Labelbox recauda más de 100 millones de dólares en una Serie E con una valoración de 1.250 millones para impulsar el aprendizaje por refuerzo y los agentes de IA

Labelbox anunció el 14 de octubre de 2026 que había recaudado más de 100 millones de dólares en una ronda de financiación Serie E, con una valoración pre-money de 1.250 millones de dólares. La ronda, liderada por Infinitum Partners, combina capital con una línea de crédito.

Wipro Ventures, Andreessen Horowitz (a16z), B Capital, Tau Ventures y Snowpoint Ventures también participaron, entre otros. El director ejecutivo y cofundador Manu Sharma detalló las condiciones en una publicación en el blog de la empresa, y la compañía señaló que la financiación respaldará la investigación y la ingeniería continuas en torno a sus dos productos principales, Horizon y Recursion Managed Agents, así como la ampliación de los equipos que acercan esos productos a los clientes. Sharma escribió que el acceso a la capacidad de cómputo será fundamental en la próxima etapa de la empresa y señaló que John Yetimoglu, de Infinitum, fue uno de los primeros inversores en Groq y ahora participa en la creación de infraestructura de cómputo a gran escala en GroqCloud.

Posición e historia de la empresa

Labelbox afirmó que alcanzó la rentabilidad en 2026 mientras multiplicaba por más de cinco su crecimiento interanual. La empresa declara tener más de 400 clientes, entre ellos más del 90 % de los principales laboratorios de IA de Estados Unidos, y señala que su cartera abarca laboratorios de IA de vanguardia, proveedores de servicios en la nube a hiperescala, empresas emergentes y compañías de Fortune 500.

Sharma, Brian y Dan fundaron Labelbox en 2018. En una nota de los fundadores, Sharma escribió que se trasladó a Estados Unidos para aprender a diseñar y construir aviones y cohetes, y que trabajó en dinámica de fluidos computacional y redes neuronales. También contó que sus posteriores puestos en DroneDeploy y Planet Labs le mostraron cuánto potencial del aprendizaje automático residía en los datos.

La publicación describe la historia de la empresa en tres etapas: software de datos de entrenamiento para quienes desarrollan IA; entornos de aprendizaje por refuerzo creados después de lo que Sharma denomina el momento ChatGPT, cuando los modelos más capaces empezaron a mejorar practicando tareas reales; y agentes, que la empresa desarrolló primero para uso propio antes de abrir el sistema a los clientes.

Sharma también escribió que Labelbox desarrolla por sí misma cada capa de su plataforma: una estructura de ejecución de agentes diseñada para agentes con horizontes de muy larga duración, infraestructura de entornos aislados que ejecuta millones de máquinas virtuales, su propia infraestructura de posentrenamiento mediante aprendizaje por refuerzo y una red de expertos de más de 4 millones de personas.

Entornos de aprendizaje por refuerzo de Horizon

Según la empresa, el sistema WorldSim de Horizon crea empresas simuladas con código, paneles, hojas de cálculo, presentaciones y documentos que contienen datos empresariales realistas. En ellas, un modelo intenta completar de principio a fin una tarea difícil de varios pasos, mientras cada paso se registra como una trayectoria. Los verificadores deterministas califican cada trayectoria de la misma manera en todas las ejecuciones y, cuando dos trayectorias son correctas, la preferencia de un experto enseña al modelo lo que Sharma denomina criterio. La empresa afirma operar a una escala de miles de mundos y millones de trayectorias calificadas, ajustadas a los objetivos pass@k de un laboratorio en ámbitos como la programación, el uso de computadoras, la investigación, las tareas multimodales y las tareas de voz.

La página del producto Horizon enumera ámbitos que incluyen la investigación autónoma en IA, la programación con agentes y la ingeniería de software, el trabajo con conocimiento multimodal, la voz con uso de herramientas por agentes, el uso de computadoras y la ciberseguridad. Sharma escribió que Labelbox trabaja ahora con el 90 % de los principales laboratorios de IA de vanguardia y proveedores de servicios en la nube a hiperescala.

Recursion Managed Agents

El anuncio de financiación indica que Labelbox puso Recursion Managed Agents a disposición de clientes empresariales a principios de octubre de 2026. Según el diseño del producto, un agente gestionado recibe un objetivo, un activador —como una programación, una alerta, un mensaje de Slack, un webhook o una llamada a una API— y una rúbrica que define cómo es un trabajo bien hecho. Un agente evaluador independiente califica cada ejecución, punto por punto, según la rúbrica y señala las pruebas que respaldan cada evaluación; si el trabajo no cumple los criterios, el agente lo revisa.

Los agentes pueden operar en tres modos: multiagente, en el que un coordinador encadena especialistas que cuentan cada uno con su propio modelo, instrucciones, herramientas y permisos; equipo, en el que varias copias de un agente se reparten el trabajo en un tablero compartido y verifican los resultados de las demás; y automático, el modo predeterminado, en el que el agente decide por sí mismo cuándo una tarea requiere especialistas o un equipo.

La empresa afirma que los agentes funcionan con más de 100 aplicaciones empresariales y con cualquier servidor MCP. Cada herramienta tiene permisos definidos como de solo lectura, con capacidad para modificar datos o destructivos, y las credenciales se guardan en una bóveda para que el modelo nunca pueda verlas. Las sesiones se ejecutan en entornos aislados, y Labelbox afirma que la plataforma opera sin retener datos en ningún proveedor de modelos de lenguaje de gran tamaño (LLM). Su programa de cumplimiento normativo incluye SOC 2 Type II, GDPR, CCPA, NIST 800-171 y PCI DSS. El precio se fija por hora de sesión de agente, con los gastos de cómputo y de modelos combinados en una sola estimación, y los clientes empresariales actuales de Labelbox reciben un crédito único de 100 dólares.

Al describir el despliegue interno de la empresa en una publicación sobre el lanzamiento del producto fechada el 8 de octubre de 2026, Labelbox escribió: «La sorpresa no fue que los agentes pudieran hacer el trabajo. Fue la rapidez con que mejoraron». La empresa afirma que utiliza 51 agentes en 11 equipos, en áreas que abarcan ingeniería de software, confiabilidad, seguridad, investigación en aprendizaje automático, evaluación, producto, finanzas, ventas, estrategia y compras.

En un ejemplo interno, Labelbox afirmó que su agente de revisión de solicitudes de incorporación de cambios realizó 39 revisiones evaluadas con una sola versión del agente y un solo modelo, y que, de las 33 revisiones que superaron la evaluación, el costo mediano bajó de 13,15 $ en las primeras 11 revisiones a 8,90 $ en las últimas 11, un 32 % menos por revisión, mientras que la memoria del agente se actualizó 15 veces y el tiempo por revisión se mantuvo en unos 27 minutos. Según el funcionamiento de la memoria del producto, cuando existen cinco nuevos informes de sesión y, como máximo, una vez por hora, un agente curador los lee y actualiza la memoria del agente; los clientes pueden consultar lo que ha aprendido un agente y eliminar cualquier lección que ya no sea válida.