Una ronda liderada por Sequoia
Trajectory confirmó que la operación ha estado liderada por Sequoia y que en ella también han participado Nvidia, Bessemer Venture Partners y Bain Capital Ventures. La empresa cuenta con 18 empleados y fue fundada hace aproximadamente un año por tres excompañeros de Stanford con experiencia en Google DeepMind y Apple.
La compañía no se presenta como un laboratorio de modelos de base, sino como una capa de software para adaptar modelos ya existentes a tareas de empresa. En su planteamiento, ese trabajo pasa por el postentrenamiento y por un enfoque de aprendizaje continuo.
Qué problema dice resolver
Trajectory sostiene que los modelos generalistas no aprenden de sus errores por sí solos una vez desplegados y que muchas organizaciones que los usan en áreas como derecho o finanzas necesitan que mejoren con los datos de su propio trabajo. Hoy, ese ajuste suele requerir equipos internos de investigación o consultores especializados, y la empresa dice que quiere automatizar parte de ese proceso.
Según el anuncio, la plataforma permite empezar con un modelo abierto, conectarlo a las aplicaciones de la empresa y recopilar feedback sobre su rendimiento. Después, la propia plataforma usa esa información para reentrenar el modelo y mejorar su desempeño en tareas específicas con el tiempo.
Eso sí, lo que Trajectory presenta es un sistema para facilitar y acelerar el ajuste de modelos en entornos empresariales. En esta información no aparecen comparativas independientes, métricas de rendimiento ni resultados auditados por terceros.
Quién lo está usando ya
Trajectory afirma que clientes como Harvey y Rogo ya usan su plataforma para postentrenar modelos abiertos con el objetivo de que se comporten más como abogados o analistas financieros experimentados, aprendiendo de tareas previas como revisar contratos o valorar empresas con una metodología concreta. La empresa añade que otros clientes incluyen Decagon, Mercor y Nvidia, y que su plataforma de postentrenamiento pasa ahora a estar disponible de forma pública.
Ese cambio amplía el alcance de la propuesta: la empresa deja de hablar solo de clientes concretos y abre la plataforma a más usuarios. Para organizaciones con conocimiento del dominio pero sin un equipo grande de IA, la idea es que puedan definir qué significa “hacerlo bien” dentro de su contexto y convertir ese criterio en mejoras del modelo.
El argumento de seguridad de la compañía
Trajectory también intenta diferenciarse por el modo en que plantea la automatización. Uno de sus cofundadores sostiene que su enfoque comparte rasgos con la idea de mejora recursiva de los sistemas de IA, pero con una diferencia importante: los humanos siguen interviniendo en el proceso de entrenamiento. La compañía presenta ese control humano como una capa de seguridad frente a una auto-mejora autónoma que podría producir resultados no deseados o peligrosos.
En la práctica, esto sitúa a la startup en un nicho concreto: herramientas para ajustar modelos con más rapidez y menos dependencia de especialistas muy técnicos, pero sin vender una autonomía total del sistema. Ese equilibrio puede resultar útil para empresas que quieren aprovechar modelos abiertos sin montar una infraestructura de entrenamiento propia.
Lo que significa para el mercado
La operación llega en un momento en el que varias empresas compiten por simplificar el postentrenamiento y la personalización de modelos. Trajectory menciona entre esas rivales a Thinking Machines Lab, la plataforma Tinker, Applied Compute y Prime Intellect. La lectura de fondo es que el valor ya no está solo en crear modelos más grandes, sino en hacer más barato y más manejable adaptarlos a contextos profesionales concretos.
La propia composición del equipo también forma parte del mensaje comercial. La empresa dice que ha contratado perfiles de OpenAI, Stripe y Netflix, y que su ventaja pasa por el diseño de la interfaz, con una experiencia pensada para usuarios no técnicos. Si esa promesa se cumple, el principal cambio no estaría en el modelo base, sino en quién puede operarlo y con qué fricción.
Por ahora, lo confirmado es la financiación, la valoración y la apertura pública de la plataforma. Queda por ver hasta qué punto esa interfaz reduce de verdad la barrera de entrada y cuánto del trabajo sigue requiriendo criterio técnico por detrás.
