Hone, una startup de inteligencia artificial con sede en San Francisco, ha cerrado una ronda semilla de 60 millones de dólares con una valoración de 285 millones, según informaron Bloomberg —citado por RuntimeWire— y FinSMEs entre el 8 y el 9 de octubre de 2026. La ronda estuvo liderada por Benchmark y coliderada por Index Ventures, con participación de Elad Gil, Hanabi, Definition y Diffusion. Es una cifra inusualmente alta para una ronda semilla, incluso en un mercado de IA acostumbrado a grandes cheques en fases tempranas.
La empresa fue fundada por Moritz Stephan, Oliver Brady y Carlo Kobe. Stephan, consejero delegado, fue jefe de gabinete en Cognition, la compañía detrás del agente de programación Devin, y según la web de Hone el equipo procede de Cognition, Mercor y Jane Street. Bloomberg tituló su información destacando que antiguos empleados de OpenAI y Cognition quieren que la IA ayude a dirigir un negocio. Hone se describe como un laboratorio de investigación aplicada centrado en cerrar la brecha entre lo que pueden hacer los modelos y los resultados económicos que generan.
El producto se llama Engines. A diferencia de los chatbots, que responden preguntas, y de los agentes, que completan tareas asignadas, un Engine recibe un resultado de negocio que debe alcanzar —por ejemplo, mejorar la retención de clientes, aumentar la conversión de oportunidades comerciales o reducir pérdidas crediticias— y trabaja de forma continua para lograrlo. La empresa resume la diferencia así: con los chatbots, el usuario pregunta; con los agentes, asigna el trabajo; con los Engines, fija los objetivos y los límites.
Según Hone, cada Engine se incorpora por sí mismo a la organización: se conecta a sus sistemas, conoce a las personas y procesos con los que trabajará y, antes de tocar nada en vivo, se ejecuta sobre el historial de la empresa —incidencias antiguas, operaciones comerciales pasadas, decisiones previas— para que el equipo vea qué habría hecho, lo corrija y decida cuándo está listo. Después de actuar, observa lo ocurrido y aprende del resultado. Los Engines funcionan en Slack, Teams y el correo electrónico.
La plataforma incluye memoria organizativa que almacena preferencias de usuarios y buenas prácticas de la empresa, políticas personalizadas para que las acciones sensibles requieran aprobación previa y un registro de cada acción y permiso para que la ejecución sea auditable. Los Engines escriben las rutinas que manejan su trabajo y las refinan en un repositorio versionado, de modo que el trabajo repetible se convierte en código reutilizable. Los cambios se prueban contra casos pasados en simulación antes de pasar a producción.
Entre los ejemplos que publica la compañía figuran un Engine de conversión de clientes potenciales entrantes, uno de gestión de proveedores que analiza gasto y renegocia contratos, uno de gestión de riesgo crediticio, uno de adopción de producto y otro que sigue los compromisos con clientes desde la preventa hasta la entrega. Cognition y la plataforma de inferencia Modal figuran como primeros clientes, según RuntimeWire, y la web de Hone recoge testimonios de empleados de esas empresas y de Lucanet.
Stephan explicó en el programa TBPN su diagnóstico del mercado. «El retorno de la IA fuera de la ingeniería es hoy bastante decepcionante. Eso es lo que venimos a resolver», dijo. A su juicio, la mayoría de organizaciones usan agentes para delegar tareas sueltas, microgestionar resultados y coser flujos de trabajo que no se traducen claramente en resultados de negocio. La propuesta de Hone es «poner a la IA a cargo de los resultados y aumentar la autonomía».
El primer terreno comercial que describe Stephan es el de los ingresos, en particular la gestión de cuentas: vigilar señales en las relaciones con clientes y actuar de forma automática. Considera que ese tipo de caso de uso es común en sectores como la banca y los seguros. En lugar de construir soluciones a medida para cada cliente, Hone desarrolla plantillas de Engines que puedan desplegarse con poca configuración, y usa el trabajo de ingenieros desplazados con clientes como fuente de aprendizaje para mejorar esas plantillas.
La empresa explora además un modelo de precios por presupuesto: en lugar de cobrar por tarea o por usuario, el cliente asigna un presupuesto fijo y el Engine decide cómo usarlo para alcanzar el resultado, incluidas decisiones sobre cuánto contexto recopilar o cuánto explorar alternativas. Stephan citó a Sierra como referencia de precios basados en resultados, aunque reconoció que la diversidad de casos de uso de Hone dificulta replicar ese modelo de forma directa.
En seguridad y cumplimiento, Hone afirma que no usa los datos de los clientes para entrenar modelos, que la ejecución está aislada, que cifra los datos en tránsito y en reposo y que cuenta con certificación SOC 2. Ofrece alojamiento gestionado en su nube o dentro de la nube privada del cliente, con claves controladas por este. Sobre la estrategia de modelos, Stephan se mostró pragmático: si es probable que los laboratorios de frontera cierren una brecha de capacidad en pocos meses, invertir mucho en entrenamiento propio ahora sería probablemente un error.
La ronda refleja el apetito de los inversores por la siguiente fase de los agentes empresariales. Tras la ola de herramientas de programación asistida, el capital busca empresas capaces de llevar la IA a funciones como ventas, compras, riesgos u operaciones, donde el valor se mide en métricas de negocio. Que Benchmark e Index Ventures, dos de las firmas de capital riesgo más conocidas, lideren una ronda semilla de este tamaño subraya la apuesta.
Las dudas también son evidentes. Como señala RuntimeWire, Hone no ha revelado ingresos, resultados de clientes ni datos de rendimiento independientes. Delegar en un sistema autónomo la responsabilidad sobre métricas como la retención o las pérdidas crediticias exige salvaguardas sólidas, especialmente en un momento en que varios laboratorios han documentado agentes que eluden restricciones para cumplir sus objetivos. Las aprobaciones previas y la auditoría que promete Hone serán decisivas para ganarse la confianza de clientes regulados.
Con 60 millones de dólares en su primera ronda, Hone tiene recursos para contratar investigadores e ingenieros y para probar si su concepto de Engines funciona a escala. Si logra demostrar mejoras medibles en resultados de negocio, podría marcar el paso de los agentes que ejecutan tareas a sistemas que asumen objetivos completos. Si no, será otro ejemplo de las altas expectativas que rodean a la IA empresarial en 2026.
