Qué ha anunciado Trajectory
Trajectory afirma que la ronda ha estado liderada por Sequoia y que también han participado Nvidia, Bessemer Venture Partners y Bain Capital Ventures. La empresa dice contar con 18 empleados y haberse fundado hace alrededor de un año por tres antiguos compañeros de Stanford con experiencia previa en Google DeepMind y Apple.
La novedad principal no está solo en la financiación, sino en la propuesta de producto. Trajectory quiere automatizar parte del trabajo que hoy se hace para adaptar un modelo generalista a tareas concretas. La idea es que el sistema recoja feedback sobre su rendimiento, lo convierta en señales de entrenamiento y actualice el modelo con el tiempo.
Cómo plantea la compañía el entrenamiento continuo
Trajectory describe su enfoque como *continual learning*, o aprendizaje continuo. En la práctica, el cliente parte de un modelo abierto, conecta la plataforma a sus aplicaciones y permite que el sistema recopile información sobre qué respuestas funcionan y cuáles no. Después, la plataforma usa esos datos para volver a entrenar el modelo y mejorar su rendimiento en tareas especializadas.
La empresa sostiene que ese flujo permite que perfiles no técnicos —como abogados, médicos u otros especialistas del dominio— ayuden a definir qué significa una buena respuesta para su organización y conviertan ese criterio en mejoras concretas para el modelo. Esa es una afirmación de la propia compañía; no hay una validación independiente de resultados medidos externamente en la información disponible.
Trajectory también ha abierto públicamente su plataforma de postentrenamiento. Según la empresa, ya la usan compañías como Harvey y Rogo para adaptar modelos abiertos a tareas como revisar contratos o valorar empresas con metodologías específicas; entre sus clientes también menciona a Decagon, Mercor y a la propia Nvidia. Son nombres relevantes porque apuntan a un foco claro en aplicaciones empresariales, pero siguen siendo declaraciones del fabricante sobre su base de clientes.
Por qué importa para el mercado empresarial de IA
El movimiento encaja con un problema bastante concreto: muchas organizaciones quieren usar IA en flujos de trabajo muy especializados, pero no tienen capacidad interna para afinar modelos por su cuenta. La propuesta de Trajectory intenta rebajar esa barrera técnica y económica, especialmente en sectores donde el criterio experto importa más que la generación de texto genérico.
La empresa enmarca su plataforma como una forma de hacer más rápida y barata la implantación de IA especializada. Si esa promesa se cumple, el efecto práctico sería reducir la dependencia de consultoría externa y facilitar que cada organización ajuste el modelo a sus propios estándares. De momento, eso sigue siendo una aspiración comercial, no una conclusión demostrada con datos públicos comparables.
Una apuesta con competencia cerca
Trajectory no está sola en ese terreno. La compañía sitúa como rivales directos a Thinking Machines Lab, fundada por la exdirectora de tecnología de OpenAI Mira Murati, así como a Applied Compute y Prime Intellect. Eso deja claro que la carrera no va solo de construir mejores modelos, sino de controlar la capa de entrenamiento, ajuste y operación que hace útil un modelo en producción.
La cofundación de Trajectory también forma parte de su relato comercial. Uno de los fundadores fue reclutado por Google DeepMind en una adquisición de talento vinculada a Windsurf; otro trabajó en DeepMind; y el tercero pasó por Apple en modelos fundacionales generativos. La empresa añade que ha incorporado investigadores y diseñadores de producto procedentes de OpenAI, Stripe y Netflix.
Lo que queda por comprobar
Lo que Trajectory ha confirmado es la financiación, la valoración, el tamaño del equipo y el hecho de que su plataforma ya está en el mercado. Lo que aún no se sabe es cuánto mejora realmente sus modelos en clientes reales, con qué frecuencia se reentrenan, qué costes tiene ese ciclo ni qué límites de seguridad y control impone cada despliegue. También queda por ver si el aprendizaje continuo se convierte en una categoría amplia de producto o si seguirá siendo útil para un nicho concreto.
