Los costes de los tokens están desbocados: cada agente de IA consume miles de ellos, y las empresas buscan desesperadamente una arquitectura que recuerde sin tener que reentrenar modelos desde cero cada vez. La startup estadounidense Engram, fundada por investigadores israelíes que salieron del laboratorio de Stanford, acaba de levantar 98 millones de dólares con una plantilla de 13 personas. Su propuesta —separar la memoria del razonamiento— reduce el gasto en IA entre 10 y 100 veces. La lección para cualquier founder es brutal: la eficiencia no es un coste, es tu mejor activo para crear valor.
El dolor de cabeza de los tokens: por qué el coste de la IA se ha convertido en una emergencia
Hasta hace un año, la industria de la inteligencia artificial pagaba lo que hiciera falta por tokens. Los modelos generativos prometían maravillas y los presupuestos parecían no tener techo. Pero a principios de 2026, con la llegada de capacidades como las de Claude y otros sistemas, el consumo de tokens se disparó y las facturas empezaron a doler de verdad. Los agentes de IA consume una cantidad de tokens desproporcionada para tareas que, en teoría, deberían resolverse con memoria, no con cálculo bruto.
El verdadero problema no es solo el dinero, sino la ineficiencia: los modelos actuales «recuerdan» almacenando datos fuera y recuperándolos cada vez, lo que multiplica la computación. Encima, si quieres que un modelo aprenda algo nuevo, suele olvidar lo anterior; eso se conoce como olvido catastrófico y obliga a costosos reentrenamientos completos. Engram ataca justo ese punto.
La arquitectura que separa el cerebro y la memoria y la ronda que la respalda
Engram ha desarrollado una arquitectura que separa la capa de «razonamiento e inferencia» de la capa de «memoria». Así, los modelos empresariales y personales pueden adaptarse en tiempo real a las preferencias del usuario, al historial de la conversación o a los nuevos datos que entran, sin olvidar nada y sin necesidad de reentrenar desde cero. Las empresas que lo implantan ahorran cantidades ingentes de tiempo y dinero, según explica su CEO, el doctor Dan Biderman.
La propuesta ha convencido a los pesos pesados del venture capital. La ronda de 98 millones de dólares ha sido liderada por Kleiner Perkins, Sequoia y General Catalyst, y ha valorado la compañía en 600 millones de dólares. A ellos se suman una constelación de inversores israelíes de primer nivel: Assaf Rappaport (fundador de Wiz), Merav Bahat y Tomer Schwartz (Dazz), Ofir Ehrlich (Eon), Roi Tiger (Glow), Ilan Twig (Navan), además de Andrej Karpathy, cofounder de OpenAI, y Pieter Abbeel, pionero de la robótica en Berkeley. El respaldo es atronador.
Lo que más sorprende es que todo este músculo financiero se apoya sobre una plantilla de solo 13 personas. «En la era tecnológica actual, las empresas ya no necesitan plantillas masivas», declaró Biderman. «El talento que buscamos es extremadamente escaso. Nuestro equipo fundador está formado por perfiles que rechazaron ofertas de Anthropic y de Google Gemini para asumir un riesgo calculado». Entre ellos está la doctora Natalie Biderman, investigadora de la memoria en Stanford, esposa del CEO y primera empleada.
Cuando los costes de token pasan de anecdóticos a críticos, una arquitectura que reduce el gasto 100 veces no es un lujo, es la única salida.
Engram ya ha firmado contratos con algunas de las mayores empresas del mercado y mantiene alianzas estratégicas con Microsoft y Notion. La startup, que nació en octubre de 2025 directamente del laboratorio de IA de Stanford, está generando ingresos significativos mientras acelera su despliegue.
📦 Caso de estudio: Engram
- El reto: Los agentes de IA consumen tokens a mansalva y los modelos no aprenden en tiempo real sin olvidar lo ya adquirido.
- La jugada: Separar la memoria del razonamiento para que los modelos se adapten al contexto sin reentrenamientos costosos.
- El resultado: 98 millones de dólares de ronda a una valoración de 600 millones, contratos con grandes empresas y un equipo de 13 personas que rechazó ofertas de las mejores tecnológicas.
- La lección: La densidad de talento y una arquitectura que ataca un problema de costes real puede valer tanto como una legión de ingenieros.
Eficiencia extrema: ¿realidad o espejismo para las startups de IA?
El caso de Engram no es el primero, pero sí uno de los más llamativos. Midjourney, por ejemplo, llegó a facturar cientos de millones con menos de 50 empleados. La diferencia aquí es que Engram vende infraestructura a otras empresas, no contenido creativo. Si la tecnología cumple lo que promete —reducir los costes operativos de IA entre 10 y 100 veces—, la valoración de 600 millones de dólares podría incluso quedarse corta.
Ahora bien, también conviene recordar que las valoraciones astronómicas con equipos mínimos generan escepticismo. Los múltiplos de ingresos todavía no son públicos y la rentabilidad a escala no está probada. Engram está en la fase de cerrar contratos y demostrar que su arquitectura de memoria no solo ahorra dinero sino que se integra sin fricción en los entornos de producción de los clientes. La ejecución lo es todo.
Para un fundador español o latinoamericano, la enseñanza no es «contrata a 13 personas y busca una valoración de unicornio», sino obsesionarse con un punto de dolor muy concreto y medible. Biderman no montó una IA generativa más; identificó que el coste de token se iba a disparar antes de que el mercado lo viera y construyó la pieza de infraestructura que nadie más ofrecía. Esa precisión en el problema, combinada con la capacidad de atraer al 0,1% del talento mundial, es lo que dispara el valor.
🚀 Hoja de Ruta para Emprender
- Ataca un coste real: No montes una IA porque esté de moda; encuentra el punto exacto donde las empresas pierden dinero y ofrece una reducción cuantificable.
- Contrata como si no pudieras ampliar plantilla: El talento raro vale más que diez perfiles estándar. Engram convenció a ingenieros que habían dicho “no” a Google y Anthropic.
- Valida el dolor antes de levantar capital: La ronda de 98 millones llega cuando ya hay contratos con gigantes como Microsoft. El producto se vendió antes de que los fondos pusieran el dinero.
- Separa la memoria del razonamiento en tu estrategia: No todo es golpe de suerte; una arquitectura bien pensada (técnica o de negocio) protege tu ventaja competitiva y te hace difícil de copiar.
