Ruslan Salakhutdinov dejó Meta para fundar una empresa llamada Sooth Labs.
Salakhutdinov no es un "ex empleado de Meta" común. Se desempeñó como científico jefe de IA en Meta, anteriormente fue profesor en la Universidad Carnegie Mellon y es una figura de peso en el campo del aprendizaje profundo. Los cofundadores Chuck Hoover y Yaser Sheikh también eran investigadores clave de Meta.
La empresa anunció el 22 de abril que completó una ronda de financiación de 50 millones de dólares, con una valoración de 335 millones, liderada por Felicis Ventures.
Dos nombres de inversores merecen atención: Yann LeCun ("padrino del aprendizaje profundo", ganador del Premio Turing) y Jeff Dean (fundador de Google Brain, actual Científico Jefe de Google). El ex CTO de Meta, Andrew Bosworth, actúa como asesor.
Que estos tres nombres aparezcan simultáneamente en la tabla de capitalización de una empresa no es común en la industria de la IA. ¿En qué están apostando?
¿Qué hace Sooth Labs?
En una frase: Ayudar a las empresas a predecir la probabilidad de que ocurran eventos geopolíticos y de mercado específicos.
Esto no es un asistente de diálogo, una herramienta de programación ni una aplicación RAG. Sooth Labs quiere construir un "motor de predicción": proporcionar a las empresas evaluaciones probabilísticas basadas en IA, indicando la probabilidad de que ocurra un evento determinado.
Los escenarios específicos podrían incluir: la probabilidad de un cambio de política en un país, el riesgo regulatorio de un mercado específico, el riesgo de conflicto geopolítico en la cadena de suministro… Antes, estas evaluaciones dependían de la experiencia y la intuición de analistas humanos; ahora se busca utilizar la IA para realizar estimaciones cuantitativas.
Esta dirección tiene su contexto histórico.
¿Por qué ahora?
Los mercados de predicción se han desarrollado rápidamente en los últimos años con el apoyo de la IA. Plataformas como Polymarket y Metaculus ya han demostrado que agregar las creencias de los participantes del mercado puede generar estimaciones de probabilidad más precisas que las predicciones tradicionales.
Sooth Labs quiere ir un paso más allá: no solo agregar creencias humanas, sino entrenar modelos de IA para aprender directamente los patrones de ocurrencia de eventos a partir de enormes volúmenes de datos.
Hay varios desafíos técnicos para este problema:
- Bajo número de muestras de eventos geopolíticos (las guerras a gran escala no ocurren con frecuencia, los datos históricos son limitados)
- Baja comparabilidad entre eventos similares (cada crisis tiene un contexto diferente)
- Dificultad para separar la señal del ruido (los informes de los medios no representan la probabilidad real)
Para ser honesto, si se puede hacer bien sigue siendo un interrogante. Pero los tres fundadores realizaron una gran cantidad de trabajo con datos estructurados y entrenamiento con retroalimentación humana en Meta, experiencias que tienen valor transferible para el modelado predictivo.
¿Qué significa la apuesta de LeCun y Jeff Dean en esta dirección?
LeCun fundó recientemente AMI Labs, centrada en "modelos del mundo": permitir que la IA comprenda realmente el mundo físico tridimensional, no solo procese texto.
Su inversión en Sooth Labs indica que cree que la capacidad de la IA para comprender "eventos" también es una parte importante del modelo del mundo. Los eventos geopolíticos son uno de los patrones más complejos en el mundo humano; predecirlos con precisión significa que el modelo tiene una comprensión profunda de la dinámica de la sociedad humana.
Jeff Dean lideró una gran cantidad de trabajo de predicción y ML de series temporales en Google. Su inversión en Sooth Labs es más como un respaldo de que "esta dirección es técnicamente factible".
Ambos, desde diferentes perspectivas de investigación, apuntan a la misma conclusión: El camino de la IA para predecir eventos complejos es prometedor.
¿Quién pagará?
Valoración de 335 millones de dólares, financiación de 50 millones – en el entorno actual de financiación de IA, esto no es grande.
Pero los clientes potenciales de este segmento son muy claros: departamentos de gestión de riesgos de empresas multinacionales, fondos de cobertura, equipos de actuarios de seguros, agencias gubernamentales. Estos clientes están dispuestos a pagar y tienen capacidad de pago.
En comparación con la IA de consumo dirigida a todos, el segmento de IA predictiva vertical B2B tiene mucha menos competencia, pero el techo también es relativamente claro.
La tesis central que Sooth Labs necesita probar es: ¿Son las estimaciones de probabilidad generadas por IA más precisas, rápidas y económicas que un equipo de analistas humanos?
Si esto se puede demostrar en algunas áreas específicas, este negocio puede funcionar. Si no, 50 millones de dólares son suficientes para que experimenten y se equivoquen durante algunos años.
El respaldo de LeCun y Jeff Dean les ayuda a abrir puertas para la adquisición de datos y negociaciones con clientes institucionales – esto podría ser más valioso que el dinero mismo.
Si este segmento despegará también depende de la competencia del mercado entre los mercados de predicción y los think tanks de políticas. Pero tener la experiencia de investigadores de IA de primer nivel para hacer esto, al menos el punto de partida no es bajo.
Fuente de referencia: CocoLoop, AI Pioneers Back Startup Building Models to Predict Events (Bloomberg, 22 de abril de 2026)