Snorkel AI Recauda $100 Millones y Enfoca su Estrategia en la Evaluación de Modelos de IA

Alex Ratner, CEO de Snorkel AI, recuerda una época en la que el etiquetado de datos – la ardua tarea de agregar contexto a grandes cantidades de datos brutos y calificar la respuesta de un modelo de IA – era considerado un trabajo «de limpieza» entre los investigadores de IA. Pero eso cambió rápidamente cuando ChatGPT sorprendió al mundo en 2022 e inyectó nueva vida (y miles de millones de dólares) en una serie de startups que se apresuraron a suministrar datos etiquetados por humanos a empresas como OpenAI y Anthropic para entrenar modelos competentes.

Ahora, el concurrido campo del etiquetado de datos parece estar experimentando otro cambio. Cada vez menos empresas están entrenando modelos de lenguaje grandes desde cero, dejando esa tarea en manos de los gigantes tecnológicos. En cambio, están ajustando modelos y construyendo aplicaciones en áreas como el desarrollo de software, la atención médica y las finanzas, lo que crea demanda de datos especializados. Los chatbots de IA ya no solo escriben ensayos y haikus; se les están asignando trabajos de alto riesgo, como ayudar a los médicos a hacer diagnósticos o examinar solicitudes de préstamos, y están cometiendo más errores. Evaluar el rendimiento de un modelo se ha vuelto crucial para que las empresas confíen y, en última instancia, adopten la IA, dijo Ratner. «La evaluación se ha convertido en el nuevo punto de entrada», declaró a Evox News.

Esa urgencia por medir las capacidades de la IA en casos de uso muy específicos ha provocado una nueva dirección para Snorkel AI, que está cambiando de marcha para ayudar a las empresas a crear sistemas de evaluación y conjuntos de datos para probar sus modelos de IA y ajustarlos en consecuencia. Los científicos de datos y los expertos en la materia dentro de una empresa utilizan el software de Snorkel para seleccionar y generar miles de pares de indicaciones y respuestas como ejemplos de lo que sería una respuesta correcta a una consulta. El modelo de IA se evalúa entonces de acuerdo con ese conjunto de datos, y se entrena en él para mejorar la calidad general.

La compañía ha recaudado ahora 100 millones de dólares en una ronda de financiación de Serie D liderada por la firma de capital riesgo Addition, con sede en Nueva York, con una valoración de 1.300 millones de dólares, un aumento del 30% con respecto a su valoración de 1.000 millones de dólares en 2021. El cambio relativamente pequeño en la valoración podría ser una señal de que la compañía no ha crecido tanto como esperaban los inversores, pero Ratner dijo que es el resultado de una «corrección saludable en el mercado en general». Snorkel AI declinó revelar sus ingresos.

Expertos en atención al cliente de una gran empresa de telecomunicaciones han utilizado Snorkel AI para evaluar y ajustar su chatbot para responder a preguntas relacionadas con la facturación y programar citas, dijo Ratner a Evox News. Oficiales de crédito de uno de los tres principales bancos de EE. UU. han utilizado Snorkel para entrenar un sistema de IA que extraía bases de datos para responder a preguntas sobre grandes clientes institucionales, mejorando su precisión del 25% al 93%, dijo Ratner. Para la incipiente startup de IA Rox, que no tenía la mano de obra ni el tiempo para evaluar su sistema de IA para vendedores, Snorkel ayudó a mejorar la precisión entre un 10% y un 12%, dijo el cofundador de Rox, Sriram Sridharan, a Evox News.

Es un nuevo enfoque para la que fuera una compañía de moda, que surgió del Laboratorio de Inteligencia Artificial de Stanford en 2019 con un producto que ayudaba a los expertos a clasificar miles de imágenes y textos. Pero desde el lanzamiento de ChatGPT en 2022, la startup se ha visto eclipsada en gran medida por rivales más grandes a medida que más compañías inundaron el espacio del etiquetado de datos. Scale AI, que también ofrece servicios de etiquetado y evaluación de datos, está, según se informa, en conversaciones para finalizar una venta de acciones con una valoración de 25.000 millones de dólares, frente a su valoración de 13.800 millones de dólares hace un año. Otros competidores incluyen a Turing, que duplicó su valoración a 2.200 millones de dólares desde 2021, e Invisible Technologies, que reservó 134 millones de dólares en ingresos en 2024 sin recaudar mucho de los capitales de riesgo.

Snorkel también se ha enfrentado a desafíos macroeconómicos: a medida que los modelos de IA como los que impulsan ChatGPT mejoraron, pudieron etiquetar datos a gran escala de forma gratuita, lo que redujo aún más el tamaño del mercado. Ratner reconoció que Snorkel experimentó un breve período de crecimiento lento justo después de que OpenAI lanzara ChatGPT y dijo que las empresas habían detenido los programas piloto con algunos proveedores para considerar el uso de modelos de IA para el etiquetado directamente. Pero dijo que el negocio de Snorkel se recuperó en 2023 y ha crecido desde entonces.

Ratner dijo que el diferenciador de Snorkel es su énfasis en atraer a expertos en la materia – ya sean propios o dentro de una compañía – y utilizar un método propietario llamado «etiquetado programático», para asignar automáticamente etiquetas a enormes cantidades de datos a través de simples palabras clave o bits de código en lugar de hacerlo manualmente. El objetivo es ayudar a los expertos con poco tiempo, como médicos y abogados, a etiquetar los datos de forma más rápida y económica.

A medida que se inclina por la evaluación, que también requiere la generación de datos, Snorkel ha comenzado a contratar a decenas de miles de contratistas cualificados como profesores de STEM, abogados, contables y escritores de ficción para crear conjuntos de datos especializados para múltiples desarrolladores de IA, que luego utilizan los conjuntos de datos para evaluar sus modelos (declinó decir con qué laboratorios de IA de vanguardia trabaja Snorkel). También pueden utilizar estos datos para añadir nuevas funcionalidades a sus chatbots, como la capacidad de desglosar y «razonar» sobre una consulta difícil o realizar una investigación en profundidad sobre un tema, dijo Ratner.

Pero incluso cuando se trata de construir evaluaciones especializadas, Snorkel se enfrenta a una feroz competencia – nueva y antigua. Las principales compañías de IA han lanzado una serie de puntos de referencia públicos y conjuntos de datos de código abierto para evaluar sus modelos. LMArena, una popular tabla de clasificación para evaluar el rendimiento de los modelos de IA, recientemente se escindió como una nueva compañía y recaudó 100 millones de dólares en financiación inicial de los principales inversores con una considerable valoración de 600 millones de dólares, según Bloomberg. Además, compañías como Scale, Turing e Invisible, todas ofrecen servicios de evaluación. Pero Ratner dijo que, a diferencia de sus rivales, Snorkel se construyó en torno a expertos humanos desde el principio.

Saam Motamedi, socio de Greylock que participó en la ronda, dijo que estos nuevos servicios de conjuntos de datos especializados son una parte de rápido crecimiento del negocio de Snorkel a medida que la industria cambia a lo que se llama «post entrenamiento» – el proceso de ajustar el rendimiento del modelo para ciertas aplicaciones. La IA ya ha absorbido la mayor parte de los datos de Internet, lo que hace que los conjuntos de datos hechos a medida por expertos en el dominio sean aún más valiosos. «Creo que ese viento de cola del mercado ha demostrado ser muy bueno para Snorkel», dijo.

Insights de Evox News: Cómo la Inversión en Snorkel AI Puede Impactar tu Negocio

La reciente ronda de financiación de Snorkel AI y su enfoque en la evaluación de modelos de IA representan una oportunidad y un desafío para las empresas. Aquí te mostramos cómo esta noticia podría impactar en tu negocio:

Ventaja Competitiva a Través de la IA Confiable

La capacidad de evaluar y ajustar modelos de IA con precisión se está convirtiendo en un diferenciador clave. Las empresas que adopten soluciones como las que ofrece Snorkel AI podrán:

• Reducir riesgos: Al evaluar rigurosamente los modelos de IA antes de su implementación, las empresas pueden evitar errores costosos y decisiones incorrectas.
• Mejorar la eficiencia: Un modelo de IA bien evaluado y ajustado puede automatizar tareas de manera más efectiva, liberando recursos y mejorando la productividad.
• Aumentar la confianza del cliente: La transparencia y la precisión en las interacciones con la IA pueden fortalecer la lealtad del cliente y mejorar la reputación de la marca.

Innovación y Desarrollo de Productos

El enfoque de Snorkel AI en datos especializados generados por expertos abre nuevas posibilidades para la innovación. Las empresas pueden:

• Crear productos y servicios personalizados: Al entrenar modelos de IA con datos específicos de la industria, las empresas pueden ofrecer soluciones altamente adaptadas a las necesidades de sus clientes.
• Explorar nuevos mercados: La capacidad de evaluar y ajustar modelos de IA para diferentes casos de uso permite a las empresas expandirse a nuevos mercados y sectores.
• Acelerar el desarrollo de IA: Las herramientas de evaluación de Snorkel AI pueden ayudar a las empresas a iterar más rápidamente en sus proyectos de IA, reduciendo el tiempo de comercialización.

Consideraciones Económicas

Si bien la adopción de soluciones de evaluación de IA puede requerir una inversión inicial, los beneficios a largo plazo pueden superar los costos. Las empresas deben considerar:

• El retorno de la inversión (ROI): Evaluar el impacto de la IA en la eficiencia, la productividad y la satisfacción del cliente para justificar la inversión en herramientas de evaluación.
• La escalabilidad: Elegir soluciones que puedan crecer con la empresa y adaptarse a las necesidades cambiantes de la IA.
• La integración: Asegurarse de que las herramientas de evaluación se integren sin problemas con los sistemas existentes para evitar interrupciones y maximizar el valor.