¿Qué es un laboratorio de investigación aplicada?

AfterQuery es un laboratorio de investigación aplicada dedicado a desarrollar soluciones de datos para acelerar el desarrollo de modelos base. Crédito: AfterQuery

Con el respaldo de Altos Ventures y Y Combinator, AfterQuery es un laboratorio de investigación aplicada que codifica los conocimientos humanos en datos para entrenar modelos de IA fiables

Cuando Spencer Mateega y Carlos Georgescu se propusieron crear agentes de IA para el sector financiero, se encontraron con un obstáculo. El problema no era el código, sino los datos.

Al darse cuenta de que los datos genéricos extraídos de la web impedían a los modelos captar los matices del mundo real, ambos comprendieron que una IA más inteligente requería una mayor experiencia, más que una mayor cantidad de texto.

Al fundar AfterQuery en 2025, mientras completaban sus estudios universitarios, Spencer y Carlos cambiaron el enfoque: pasaron de crear aplicaciones para el usuario final a resolver el cuello de botella de datos que afectaba a todo el sector.

El futuro de la IA no se basará en más datos, sino en un mejor razonamiento

: AfterQuery

AfterQuery es un laboratorio de investigación aplicada dedicado a codificar el juicio humano de los expertos en modelos de IA.

A medida que los datos a escala web alcanzan sus límites, el rendimiento de los modelos queda fundamentalmente condicionado por la calidad de los datos de entrenamiento.

Consciente de ello, la organización diseña conjuntos de datos especializados, entornos de aprendizaje por refuerzo y marcos de evaluación que permiten entrenar modelos de IA fiables.

Cómo funciona un laboratorio de investigación aplicada

Las instituciones académicas tradicionales se centran en los avances teóricos, mientras que los proveedores de datos empresariales se limitan a etiquetar texto sencillo. Un laboratorio de investigación aplicada opera directamente en la vanguardia de la implementación.

AfterQuery considera la curación de datos como una disciplina de investigación rigurosa. El laboratorio investiga cómo aprenden los modelos, dónde fallan y cómo la intuición humana se traduce en bucles de retroalimentación algorítmicos.

Al combinar la ingeniería de software con la experiencia en el ámbito específico, AfterQuery crea entornos para que los modelos practiquen el razonamiento. Estos sistemas permiten que la IA aprenda a partir de ciclos de recuperación de errores y cumpla con los estándares profesionales.

El laboratorio diseña su investigación en torno a aplicaciones del mundo real, en lugar de a pruebas abstractas. Este enfoque garantiza que los sistemas de IA funcionen de forma fiable en flujos de trabajo profesionales de alto riesgo.

Spencer Mateega cofundó AfterQuery junto con Carlos Georgescu en 2025. Crédito: Spencer Mateega/LinkedIn

Áreas de investigación que impulsan la calidad de los datos

Para tender un puente entre la fluidez lingüística general y la inteligencia profesional, AfterQuery se centra en cinco pilares principales de investigación. Cada pilar aborda una carencia específica en el desarrollo actual de los modelos.

• Desarrollar entornos informáticos que enseñen a los agentes de IA a desenvolverse en flujos de trabajo de software y casos extremos
• Creación de conjuntos de datos multimodales que combinen el lenguaje con documentos complejos, interfaces y gráficos de ingeniería
• Colaborar con especialistas en seguridad para identificar escenarios adversarios y crear datos de protección
• Diseño de metodologías de curación que garanticen que cada ejemplo refleje el juicio humano de un experto
• Crear criterios de referencia para la evaluación de modelos que midan si los pasos de razonamiento coinciden con los modelos mentales de los expertos.

Productos diseñados para el entrenamiento de modelos

AfterQuery convierte los conocimientos de la investigación en herramientas prácticas de entrenamiento para laboratorios de IA. Su gama de productos se centra en captar los matices humanos, la interacción con las herramientas y la experiencia en el ámbito en todas las etapas del desarrollo de modelos.

El laboratorio crea entornos de aprendizaje por refuerzo (RL) con llamada a herramientas utilizando API reales y servidores del Protocolo de Contexto de Modelos (MCP). Estos entornos de prueba personalizados enseñan a los agentes de software a encadenar acciones, llamar a servicios externos y recuperarse de errores dentro de flujos de trabajo realistas.

Los entornos de uso de ordenador y de navegador combinan interfaces de software de alta fidelidad con trayectorias de demostración de expertos. Los conjuntos de datos de ajuste fino supervisado (SFT) proporcionan pares de indicaciones y respuestas de alta calidad, así como trazas de razonamiento, para establecer las habilidades fundamentales antes de que comience el RL.

El RL basado en rúbricas y verificadores combina criterios elaborados por expertos con verificadores automatizados para calificar los resultados de los modelos. Por su parte, el RLHF capta los matices del gusto humano a través de miles de pares de comparaciones realizadas por expertos.

Para integrar el criterio específico de cada ámbito, las soluciones de investigación profunda recurren a casi 100 000 profesionales verificados de los campos de la medicina, el derecho, las finanzas y la ingeniería. Los análisis sistemáticos de pérdidas identifican modos precisos de fallo de los modelos, mientras que los conjuntos de datos disponibles en el mercado ofrecen acceso inmediato a datos de entrenamiento previamente validados.

Los datos de entrenamiento de AfterQuery incluyen:

• Ajuste fino supervisado (SFT)
• Aprendizaje por refuerzo + rúbricas
• Entornos de agentes (API/MCP)
• Trayectorias de uso de ordenadores

Inversores que respaldan el laboratorio

En 2025, AfterQuery completó una ronda de financiación de serie A de 30 millones de dólares liderada por la firma de inversión de Silicon Valley Altos Ventures. La ronda de financiación valoró la empresa en 300 millones de dólares.

La evolución posterior del mercado en septiembre de 2026 llevó a la empresa a alcanzar una valoración de 3.200 millones de dólares estadounidenses. Este hito convirtió a AfterQuery en la start-up más rápida de la historia de Y Combinator en alcanzar el estatus de «unicornio».

El rápido crecimiento de la valoración refleja una tasa de ingresos recurrentes anuales superior a los 100 millones de dólares estadounidenses. Esta inyección de capital permite a AfterQuery ampliar su infraestructura de investigación y su red de expertos verificados en la materia.

La empresa cuenta con el respaldo de destacadas firmas de capital riesgo del sector tecnológico. El apoyo inicial de Y Combinator proporcionó el impulso fundamental, mientras que la financiación posterior provino de especialistas en capital riesgo como The Raine Group, BoxGroup y Latitude Capital.

También apoyan al laboratorio inversores ángeles individuales procedentes de organizaciones líderes en IA, como Google DeepMind, OpenAI, Anthropic y Meta. Su participación aporta conocimientos técnicos especializados que complementan el respaldo financiero de AfterQuery.

Socios clave

AfterQuery colabora con proveedores de hardware, plataformas de IA e instituciones de investigación académica para mejorar las capacidades de los modelos. Entre ellos se incluyen:

• NVIDIA: esta empresa de software empresarial y computación acelerada por GPU utiliza los conjuntos de datos de AfterQuery para facilitar el entrenamiento de modelos de vanguardia.
• Legora: una plataforma de IA jurídica que colabora con AfterQuery para elaborar evaluaciones jurídicas destinadas a tareas de investigación y diligencia debida.
• Thinking Machines Lab: un colectivo de investigación que colabora en la evaluación de modelos avanzados y en metodologías de datos.
• Laboratorios de investigación académica: instituciones de investigación, entre las que se incluyen la Universidad de California en Berkeley, el Laboratorio de IA de Stanford y el Instituto Allen para la IA, que colaboran en pruebas comparativas con conjuntos de datos abiertos.