Noticias

Mercor capta 750 millones de dólares con una valoración de 20.000 millones para evaluar IA en el trabajo real

La serie D incluye una oferta de compra de acciones de empleados. Mercor amplía evaluaciones y entornos de práctica sin publicar ingresos ni separar el capital nuevo de las ventas de acciones.

Ilustración de documentos y plataformas de trabajo en un recorrido que conduce a un cubo luminoso
Ilustración original generada con IA sobre práctica y evaluación. No representa interfaces de Mercor ni de Deeptune.

Mercor anunció el 10 de noviembre de 2026 una serie D de 750 millones de dólares con una valoración de 20.000 millones. La empresa, que conecta conocimiento humano con el entrenamiento y la evaluación de IA, quiere extender su infraestructura a organizaciones que necesitan comprobar cómo trabajan los agentes en sus propios procesos, más allá de los resultados en pruebas generales.

Según Mercor, la ronda incluyó una oferta de compra de acciones de empleados. La compañía no desglosó qué parte corresponde a acciones existentes y qué parte es capital nuevo que entra en su balance. Por tanto, no debe interpretarse automáticamente que los 750 millones íntegros constituyen un nuevo presupuesto de investigación o expansión.

Reuters señala que la valoración duplica los aproximadamente 10.000 millones de dólares de octubre de 2025. El cambio describe el precio acordado en las rondas de inversión. No demuestra por sí mismo que se hayan duplicado los ingresos, los clientes o la calidad de los modelos. El anuncio actual no incluye ingresos ni una cifra anualizada de facturación.

Evaluar el trabajo que realmente hace la empresa

Mercor describe una infraestructura para entrenar y evaluar modelos en tareas profesionales con ayuda de personas expertas en cada campo. Su oferta para empresas incluye evaluaciones adaptadas a sus procesos. La cuestión va más allá de obtener una buena respuesta: se trata de completar una tarea conforme a los sistemas, requisitos y estándares de calidad del cliente.

Un ejemplo conceptual permite ver la diferencia. Saber redactar un documento no demuestra que un agente pueda seleccionar el registro correcto, utilizar la versión vigente y enviar el resultado a quien debe aprobarlo. Es una ilustración de la distancia entre habilidad general y proceso empresarial definido, no el resultado de un experimento publicado por Mercor.

Por eso, una evaluación a medida empieza por definir el éxito. Hay que decidir qué cuenta como una ejecución correcta, qué información puede utilizarse y qué errores obligan a detenerse. Sin esas definiciones, una puntuación elevada puede ser difícil de interpretar: quizá mida lo más sencillo de probar en vez de lo que necesita la organización.

Los expertos aportan más que respuestas

Mercor afirma que su red reúne a más de 5 millones de expertos. Es una descripción de su red, no del número de empleados en nómina ni de las personas que trabajan simultáneamente en un proyecto concreto. La distinción importa cuando se utiliza ese tamaño para explicar la dimensión del negocio.

El conocimiento especializado va más allá de saber la respuesta correcta. El trabajo profesional incluye secuencias de acciones, excepciones, criterio y requisitos propios de cada empresa. Según Mercor, las evaluaciones convierten esas exigencias en tareas comprobables e identifican dónde necesita el modelo entrenamiento adicional o práctica.

Para un cliente, el tamaño de la red no sustituye las preguntas sobre la idoneidad de los expertos. Importa quién fija los criterios, cómo se resuelven desacuerdos entre evaluadores y cómo se modifica la prueba cuando cambia el proceso. Son aspectos de calidad que no pueden deducirse solo del número de participantes, por grande que sea la red.

Deeptune añade un lugar para practicar

Mercor señala que adquirió Deeptune este año. Su equipo recreó cientos de aplicaciones empresariales como entornos donde los agentes pueden practicar procesos de trabajo. La combinación busca unir conocimiento profesional y evaluaciones con un escenario que refleje el lugar donde se realiza la actividad.

Aquí conviene distinguir evaluación y entrenamiento. Evaluar mide cómo responde un sistema a una exigencia; entrenarlo de nuevo busca cambiar sus capacidades. Un entorno de práctica permite repetir una tarea, revisar el resultado y proporcionar información para mejorar. Eso no significa que cada repetición eleve el rendimiento ni que triunfar en una simulación garantice hacerlo en el sistema real.

El cliente necesita examinar cuánto se parece el entorno de entrenamiento al trabajo cotidiano. Las diferencias en permisos, datos o comportamiento de la interfaz pueden cambiar la tarea. Al evaluar una solución así, conviene establecer qué condiciones deben mantenerse y qué diferencias requieren pruebas adicionales antes de ampliar la responsabilidad del agente.

Muchos inversores, sin un líder anunciado

La lista publicada por Mercor incluye a Benchmark, Felicis, Fundomo, fondos gestionados por filiales de Apollo, G Squared, General Catalyst, Glade Brook Capital, NVIDIA, Salesforce, Sapphire Ventures, StepStone Group, XTX Ventures y Zoom. La compañía no identifica un inversor principal en el anuncio.

La presencia de empresas tecnológicas no equivale a anunciar un nuevo contrato comercial, una integración de productos o una alianza de distribución. El comunicado las presenta como inversoras. Separar estos papeles evita atribuir demasiado significado a nombres conocidos, especialmente cuando participan tanto gestoras como empresas que operan en el mercado de la IA.

Mercor afirma que la financiación acelerará la inversión en infraestructura e investigación para evaluaciones y entrenamiento posterior, además de nuevos entornos de práctica. También ha abierto oficinas en Nueva York y Londres. Son las líneas de expansión anunciadas, pero no se ofrece un desglose presupuestario por sede o área, ni un calendario detallado de entrega de cada capacidad.

El coste de funcionamiento forma parte de la calidad

En el anuncio, el fundador Brendan Foody escribe que Mercor gasta en ejecutar modelos 3 veces lo que dedica a salarios. Es una comparación de la propia compañía. No publica los importes absolutos junto a esa proporción, de modo que no puede utilizarse por sí sola para calcular gastos o rentabilidad.

En la práctica, la comparación dirige la atención al coste de utilizar IA después de entrenar el modelo. Una organización también debe preguntar cuánto cuesta completar una tarea, cuántos intentos requiere y cuánto trabajo humano queda después. Un buen resultado que necesita numerosas correcciones puede ser muy distinto del mismo resultado obtenido de forma estable.

La ronda financia el intento de convertir estas preguntas en infraestructura utilizable dentro de las empresas. Los responsables siguen teniendo una tarea inicial: elegir un proceso definido, fijar medidas de éxito y coste y probar el agente con trabajo real. La nueva valoración refleja expectativas de los inversores; las evaluaciones determinarán qué puede hacer el sistema para el cliente.