Prentis, un nuevo laboratorio de investigación en inteligencia artificial cofundado por Ritankar Das, Reid Hoffman y Mark Pincus, está en conversaciones para recaudar $100 millones con una valoración de $1,000 millones, según informó TechCrunch el 24 de julio de 2026. La empresa, lanzada en abril, desarrolla modelos que aprenden cómo los empleados de oficina navegan por documentos y sistemas para crear agentes capaces de controlar una computadora y ejecutar tareas rutinarias. (source)
La apuesta es llevar la automatización más allá de la programación. Estos agentes buscan encargarse de procesos que hoy obligan a una persona a revisar varios sistemas y localizar documentos. Entre los ejemplos mencionados están la gestión de reclamaciones de seguros y la resolución de excepciones en devoluciones de aranceles aduaneros. Para quienes realizan este tipo de trabajo, el beneficio potencial es recuperar tiempo para tareas que requieren criterio y reducir el desgaste de los trámites repetitivos.
La startup afirma que ya tiene tracción comercial. Según TechCrunch, Prentis ha firmado contratos por hasta $50 millones con varios clientes, entre ellos una organización de gestión de servicios de salud, un fabricante y empresas de bienes y prendas de vestir. Materiales de la compañía también proyectan un run rate anualizado estimado de $75 millones para el tercer trimestre de 2026. Esa cifra representa un valor anualizado calculado a partir de honorarios contractuales equivalentes al 20 por ciento de los ahorros obtenidos. No es ingreso reconocido y depende de la ejecución final de los contratos.
El equipo ya supera las 25 personas. En su sitio web, Prentis menciona investigadores con experiencia previa en OpenAI, Google DeepMind, Meta, Tencent y Alibaba. Das también dirige Titan, una compañía que construye y opera empresas de inteligencia artificial.
Hive-32B es el modelo con el que Prentis quiere diferenciarse. La empresa lo presenta como una alternativa más pequeña y económica para tareas de uso de computadora. También afirma que lo evaluó en WindowsAgentArena, una prueba de finalización de tareas en aplicaciones reales de Windows, y ScreenSpot-v2, que mide si un modelo identifica el control correcto en pantalla. TechCrunch no verificó de forma independiente esos resultados, por lo que todavía no permiten concluir que Hive-32B sea superior a otros modelos en condiciones generales.
La promesa de costos necesita una lectura cuidadosa. Prentis sostiene que su enfoque puede ser más barato que recurrir a modelos de vanguardia mediante APIs. Sin embargo, la comparación depende de factores como la tarea evaluada, el volumen de uso, la infraestructura, la latencia, los errores y los reintentos. Antes de tomar la cifra como una ventaja comprobada, conviene exigir la metodología completa.
La competencia ya se está intensificando. Anthropic y OpenAI trabajan en agentes capaces de usar computadoras, y Thinking Machines Lab también desarrolla tecnología en esta categoría, según una de las fuentes citadas por TechCrunch. La oportunidad es grande, pero el resultado dependerá de que estos sistemas puedan completar procesos de varios pasos con suficiente precisión y supervisión.
Qué significa para tu trabajo. Si tu empresa procesa reclamaciones, documentos, devoluciones aduaneras u otros trámites que exigen saltar entre distintos sistemas, la evolución de estos agentes merece seguimiento. La decisión práctica no es automatizar por moda, sino probar una tarea concreta, medir errores y comparar el costo real con el tiempo que hoy consume el equipo. Si Hive-32B cumple lo que Prentis promete, este tipo de automatización podría liberar horas para labores de mayor valor sin convertir cada flujo de oficina en un proyecto de programación. Más sobre el tema: La movilidad agrícola inteligente llega a México: decida cuándo automatizar su campo.
