataformas de IA. La calidad técnica no compensa un origen incierto ni permisos insuficientes.

Qué cambia para empresas y pymes

La mayoría de las pymes españolas no necesita contratar directamente un proveedor de datasets para entrenar un modelo fundacional. La lección práctica es más cercana: si una organización quiere adaptar una IA a su negocio, el valor no está en volcar todos sus archivos en una herramienta, sino en seleccionar ejemplos fiables, describir el resultado esperado y medir los fallos que importan.

Necesidad	Dato útil	Control mínimo
Atención al cliente	Consultas reales anonimizadas y respuestas aprobadas	Privacidad, vigencia y tasa de resolución correcta
Revisión documental	Casos representativos con decisiones justificadas	Trazabilidad y revisión de errores graves
Asistencia de programación	Tareas, repositorios y pruebas automáticas	Seguridad del código y pruebas reproducibles
Agente de procesos	Escenarios con estados, permisos y objetivo final	Límites de acción, registro y reversión

Un proyecto razonable puede empezar con un conjunto pequeño pero representativo. Conviene separar entrenamiento y evaluación, evitar que el sistema vea las respuestas del examen, documentar el origen de cada caso y revisar los errores por impacto, no solo por porcentaje. Un asistente que acierta el 95 % puede seguir siendo inaceptable si el 5 % restante incluye revelar datos personales o autorizar operaciones indebidas.

• Definir la tarea antes de reunir datos. “Responder mejor” no es medible; “extraer cinco campos y citar su origen” sí.
• Reservar ejemplos difíciles. Casos ambiguos, excepciones y cambios normativos revelan más que cientos de ejemplos rutinarios.
• Registrar derechos y procedencia. La empresa debe poder explicar de dónde sale la información y qué permiso tiene para usarla.
• Evaluar por riesgo. Un fallo de estilo no pesa igual que una recomendación médica errónea o una filtración.
• Mantener revisión humana. Los criterios deben actualizarse cuando cambian el producto, la ley o el comportamiento de los usuarios.

Los riesgos que la ronda no resuelve

El crecimiento de los proveedores de datos especializados puede crear una nueva dependencia. Los grandes laboratorios externalizan parte de su conocimiento de dominio a empresas que concentran redes de expertos, herramientas de evaluación y acceso a proyectos confidenciales. Si pocos proveedores dominan el mercado, aumentan el riesgo de concentración y la dificultad para auditar cómo se produjo cada ejemplo.

También existe un problema de incentivos. Producir datos complejos es caro; automatizarlos demasiado reduce costes, pero puede degradar la diversidad y propagar errores. Apoyarse solo en especialistas humanos tampoco elimina sesgos ni desacuerdos. La señal de calidad está en la documentación del proceso, la medición entre evaluadores, la revisión adversarial y la posibilidad de corregir el conjunto cuando aparecen fallos.

Por último, las valoraciones privadas pueden ajustarse con rapidez si el crecimiento se frena o cambian las necesidades de los laboratorios. La captación de Snorkel se suma a una oleada de capital que también alcanza a desarrolladores europeos como Mistral y su ronda de 3.000 millones de euros. Son apuestas sobre demanda futura, no pruebas de que todas las empresas financiadas vayan a justificar el precio pagado.

Conclusión: la IA necesita datos que sepan medirla

La ronda de Snorkel AI no demuestra que los datos hayan sustituido al cómputo como principal coste de la IA, pero sí que se han convertido en un recurso estratégico. Cuando los modelos base se parecen más entre sí, la diferencia puede estar en las tareas que practican, en la calidad de la retroalimentación y en las pruebas que revelan si una mejora es real.

Para empresas españolas, la conclusión útil es sencilla: antes de comprar más capacidad o ajustar un modelo, deben invertir en ejemplos representativos, criterios de aceptación y controles sobre la información. Sin ese trabajo, la IA aprende de material ruidoso y se evalúa con exámenes débiles. Con él, incluso un proyecto pequeño puede saber qué mejora, qué falla y dónde no conviene automatizar.

Fuentes consultadas

• Reuters: Snorkel AI alcanza una valoración de 3.500 millones por la demanda de datos complejos, publicado el 22 de septiembre de 2026.
• TechCrunch: Snorkel AI triplica su valoración mientras crece la demanda de datos de entrenamiento, publicado el 22 de septiembre de 2026.

Fuentes consultadas el 23 de septiembre de 2026.