Por Redacción Pangea IA · 28 de octubre de 2026
Querio se ha presentado con una propuesta muy concreta para uno de los problemas menos vistosos —y más caros— de la IA empresarial: que ChatGPT, Claude, Slack y los cuadros de mando respondan con cifras distintas a una misma pregunta. La startup londinense quiere que la lógica del negocio permanezca en un repositorio GitHub controlado por el equipo de datos y que los asistentes consulten esa misma fuente. El lanzamiento, anunciado el 27 de octubre, llega acompañado de 5 millones de dólares de financiación total.
Una única definición para todos los asistentes
El producto parte de una situación habitual. Ventas cambia el nombre de un campo en el CRM, un informe deja de funcionar y cada herramienta interpreta la información de forma diferente. El resultado no es solo una molestia técnica: una dirección comercial puede tomar decisiones con una cifra de ingresos mientras Finanzas trabaja con otra.
Querio propone guardar métricas, definiciones, informes y análisis en un repositorio que pertenece al cliente. Sus agentes detectan cambios e inconsistencias, actualizan los elementos afectados y remiten la modificación al equipo de datos para que una persona la apruebe antes de que llegue al resto de la empresa. Después, los usuarios pueden plantear preguntas desde Claude, ChatGPT o Slack y recibir respuestas basadas en esa lógica común.
La idea encaja con una tendencia más amplia: acercar los agentes a la información corporativa sin crear una copia descontrolada de cada dato. Es el mismo reto de fondo que aborda la integración de Cloudera y NVIDIA para llevar agentes a los datos de la empresa, aunque Querio se concentra en la capa de significado: qué quiere decir «ingresos», qué clientes están activos o cómo se calcula una conversión.
Qué cambia en la práctica
Menos reconciliación manual
Cuando cada asistente trabaja con una definición distinta, los analistas terminan dedicando horas a explicar por qué no coinciden los resultados. Centralizar la lógica puede reducir ese trabajo repetitivo. Para una pyme con varias herramientas de ventas, facturación y atención al cliente, el beneficio potencial no consiste en generar más texto, sino en evitar que una consulta aparentemente sencilla produzca tres versiones de la realidad.
Cambios revisables y con historial
El uso de GitHub aporta control de versiones: permite ver qué definición cambió, quién la aprobó y cuándo entró en vigor. Ese enfoque puede resultar útil en auditorías internas o al investigar una discrepancia. También limita un riesgo de los agentes autónomos: que modifiquen una regla de negocio sin supervisión. Querio afirma que mantiene a una persona en el circuito para aprobar los cambios.
Esa supervisión no sustituye a una política de permisos. Una empresa debe decidir qué datos puede leer cada agente, qué acciones puede proponer y quién tiene autoridad para validarlas. La cuestión complementa el problema de identidad y apagado que plantea la nueva infraestructura de IBM para agentes de IA: una respuesta coherente sigue siendo peligrosa si llega a la persona equivocada o activa una acción no autorizada.
Financiación, clientes y disponibilidad
Querio asegura haber reunido 5 millones de dólares de financiación total. BMW i Ventures lideró la ronda semilla y participaron LAUNCH, Haatch Ventures, Araya Ventures, Forum Ventures y Secways. La firma de inversión de BMW confirmó el 27 de octubre su apuesta por la compañía. Según la propia startup, el servicio ya está disponible, funciona con almacenes de datos existentes, cuenta con certificación SOC 2 Type II y trabaja con clientes como OpenVPN y agree.com.
Conviene separar lo verificado de lo que todavía debe demostrar el producto. El lanzamiento, la financiación y el planteamiento técnico están documentados; el ahorro real de tiempo, la precisión de los agentes y la facilidad de implantación son afirmaciones que dependerán de cada arquitectura y deberán comprobarse en proyectos reales. La empresa no ha publicado en su anuncio una tabla de precios ni comparativas independientes de rendimiento.
Qué debería comprobar una empresa española
- Propiedad y portabilidad: confirmar qué elementos quedan realmente en el repositorio del cliente y cuáles dependen del servicio.
- Residencia y protección de datos: revisar dónde se procesan las consultas y si el despliegue encaja con el RGPD y los contratos con proveedores.
- Permisos: limitar por rol el acceso a métricas sensibles, datos personales y secretos comerciales.
- Prueba controlada: comenzar con un conjunto pequeño de indicadores y comparar las respuestas con el sistema oficial.
- Coste total: medir no solo la licencia, sino también integración, mantenimiento del repositorio y tiempo de revisión humana.
Un piloto razonable podría cubrir cinco métricas comerciales —ingresos reconocidos, ventas cerradas, margen, clientes activos y tasa de renovación— y someter a ChatGPT, Claude y Slack a las mismas preguntas. Si las respuestas coinciden, citan la definición correcta y reflejan un cambio aprobado sin intervención manual adicional, la herramienta habrá resuelto un problema medible.
Una pieza pequeña para un problema grande
Querio no presenta un nuevo modelo fundacional ni promete sustituir al departamento de datos. Su apuesta es más pragmática: convertir las definiciones empresariales en una fuente común, versionada y revisable que puedan consultar distintos agentes. Si funciona como se anuncia, el valor estará en reducir contradicciones y liberar tiempo de analistas; si no se acompaña de permisos, gobierno y evaluación, solo añadirá otra capa tecnológica al problema.
Fuentes
- Querio, anuncio oficial del lanzamiento, 27 de octubre de 2026. Consultado el 28 de octubre de 2026.
- BMW i Ventures, «Why We Invested in Querio», 27 de octubre de 2026. Consultado el 28 de octubre de 2026.
- Tech.eu, cobertura independiente del lanzamiento, 27 de octubre de 2026. Consultado el 28 de octubre de 2026.
- EU-Startups, cobertura independiente de Querio, 27 de octubre de 2026. Consultado el 28 de octubre de 2026.
Deja una respuesta