Mercor recauda 750 millones de dólares en una ronda D con una valoración de 20.000 millones para ampliar la formación de IA

Mercor anunció una ronda D de 750 millones de dólares el 10 de noviembre de 2026, lo que valoró a la empresa de formación de IA en 20.000 millones de dólares. La financiación incluyó una oferta de compra de acciones para empleados y la participación de NVIDIA, Salesforce, Zoom y otros inversores.

También participaron Benchmark, Felicis, Fundomo, fondos gestionados por entidades afiliadas a Apollo, G Squared, General Catalyst, Glade Brook Capital, Sapphire Ventures, StepStone Group y XTX Ventures. La financiación acelerará la infraestructura y la investigación para evaluar modelos y realizar su entrenamiento posterior —es decir, formación adicional de un modelo ya existente—, además de respaldar más entornos en los que los agentes puedan aprender flujos de trabajo complejos. En 2026, Mercor también abrió oficinas en Nueva York y Londres, ampliando su presencia más allá de San Francisco para estar más cerca de clientes empresariales y de laboratorios, así como para captar empleados.

Evaluaciones empresariales y formación de expertos

Durante los últimos dos años, Mercor ha construido infraestructura para entrenar y evaluar modelos de vanguardia en tareas del mundo real mediante conocimientos especializados. Ahora está ampliando esas capacidades a las empresas con evaluaciones diseñadas para determinar qué pueden hacer los agentes, cuánto cuestan y cómo puede mejorarse su rendimiento. Sus evaluaciones personalizadas utilizan los flujos de trabajo reales de cada empleador para medir los modelos frente a los requisitos de la empresa e identificar en qué aspectos podría ayudar una formación adicional o la práctica en entornos realistas.

Mercor afirma que su red incluye a más de cinco millones de expertos remunerados por entrenar modelos de IA de vanguardia y que, en Estados Unidos, hay más de 800 ocupaciones distintas con flujos de trabajo en los que aún no se han evaluado modelos. Su estrategia empresarial parte de un modelo abierto competente, desarrolla evaluaciones públicas y recurre al entrenamiento posterior para reducir los costos antes de entrenar modelos para los clientes.

Este enfoque distingue entre saber cómo se realiza una tarea en general y saber cómo la lleva a cabo un empleador concreto con sus propios sistemas, políticas y estándares de calidad. Mercor describe el entrenamiento posterior como un proceso que requiere una fracción de los recursos necesarios en la frontera. Su trabajo con laboratorios de vanguardia y empresas se basa en la misma red de expertos, los mismos métodos de evaluación y la misma infraestructura de entrenamiento posterior, lo que permite que las lecciones de cada ámbito sirvan para orientar el otro.

El papel de Deeptune en el entrenamiento de agentes

A principios de 2026, Mercor adquirió Deeptune, una empresa de entornos de aprendizaje por refuerzo. El anuncio del 9 de julio de 2026 describió la adquisición prevista y los dos años que Deeptune llevaba recreando cientos de aplicaciones empresariales, desde hojas de cálculo hasta Salesforce, para crear entornos de entrenamiento de agentes. Estos entornos permiten que los agentes practiquen flujos de trabajo profesionales.

Cada entorno consta de tres componentes: el software en el que se realiza el trabajo, las tareas que definen lo que debe lograr el agente y los verificadores que determinan si lo consiguió. Los expertos de Mercor crean tareas y verificadores que convierten el criterio humano en señales de aprendizaje. Según el anuncio de julio, su sistema APEX mide el rendimiento de los modelos en tareas de valor económico a través de miles de flujos de trabajo del mundo real, mientras que Deeptune proporciona la capa de software necesaria para convertir esos conocimientos especializados en entornos de entrenamiento.

Gasto interno en IA

Mercor afirma que gasta en inferencia —el procesamiento informático utilizado para ejecutar modelos— tres veces lo que destina a los salarios de sus empleados, y que ese gasto se compensa al mejorar el desempeño de los empleados en sus trabajos.

El cofundador y director ejecutivo Brendan Foody dijo que, si esa proporción se mantiene a medida que la IA se extiende por la economía, apunta a un crecimiento del producto interno bruto más cercano a los dos dígitos durante los próximos cinco años, casi el triple de la tasa que describió como habitual.

La financiación respalda una propuesta empresarial única: crear el entorno, aportar los expertos y medir si un agente está listo. Para Mercor, la prueba práctica consiste en lograr un rendimiento fiable dentro de los propios flujos de trabajo del cliente, donde no basta con conocer las tareas en términos generales.