A medida que las empresas estadounidenses refuerzan su control sobre el gasto desbocado en IA, una startup de apenas ocho meses de existencia apuesta a que se puede ganar una fortuna ayudando a las empresas a hacer más con menos tokens. Engram, que se describe a sí mismo como la "memoria aprendida" de la IA, anunció el 23 de junio de 2026 que había recaudado 98 millones de dólares de una lista destacada de inversores.
La ronda contó con el respaldo de General Catalyst, Kleiner Perkins y Sequoia, así como del cofundador de OpenAI Andrej Karpathy, quien recientemente se unió al laboratorio rival Anthropic. La financiación indica que el capital de riesgo de primer nivel todavía ve espacio para un nuevo actor en un campo cada vez más poblado, siempre que pueda resolver un problema que los nombres más importantes de la industria no han hecho: el costo creciente de ejecutar modelos de IA. Para más contexto sobre esta historia, consulta nuestra novedades de IA.
El problema de los costos Objetivos del engrama
Los modelos de IA nuevos y más sofisticados están resultando más caros que las generaciones que los precedieron, desafiando la suposición alguna vez dominante de que una mayor escala inevitablemente reduciría los costos. Las empresas que adoptaron con entusiasmo las herramientas de inteligencia artificial ahora se enfrentan a la factura, y algunos desarrolladores están frenando su uso a medida que el consumo de tokens ejerce presión sobre los presupuestos.
El argumento de Engram es que sus modelos pueden recordar flujos de trabajo y contextos específicos de la organización para anticipar preguntas y ofrecer respuestas más inteligentes a una fracción del costo. La compañía afirma que sus modelos pueden igualar o superar a los laboratorios de vanguardia utilizando hasta 100 veces menos tokens, la moneda computacional que determina cuánto cuesta ejecutar cada consulta de IA.
Leigh Marie Braswell, socia de Kleiner Perkins, planteó la oportunidad sin rodeos. "Tenemos esta explosión de datos, explosión de costos", dijo, según CNBC. "Engram entra y básicamente traza un mapa de su organización y ofrece resultados mucho más baratos".
Tracción temprana con grandes nombres
A pesar de haber sido fundada hace menos de un año, la empresa de 13 personas ya ha creado una lista de clientes que sería la envidia de rivales mucho más grandes. Entre sus clientes se incluyen Microsoft, Notion y Harvey, la startup legal de IA. Esa adopción temprana por parte de las empresas (y de otra empresa de inteligencia artificial en Harvey) sugiere que la tecnología de Engram no se está utilizando como una novedad sino como infraestructura central para cargas de trabajo reales.
La startup toma su nombre de la neurociencia, donde un "engrama" se refiere al rastro físico que deja un recuerdo en el cerebro. La metáfora es acertada: la tecnología de Engram está diseñada para brindar a los sistemas de inteligencia artificial una memoria duradera del conocimiento específico de una organización, de modo que no tengan que volver a aprender el contexto desde cero en cada interacción.
Un fundador obsesionado con la memoria
El cofundador y director ejecutivo de Engram, Dan Biderman, tiene una conexión personal con el problema que su empresa está resolviendo. Según CNBC, el interés de Biderman por la memoria comenzó cuando era niño, cuando intentó ayudar a su abuela, que había perdido la memoria, a recordar pequeños datos sobre él y sus hermanos. Esa fascinación de toda la vida por cómo funciona la memoria sustenta ahora el enfoque técnico de la empresa para hacer que la IA sea más barata y más consciente del contexto.
Biderman también es una figura reconocible en la comunidad de investigación de IA, conocido por su trabajo para comprender y mejorar modelos de lenguaje grandes. Esa credibilidad técnica probablemente haya ayudado a Engram a atraer tanto a inversores de élite como a clientes empresariales exigentes en sus primeros meses de funcionamiento.
Lo que compra el dinero
Engram dijo que planea utilizar los nuevos fondos para apoyar la computación y el talento, los dos recursos que definen la capacidad de una startup para entrenar, perfeccionar y servir modelos de IA. Para una empresa que afirma obtener ganancias dramáticas en eficiencia, la necesidad de computación sustancial resalta que construir mejores sistemas de memoria aún requiere una inversión seria en ingeniería e infraestructura.
La ronda también refleja una tendencia más amplia en la financiación de riesgo de IA: los inversores se sienten cada vez más atraídos por empresas que hacen que las implementaciones de IA existentes sean más baratas o más efectivas, en lugar de apostar exclusivamente por otro modelo básico. Las empresas emergentes centradas en la eficiencia de la inferencia, la memoria y la optimización de costos están llamando la atención precisamente porque la era del gasto ilimitado en IA parece estar llegando a su fin.
El panorama competitivo
Engram ingresa a un mercado donde la definición de "memoria de IA" aún está en disputa. Algunas empresas atacan el problema de los costos mediante un mejor enrutamiento de modelos, enviando consultas sencillas a modelos baratos y reservando los costosos para tareas difíciles. Otros comprimen el contexto utilizando técnicas de recuperación o almacenamiento en caché especializado. El enfoque de Engram (construir modelos de memoria dedicados que aprenden los patrones de una organización) representa una clara apuesta de que recordar el contexto de manera eficiente es en sí mismo una categoría de producto.
Queda por ver si la audaz afirmación de la compañía de igualar el rendimiento de la frontera a una centésima parte del costo del token se mantiene bajo escrutinio. Pero con Microsoft y otras empresas importantes ya a bordo, y con inversores como Karpathy (cuya carrera abarca tanto la fundación de OpenAI como un paso por Tesla) poniendo su capital detrás, Engram se ha establecido rápidamente como una startup a seguir en la carrera de la economía de la IA.
---
Mantente al Día con la IALas últimas noticias, análisis y avances de inteligencia artificial, en un solo lugar.
Leer más noticias de IA →
