Señales de IA

Native (YC F26) lanza la intuición artificial. Es una plataforma de marketing autónoma basada en Norn, un modelo de intuición artificial diseñado para predecir qué ideas de marketing conectarán con el público antes de crear el contenido. Clasifica las ideas utilizando el contexto de marca, el rendimiento, las tendencias y la opinión humana. El MVP de Norn ya está disponible dentro de Native y lo utilizan más de 2.000 empresas. Los fundadores Benjamin Bekken, Hakon Grasberg y Tron Hauga han pasado años creando contenido y desarrollando el software que lo hace posible. Native reúne esas experiencias. Ben viene de YouTube y del trabajo en agencias, con 15 años de experiencia en contenido y marketing. Trond creó una agencia de marketing y fundó un festival de música. Håkon desarrolló modelos de aprendizaje automático para imágenes y aporta la experiencia en IA e ingeniería. Entienden que saber qué crear se vuelve más valioso a medida que crear resulta más barato. La API de Norn está en desarrollo. Apúntate a la lista de espera: https://native.no/norn ¡Enhorabuena por el lanzamiento, Ben, Trond y Håkon! 🚀 https://lnkd.in/gHSCkiNE

¡El fundador de JEV acaba de compartir una joya! Diogo Almeida, cofundador y CEO de TypeSafe (la empresa detrás de Jev), escribió unas notas de diseño sobre cómo construiría un agente de programación en torno a Jev. También es coautor del artículo de InstructGPT de OpenAI. Las notas se recopilaron en un PDF de estudio titulado «Jev Engineering for Coding Agents». Es una recopilación independiente, no una publicación oficial de TypeSafe. Primero, qué es Jev: → Un modelo «System One» que no escribe texto → Le das una situación y un conjunto de opciones, y devuelve respuestas tipadas con probabilidades → Choice elige 1 de hasta 255 opciones, Score evalúa algo según una rúbrica y Noul da una probabilidad de sí/no → $0,042 por millón de tokens de entrada, y la salida es gratis → Las propias pruebas de TypeSafe afirman que es hasta 193x más rápido y 444x más barato que los LLM de vanguardia. Todavía no hay un benchmark independiente Las notas empiezan con una pregunta: ¿cómo diseñarías un agente de programación si los LLM no tuvieran caché KV? La respuesta: dejar de tratar al agente como una única transcripción larga. Mantener el estado en bloques tipados y dejar que Jev tome las pequeñas decisiones en cada turno: → Qué bloques de contexto mostrar y cuánto de cada uno → Si reutilizar la caché → Qué modelo recibe la tarea → Qué herramienta encaja → Si se permite ejecutar un comando Después, los modelos de vanguardia, las herramientas y el código convencional hacen el trabajo real. 3 ideas que merece la pena tomar prestadas, aunque nunca uses Jev: → Enrutar a un modelo más barato puede salir más caro. En el ejemplo de las notas, quedarse en Opus cuesta 4,15 unidades frente a 6,19 al pasar a Sonnet y volver, porque se relee el contexto → Mostrar las herramientas por niveles: resúmenes de una línea para cientos de herramientas y esquemas completos solo para las pocas que elijas → Cargar las reglas de AGENTS.md solo cuando sean pertinentes, como las reglas de estilo de front-end solo al trabajar en la interfaz Los LLM escriben. Jev decide. El código actúa. PDF completo: https://lnkd.in/ecrY6but ¿Qué decisión de tu agente delegarías primero en un modelo como Jev? 🤔

Las empresas de software para la industria manufacturera captaron USD $𝟮𝟱𝟴M en septiembre de 𝟮𝟬𝟮𝟲. Estas son las 8 rondas que seguí el mes pasado 👇 Ingeniería y datos 1. CADDi 🇯🇵: $114M en Serie D con una valoración de $1,2B. Plataforma de datos con IA que organiza los planos, el ERP y los datos de calidad de un fabricante para que los agentes de IA puedan trabajar con ellos. Fundada por Yushiro Kato y Aki Kobashi. Respaldada por Coreline Ventures, Salesforce Ventures, Woven Capital, HR Tech 100 Fund, Atomico, Globis Capital Partners y JPS growth. 2. Flow engineering 🇺🇸: $50M en Serie B con una valoración de $750M. Agentes de IA que comprueban los resultados de CAD, simulación y pruebas frente a los requisitos de los equipos de hardware. Fundada por Pari Singh. Ronda liderada por Valor Equity Partners y Atreides Ventures, con Sequoia Capital y EQT. Elaboración de presupuestos y ventas 3. CloudNC 🇬🇧: $20M. IA que programa máquinas CNC y que ahora se está ampliando a la elaboración de presupuestos para talleres de mecanizado. Fundada por Theo Saville y Chris Emery. Ronda liderada por Nimble Ventures, con Calculus Venture Capital, Entrepreneur First y LM Ventures. 4. Atira 🇩🇪: $17,5M entre presemilla y semilla. Agentes de IA que redactan presupuestos y ofertas industriales. Fundada por Florian Diegruber y August DuMont Schütte. Rondas lideradas por Accel, con UVC Partners, Fortino Capital y BOOOM, además de inversores ángeles de Whirlpool y Celonis. Compras 5. Magentic 🇬🇧: $18M en Serie A. Agentes de IA que gestionan las compras de los fabricantes, desde la selección de proveedores hasta las facturas. Fundada por Robin Van Aeken y Odhran O'Donoghue. Ronda liderada por Felicis, con Sequoia Capital y The Westly Group. 6. Axya 🇨🇦: $12M en Serie A, incluida deuda de riesgo. Plataforma de compras con IA para fabricantes con operaciones complejas como GE Aerospace. Fundada por Félix Bélisle-Dockrill. Ronda liderada por McRock Capital, con Yamaha Motor Ventures, BDC y Real Ventures. Planta de producción 7. IPercept 🇸🇪: $16,5M en Serie A. Un dispositivo que se conecta a la máquina, junto con IA que predice los fallos de las máquinas CNC antes de que ocurran. Fundada por Karoly Szipka y Andreas Archenti. Ronda liderada por Isogon Ventures y 2150, con Luminar Ventures Luminar Ventures, RunwayFBU, J12 Ventures y AI.Fund. 8. Harmoni 🇺🇸: $10M en Serie A. Orquestación de fábricas y un asistente de IA para trabajadores que usan máquinas antiguas. Fundada por David Caputo y Adam Ellis. Ronda liderada por Bessemer Venture Partners. Los inversores apuestan por que los agentes de IA asuman las tareas administrativas de la industria: compras, presupuestos y comprobaciones. Solo 2 de las 8, CloudNC y Harmoni, están diseñadas para el propio taller de fabricación por encargo. Las demás venden principalmente a OEM y grandes plantas. ¿Quién más está desarrollando software para la industria manufacturera? Etiquétalos abajo.

🚀 OPORTUNIDAD | Ingeniero/a de IA / GenAI 🌍 Únete a un entorno internacional e innovador con proyectos de inteligencia artificial generativa. 🎯 Perfil buscado: • 5+ años de experiencia en IA / desarrollo de software • Experiencia especializada en GenAI, RAG y AI Agents • Dominio de Python, LangChain, LangGraph, MCP, A2A • Experiencia con Azure, Kubernetes/OpenShift y CI/CD • Conocimientos de MLFlow, Langfuse, Guardrails y bases de datos vectoriales • API REST, microservicios y pruebas automatizadas • Francés e inglés fluidos 🇫🇷🇬🇧 📩 ¿Te interesa? Envía tu CV a: Recrutement@black-box.ma #Hiring #AIEngineer #GenAI #RAG #AIAgents #LangChain #Azure #ArtificialIntelligence

Deja de usar tu portátil / Mac mini / VPS. Presentamos http:// instabox.sh, ordenadores en la nube para agentes de IA: - 4 vCPU, 8 GB de RAM, listos en <1s - Control del ordenador integrado - Snapshots para clonar fácilmente - Archivos, paquetes y configuración persistentes - URL públicas para puertos locales. Hoy lanzamos un programa beta solo por invitación. El acceso anticipado incluye 20 vCPU y 40GB de RAM gratis. Si quieres probarlo, comenta o envíame un mensaje privado.

Anthropic paga $750.000+ al año a ingenieros capaces de construir arquitecturas de LLM desde cero. Esta clase de Stanford de 2 horas te muestra exactamente el pipeline por el que los ingenieros de LLM cobran $750K/año. Datos + arquitectura + leyes de escalado + postentrenamiento. Guárdala y mírala hoy.

pasé de «voy a reemplazar hermes y grok bot solo para mí» a no solo reemplazarlos.. sino también reemplazar nuestro chat familiar y crear probablemente el mejor agente de productividad personal rm -rf hermes grok-bot les presento a Pip :)

GPT-6 se está volviendo más crítico con las afirmaciones de los artículos de listas y las páginas comparativas. ⚠️ Desde que GPT-6 pasó a ser el modelo predeterminado de ChatGPT el 7 de octubre, hemos seguido cómo trata los artículos de listas y las páginas comparativas. 👉 ChatGPT advierte cada vez más a los usuarios sobre las fuentes que cita. Analizamos casi 3 millones de chats que citan un artículo de listas o una página comparativa y encontramos dos tendencias interesantes: 🔍 1. ChatGPT cuestiona los rankings y las comparaciones ChatGPT señala con mayor frecuencia cuando los rankings o las recomendaciones no se han verificado de forma independiente. Por ejemplo: «Este no es un ranking verificado de forma independiente. La mayoría de los resultados proceden de las propias agencias». O: «Esta comparación se basa en información proporcionada por los proveedores, no en pruebas independientes». 📈 Estas advertencias pasaron del 0,56% al 3,46% de los chats. Es una frecuencia aproximadamente 6 veces mayor. 🏷️ 2. ChatGPT cuestiona las afirmaciones de los proveedores ChatGPT también se está volviendo más crítico con las cifras de rendimiento y los casos de éxito publicados por las propias empresas. Por ejemplo: «Estas cifras de precisión proceden del proveedor y no se han verificado de forma independiente». A veces ChatGPT incluso señala el interés comercial que hay detrás de una fuente: «Estos casos de estudio fueron publicados por la propia empresa, que tiene interés en promocionar sus productos». 📈 Estas advertencias pasaron del 1,01% al 2,27% de los chats. Más del doble. Ambos tipos de advertencia aumentaron bruscamente en los dos días posteriores al cambio a GPT-6 y se han mantenido en niveles similares desde entonces. 💡 ¿Qué significa esto para las marcas? Aparecer en artículos de listas sigue ayudando a que ChatGPT te cite. Pero ser citado no significa automáticamente ser considerado fiable. Si una empresa publica sus propios rankings, afirma ser la mejor o utiliza sus propias cifras de rendimiento como prueba, ahora es más probable que ChatGPT lo señale. 👉 Que ChatGPT te mencione es una cosa. Que te considere creíble es otra. Las reseñas independientes, los benchmarks de terceros y los datos verificables están cobrando más importancia.

🚀¡Hola, Linkedin! Mi equipo busca un AI Engineer (Python, PyTorch, ML). 📍 En remoto | 3–5 años de experiencia | 💰 Hasta 50 LPA CTC Qué harás: -> Realizar ajuste fino y posentrenamiento de LLM con técnicas como SFT, RLHF y aprendizaje por refuerzo con recompensas verificables, y medir sistemáticamente su rendimiento. -> Diseñar y crear pruebas de referencia y entornos de evaluación para comportamiento agéntico, seguridad de los modelos y fiabilidad. -> Crear y mantener infraestructura para generar, ejecutar y verificar tareas en entornos de aprendizaje por refuerzo. -> Desarrollar entornos con Docker, sistemas de calificación, flujos de ejecución de trayectorias e infraestructura de evaluación. -> Escalar el volumen de tareas y evaluaciones de cientos a miles de ejecuciones por semana, manteniendo la calidad de los datos y de la evaluación. -> Establecer estándares de ingeniería, revisar código y orientar a ingenieros y colaboradores. -> Colaborar directamente con laboratorios de IA de frontera y clientes para comprender los requisitos técnicos y ofrecer soluciones listas para producción. -> Mejorar la fiabilidad, reproducibilidad y escalabilidad de los flujos de entrenamiento y evaluación de modelos. Enlace para solicitarlo: https://lnkd.in/gSHRCzVP ¿Conoces a alguien que encaje? Etiquétalo abajo. #Hiring #EngineeringJobs #AIEngineer #TechJobs #IndiaTech #Startups

Caveman (YC F26) ha superado hoy a @supabase en estrellas de GitHub. Ah, ¿y ahora entrenamos modelos? trim-1: un modelo de 1,2 MB que lee un documento largo y conserva solo las líneas que tu agente necesita. Cada línea conservada, palabra por palabra. Sin GPU, unos 7 ms para 5.000 tokens en un solo núcleo de CPU. Más ligero, más ágil, más potente. Pronto habrá más.

Estoy buscando un Manager of Applied AI Architecture para el equipo de Startups de Anthropic, con sede en San Francisco o NYC. Liderarías un equipo de Applied AI Architects que ayudan a fundadores a crear productos nativos de IA sobre Claude, desde el primer prototipo hasta el crecimiento exponencial. Crearías las estructuras que permitan al equipo trabajar a escala, impulsarías el crecimiento y desarrollo de las personas, llevarías personalmente algunas cuentas estratégicas —análisis de necesidades técnicas, evaluaciones y arquitecturas de agentes— y trasladarías lo que aprendemos de las startups a nuestros equipos de Producto, Ingeniería e Investigación. Podrías encajar si: • has dirigido un equipo de arquitectos de soluciones, ingenieros de ventas o ingenieros desplegados junto al cliente • has desarrollado personalmente sobre una API de LLM • te encanta trabajar con fundadores técnicos al ritmo de una startup Una petición: si me envías una solicitud de contacto o un mensaje privado, incluye una breve nota sobre algo que hayas construido y un equipo que hayas dirigido. Recibo muchas solicitudes y las que no incluyen una nota normalmente no llegan a verse. Solicita el puesto aquí: https://lnkd.in/gf8Yf_U4

🚀 OPENAI CONTRATA DATA SCIENTISTS: ¡SALARIOS DE HASTA $515K! Si trabajas en Data Science, IA, Machine Learning, analítica de producto o experimentación, estas oportunidades merecen tu atención. OpenAI tiene varias vacantes interesantes en Estados Unidos publicadas en su web de empleo, con importantes paquetes de remuneración. 🔥 7 OPORTUNIDADES EN OPENAI: 1️⃣ Data Scientist, Product 💰 $230K–$385K | San Francisco / Seattle 🔗 https://lnkd.in/g_N8EBA2 2️⃣ Data Scientist, Platform & B2B Products 💰 $230K–$385K | San Francisco 🔗 https://lnkd.in/gWfveKTs 3️⃣ Data Scientist, Infrastructure 💰 $230K–$385K | San Francisco 🔗 https://lnkd.in/gkSEGF-h 4️⃣ Data Scientist, Core Experimentation 💰 $293K–$325K | Bellevue, WA 🔗 https://lnkd.in/g_3ZnaaA 5️⃣ Data Scientist, B2B Strategy & Intelligence 💰 $347K–$510K | San Francisco 🔗 https://lnkd.in/g4y4iCpt 6️⃣ Machine Learning Data Scientist, Forecasting 💰 $340K–$500K | San Francisco 🔗 https://lnkd.in/g-s4W7FZ 7️⃣ Data Scientist, SMB Ads Growth 💰 $293K–$515K | San Francisco 🔗 https://lnkd.in/gmWbnpJY 💡 Un poco de orientación profesional: No necesitas necesariamente construir el próximo modelo fundacional de IA para trabajar en una empresa de IA. La experimentación, SQL, Python, la inferencia causal, la previsión, la analítica de producto y la inteligencia de negocio son competencias valiosas en el sector de la IA. En Clarity Foundry creo que las personas con talento merecen conocer mejor las oportunidades que pueden transformar sus carreras. Si estás explorando tu próximo paso en IA o Data Science, no dudes en conectar conmigo o escribirme. Siempre me alegra intercambiar ideas, hablar sobre el rumbo profesional y ayudar a personas con talento a establecer contactos valiosos. 📌 Guarda esta publicación. 🔁 Compártela para ayudar a alguien de tu red. 💬 Etiqueta a un Data Scientist que deba conocer estas oportunidades. Las cifras salariales son rangos anunciados de salario base anual, no ofertas garantizadas. Confirma la disponibilidad y remuneración actuales en cada anuncio de empleo. #OpenAI #DataScience #AIJobs #MachineLearning #Hiring #TechCareers #CareerDevelopment #ClarityFoundry

Un nuevo framework para mantener el contexto de tu agente de IA siempre actualizado y preciso. La mayoría de los agentes de IA siguen dependiendo de la indexación por lotes: ingieres los documentos una vez, generas embeddings y esperas que nada importante cambie. Pero el conocimiento empresarial cambia constantemente: documentos, bases de código, PDF, tickets, etc. CocoIndex está diseñado para resolverlo. En vez de procesarlo todo de nuevo, solo recalcula lo que ha cambiado. Si cambia un archivo, solo se actualizan los fragmentos, embeddings o transformaciones posteriores afectados. Target = F(Source). Declaras en Python cómo debe ser tu resultado de destino y CocoIndex lo mantiene sincronizado de forma permanente. Es como React, pero para ingeniería de datos y pipelines de IA. Su motor incremental es muy bueno rastreando la procedencia y almacenando en caché con gran granularidad. Así, si cambian los datos de origen o incluso el código de transformación, solo se recalculan las partes afectadas. ¡Eso importa cuando los embeddings y las llamadas a LLM empiezan a resultar caros! También admite desde el principio flujos prácticos de IA: indexación de bases de código, pipelines de PDF a RAG, extracción de grafos de conocimiento a partir de conversaciones, resúmenes de varios repositorios e ingesta continua en bases de datos vectoriales u otras bases de datos. Muy útil si estás construyendo agentes de IA para tareas de largo recorrido, buscadores empresariales o sistemas de recuperación en los que el contexto obsoleto acaba convirtiéndose silenciosamente en el mayor cuello de botella. ♻️ Compártelo con quien esté desarrollando agentes de IA o sistemas RAG :) Comparto tutoriales sobre cómo crear y mejorar aplicaciones y agentes de IA en mi newsletter 𝑨𝑰 𝑨𝒈𝒆𝒏𝒕 𝑬𝒏𝒈𝒊𝒏𝒆𝒆𝒓𝒊𝒏𝒈: https://lnkd.in/gaJTcZBR ¡Gran trabajo de Linghua Jin y su equipo! #AI #RAG #AIAgents

La demanda de las empresas ha sido una LOCURA. Presentamos las regiones en @opencomputerHQ https:// docs.opencomputer.dev/agents/regions

Presentamos Open-Spaces. El exdirector de producto de Slack acaba de recaudar $34M para Scuba, un espacio de trabajo compartido con IA para equipos. Estoy publicando una versión de código abierto que puedes ejecutar por tu cuenta. Incluye: - Edición con IA en el propio texto + generación de imágenes - Sin lista de espera Repo -> https:// github.com/Anil-matcha/op en-spaces …

Buscamos un ML Research Scientist para incorporarse a nuestro equipo de Inference ML en Cerebras. Si te interesa llevar más lejos la velocidad y eficiencia de la inferencia de IA mediante nuevos algoritmos y métodos de aprendizaje automático en áreas como decodificación especulativa, poda y compresión de modelos y atención dispersa, no dudes en enviarme un mensaje privado o solicitar el puesto a través del siguiente enlace. https://lnkd.in/grAxhVzF

🚨 ÚLTIMA HORA: Ramp acaba de lanzar Glass, un espacio de trabajo con IA para cada empleado. Este no es el movimiento de una «empresa fintech». Ramp afirma que su entorno de ejecución de IA, Glass, ha hecho más rápido a cada empleado, y que lo realmente especial es que «hace más inteligente a toda la empresa». La gente me pregunta por qué digo que el fintech ha muerto. Porque las empresas que lideran la próxima generación tienen que competir por ser las mejores empresas, punto. Eso se ve en los productos que lanzan. Ramp pasó de ahorrarte costes de IA. A enrutar tu IA. Y después a proporcionar el propio entorno de ejecución. El CEO Eric Glyman dice que Glass ha sido uno de sus secretos para avanzar tan deprisa como empresa. Y eso se ve en todos los productos que están sacando. --- - El 16 de julio, Ramp lanzó AI Token Spend Management. Un único panel para el gasto en tokens de Anthropic, OpenAI, Gemini y Cursor, con límites y alertas. - El 19 de agosto lanzó Router.com. Una API que envía cada solicitud al modelo más barato que cumpla tu umbral de calidad. - Hoy lanzó Glass, con acceso anticipado abierto. El espacio de trabajo donde tu equipo trabaja con IA. Cada uno empezó como una herramienta que Ramp creó para sí misma. Router gestionó el tráfico de IA de Ramp durante tres años. El 99,5% de la plantilla de Ramp usa Glass y, en una semana de mayo, Ramp gastó $1,5M en tokens. --- Qué incluye Glass: - Un espacio de trabajo preconfigurado desde el primer día, con sesión iniciada en Slack, Notion y herramientas internas mediante SSO. - Un mercado de 350+ skills. Un flujo de trabajo que funciona una vez se guarda y todo el mundo lo reutiliza. - Memoria entre sesiones y automatizaciones programadas que publican resultados en Slack. Es una experiencia radicalmente distinta a la de los agentes de Slack que tienen la mayoría de las empresas. Hacer bien la memoria para un empleado es difícil; hacerlo para toda la empresa es increíblemente difícil. Las empresas construyen herramientas para sí mismas y luego las venden. Los productos que lanzan las mejores empresas financieras van más allá de las propias finanzas. Y lo mismo ocurre con la lista de sus competidores.

De «Oye Siri» a «¿En qué puedo ayudarte?» ¡El futuro del diálogo con agentes ya está aquí con PolyAI! https://lnkd.in/eR6f5VTH

A menudo me preguntan si merece la pena hacer fine-tuning de los LLM. Nuestra experiencia es que, en general, sí cuando necesitas evaluaciones precisas combinadas con la flexibilidad de utilizar evidencias amplias y heterogéneas. Pensemos en las decisiones de riesgo en Stripe. Los LLM son prometedores en este ámbito porque entienden cómo funcionan las empresas reales y pueden razonar sobre pagos, texto y series temporales serializados en un único registro. Sin embargo, tal como vienen, son predictores de palabras, no están diseñados para el análisis estadístico riguroso que requieren nuestras decisiones de riesgo. En una cohorte de comercios sometidos a revisión de fraude, el prompting zero-shot obtuvo una precisión de 0,49 con la misma exhaustividad que la revisión humana; el prompting guiado por conocimiento del dominio, 0,71; y los revisores humanos, 0,79. Así que ajustamos un modelo de pesos abiertos de 4B parámetros con etiquetas de revisión y extrajimos una puntuación continua de fraude directamente de las probabilidades de sus tokens sí/no. La precisión media aumentó un 24% frente al prompting guiado por conocimiento del dominio, y el modelo superó a los revisores humanos con la misma exhaustividad. Para quienes tengan curiosidad por el mecanismo, las sondas lineales sugieren que una causa importante de la mejora fue que el ajuste facilitó la decodificación de las señales de negocios *legítimos*. Artículo completo en https://lnkd.in/gY5PQFmq

Sin pull requests ni revisiones de código. Hacemos push a main. Nuestros agentes leen los registros de producción, supervisan los despliegues, habilitan feature flags y comprueban su propio trabajo de principio a fin. Así es como lo hacemos:

Una de las partes más difíciles de probar un agente de IA es reproducir la situación exacta en la que algo salió mal. Las entradas pueden ser las mismas, pero el agente puede seguir un camino distinto cada vez. Por eso Veval tiene una función de reproducción. Puedes tomar una ejecución real de un agente y reproducirla como prueba, para evaluar repetidamente el mismo escenario frente a los cambios que hagas en tu agente. Es especialmente útil para la lógica de negocio cuando quieres saber: «¿Este caso concreto seguía funcionando después de que cambiara algo?». No hace falta recrear el escenario manualmente cada vez. Basta con reproducirlo y comparar los resultados.

Anunciamos nuestra ronda de Serie A de $10M para automatizar la creación de vídeos en todas las empresas. Más de 1.000 organizaciones de todo el mundo, como Atlassian, GitLab, Zendesk, Gainsight, Legrand y Samsara, usan Clueso para automatizar vídeos de marketing, éxito del cliente, formación, capacitación, gestión del cambio y mucho más. La producción de vídeo tradicional es lenta, cara y difícil de escalar. Incluso con herramientas de vídeo con IA, los equipos siguen teniendo que escribir los prompts, editar y actualizar cada vídeo manualmente. Una plataforma de vídeo empresarial tiene que resolver mucho más que eso: - Escala: los agentes deben identificar, planificar y crear cientos de vídeos de forma autónoma, sin esperar prompts ni aportaciones humanas. - Velocidad y calidad de producción: los vídeos empresariales necesitan grabaciones de pantalla reales y gráficos en movimiento, no solo imágenes generadas por IA. Esto requiere agentes de navegador que naveguen por productos reales y herramientas de edición basadas en IA. - Contexto: la plataforma debe comprender los productos, clientes, procesos y marca de una empresa integrándose con los sistemas donde reside ese contexto. - Mantenimiento: en la era de la IA, los productos y procesos cambian constantemente. La plataforma debe detectar estos cambios y actualizar automáticamente los vídeos antiguos. Clueso está construyendo la capa de agentes que hace posible todo esto. Más del 𝟴𝟬% de esta financiación procede de inversores existentes que refuerzan su apuesta. Gracias a Dharana Capital, Y Combinator y f7 Ventures por volver a apoyarnos. ¡Y una cálida bienvenida a nuestros nuevos inversores: Neotribe Ventures y Founders Future! Nada de esto sería posible sin nuestro increíble equipo. Prajwal, Neel, mis dos mejores amigos y cofundadores. Formamos un trío increíble y me encanta trabajar con vosotros cada día. Y a todo el equipo de Clueso: la ambición, energía y responsabilidad que aportáis cada día me motivan a seguir esforzándome. Un enorme agradecimiento a todos nuestros primeros clientes. Habéis dado forma a nuestro producto desde sus primeros días hasta lo que es hoy. Nuestro producto avanza en una dirección increíblemente emocionante. El ritmo de desarrollo de la IA en los últimos 6 meses no tiene precedentes, y estamos perfectamente posicionados para llevar esa potencia a los flujos de creación de contenido de las grandes empresas. Si te gustaría unirte a un equipo de rápido crecimiento que está construyendo el futuro de este sector, ponte en contacto. Estamos contratando para varios puestos y nos encantaría saber de ti. Seguimos adelante 🚀 Más información sobre la ronda y nuestro futuro en los enlaces de prensa de los comentarios.

¡Me hace muchísima ilusión anunciar por fin que sainaptic ha captado £1m en una ronda de financiación reciente! ¡Y nos asociamos con Skilltech Solutions! 🚀 La ronda fue coliderada por Cornerstone VC y Ufi Ventures, con participación de Elm Venture Partners, Brighteye Ventures e inversores ángeles. Agradecemos vuestra confianza y orientación. Gracias por apoyarnos. 🙏 ¿Por qué ahora 🧐? Las entidades que conceden titulaciones y los proveedores de formación están cada vez más presionados para trabajar más rápido, dar antes sus comentarios a los alumnos y mantener unos estándares uniformes a escala. Al mismo tiempo, el sector quiere adoptar la IA de forma responsable, sin apartar a los evaluadores cualificados de las decisiones críticas. Precisamente para eso hemos desarrollado nuestra solución: una IA que refuerza 💪 la experiencia de los evaluadores y nunca la sustituye. Los resultados hasta ahora: ⚡ Tiempo de corrección reducido de 45 minutos a 8 segundos en algunas titulaciones 🎯 Menos del 1% de desviación respecto a los evaluadores expertos ✅ Un 97% menos de segundas correcciones en una de nuestras entidades colaboradoras que conceden titulaciones Con esta financiación nos expandimos hacia el aseguramiento de la calidad, la analítica y la evaluación personalizada, al tiempo que ampliamos nuestro increíble equipo. 🤝🤝 Y, junto a Skilltech Solutions, llevaremos la evaluación de portfolios asistida por IA a algunas de las mayores organizaciones de evaluación de formación en alternancia del Reino Unido a partir de Q1 2027. 🔜 ¡Pronto habrá más novedades, así que estad atentos! 🔜 ¡Muchísimas gracias a Tech Funding News por la cobertura exclusiva de esta mañana! Sofia C. Akansha Dimri No hemos hecho más que empezar. Si trabajas en entidades que conceden titulaciones, evaluación de formación en alternancia, certificación o formación, ¡hablemos! 👋

🔍 Nuestros requisitos: buscamos auténticos ingenieros de IA. 🚀 9 oportunidades en Data e IA: ¡buscamos perfiles capaces de escalar soluciones! Actualmente acompaño a un gran grupo en 9 contrataciones estratégicas de Data Science, GenAI y Agentic AI, con excelentes perspectivas para quienes quieran trabajar en proyectos ambiciosos de IA. 🎯 Perfiles buscados 🔹 4 Senior Data Scientists especializados en GenAI y Agentic AI 🔹 2 Senior Data Scientists especializados en Machine Learning y GenAI 🔹 2 ingenieros especializados en Agentic AI para diseñar y desarrollar arquitecturas de agentes de IA 🔹 1 Senior Data Scientist especializado en GenAI y Machine Learning El cliente tiene un nivel de exigencia alto. El objetivo no es encadenar POC, sino construir soluciones robustas, desplegadas en producción y que generen valor. ✅ Producción primero: es imprescindible tener experiencia real llevando soluciones a producción. No se considerarán perfiles que solo hayan realizado POC. ✅ Visión de principio a fin: capacidad para intervenir en todo el ciclo de vida de un producto de IA, desde el diseño y el despliegue hasta el seguimiento en producción. ✅ Stack técnico moderno: AWS Bedrock AgentCore, LangGraph, Langfuse, MCP, GraphRAG y arquitecturas multiagente. ✅ Cultura de producto y negocio: excelente comunicación, autonomía y capacidad para colaborar con equipos multidisciplinares. ✅ Inglés profesional obligatorio. 📍 Ubicación: únicamente Île-de-France ⚡ Disponibilidad: lo antes posible 💰 Tarifa diaria de compra: de 650 a 700 € / día 🧠 En resumen Buscamos perfiles que sepan hacer mucho más que desarrollar un modelo: ingenieros capaces de transformar una ambición de IA en un producto concreto, preparado para operar a escala y utilizado en la práctica. ¿Estás abierto a nuevas oportunidades o conoces a alguien que cumpla estos criterios? 📩 Contacta conmigo por mensaje privado con tu CV, disponibilidad y tarifa diaria. #Recrutement #DataScience #GenAI #AgenticAI #MachineLearning #IntelligenceArtificielle #DataJobs