¿Cómo se convence a alguien de apostar millones por una idea que todavía no se puede tocar? En inteligencia artificial, esa pregunta hoy pesa casi tanto como el código. Y allí aparece una pieza clave que muchas veces no se ve: la capacidad de traducir complejidad sin apagar la ambición.
Eso es lo que revela Andrew Dai en Build Mode. El exinvestigador de Google DeepMind dejó la compañía, fundó Elorian y, pocos meses después, logró recaudar 55 millones de dólares con una valoración de 300 millones, incluso antes de lanzar un producto.
El hallazgo de fondo no está solo en la cifra. Está en la tesis que empujó la operación: para Dai, la inteligencia artificial visual es una de las próximas grandes fronteras del sector, porque los modelos actuales brillan en matemáticas o programación, pero avanzan de forma mucho más desigual cuando deben comprender imágenes y razonar sobre lo que ven.
Dai no habla desde la periferia. Lleva más de una década trabajando en sistemas influyentes de IA y en investigaciones que terminaron alimentando desarrollos conectados con ChatGPT. Por eso, cuando subraya que la visión es el engranaje pendiente, el mercado escucha.
“La velocidad se ha convertido en una de las mayores ventajas competitivas”, explica, al describir un mapa donde el capital, el talento y el tiempo se mueven con una rapidez poco habitual incluso para Silicon Valley.
La clave de Elorian es perseguir una visual AGI (inteligencia artificial general visual), es decir, sistemas capaces de entender el mundo visible con una inteligencia más fluida. Dicho de otro modo: no alcanza con que una máquina “mire”; debe saber qué está mirando, cómo se relacionan las piezas y qué podría pasar después.
Además, esa visión técnica debía volverse comprensible para inversores no técnicos. Durante la ronda, Dai convirtió una idea cargada de jerga en una narrativa clara: explicó por qué el razonamiento visual es una oportunidad, qué interruptor puede activar y por qué todavía no existe un ganador definitivo.
El dinero no fue la única señal
La ronda de Elorian fue agresiva incluso para el estándar actual. La relación entre capital levantado y valoración resultó más ambiciosa que en otras operaciones recientes del sector, como Thinking Machines. Sin embargo, Dai priorizó otra cosa: eligió socios estratégicos como Nvidia y Menlo Ventures por encima de ofertas con valoraciones más altas.
Ese punto revela una lección práctica. En un mercado impredecible, donde las condiciones cambian en semanas, sumar inversores que entienden la IA de frontera (la tecnología más avanzada del sector) puede valer más que inflar el precio de la empresa en el papel.
También hay un mensaje para quienes construyen tecnología. Comunicar sin tecnicismos no es decorar una idea: es mostrar su mecanismo real. Si un fundador no puede explicar su sistema como quien describe una instalación eléctrica, difícilmente logre que otros confíen en ese cableado.
Qué cambia para el ecosistema
El caso de Elorian también expone otra pieza central: atraer talento desde Big Tech ya no depende solo del salario. Hace falta una propuesta diferenciada, velocidad de ejecución y un “moat” (barrera defensiva) que resista en un entorno donde todo evoluciona muy rápido.
Para el lector común, esto puede parecer lejano. Pero no lo es tanto. Si la IA visual madura, su aplicación práctica puede llegar a diagnósticos por imagen más robustos, robots más seguros, asistentes que entiendan escenas cotidianas y sistemas que reaccionen con más contexto y menos errores. En esa carrera, el gran hallazgo de Dai no fue solo conseguir 55 millones. Fue demostrar que, cuando la tecnología todavía está naciendo, a veces gana primero quien logra encender la luz correcta para que los demás vean lo que viene.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
