General Intuition levanta US$ 320 millones y se valora en US$ 2.300 millones con su apuesta por entrenar inteligencia artificial con videojuegos

Qué pasó

La startup estadounidense General Intuition anunció el jueves el cierre de una ronda de financiamiento por US$ 320 millones, alcanzando una valoración de US$ 2.300 millones. La operación eleva el financiamiento total informado de la empresa a US$ 454 millones, tras los US$ 134 millones obtenidos en su lanzamiento en octubre pasado.

La compañía fue escindida de Medal, una plataforma que permite a los jugadores de videojuegos grabar y compartir sus partidas. Los cientos de millones de horas de secuencias almacenadas en Medal proporcionaron el conjunto de datos inicial para entrenar el modelo de razonamiento espacial-temporal de General Intuition, es decir, su capacidad para comprender cómo desplazarse en el espacio y en el tiempo.

Según explicó su cofundador y director ejecutivo, Pim de Witte, de 31 años, el insumo clave no fueron las grabaciones de video en sí, sino las etiquetas de acción contenidas en cada clip: registros precisos de qué botones presionó el jugador y en qué momento. Esa información estructurada permite a los agentes aprender secuencias de comportamiento más allá de lo que puede inferirse únicamente del material audiovisual.

En una demostración en la oficina de Nueva York, la empresa exhibió a un agente jugando cien horas consecutivas de manera autónoma y, en paralelo, a un robot cuadrúpedo cuyo sistema es el mismo modelo entrenado con videojuegos. El analista Josh Duplantis explicó que bastaron ocho minutos de datos de robótica real, recopilados en la vía pública, para ajustar el modelo y permitir al robot desplazarse por la oficina.

Contexto

La apuesta de General Intuition se inscribe en una tendencia creciente dentro de la industria de inteligencia artificial: el uso de entornos virtuales, y en particular de videojuegos, como campo de entrenamiento para agentes autónomos. Empresas como DeepMind, OpenAI y un creciente número de startups han explorado esta vía, aunque con enfoques distintos. Mientras algunos competidores intentan deducir las acciones de los jugadores a partir del video, General Intuition sostiene que la diferencia está en la calidad y granularidad de las etiquetas de acción.

El interés de los inversionistas refleja el auge del segmento de inteligencia artificial embodied, donde los modelos interactúan con el entorno físico mediante robots. La capacidad de transferir el aprendizaje desde simulaciones digitales hacia aplicaciones en el mundo real es uno de los desafíos técnicos más relevantes del momento, con implicancias en sectores como logística, manufactura y defensa.

La operación se suma a una serie de rondas de gran tamaño en el ecosistema de inteligencia artificial durante 2026, en un contexto en que los fondos de venture capital concentran sus apuestas en empresas con capacidad de escalar infraestructura de cómputo y modelos. La compañía no reveló la lista completa de inversionistas.

Impacto para empresas chilenas

Aunque General Intuition opera en el mercado estadounidense, su enfoque tiene relevancia para empresas y emprendimientos chilenos que trabajan en robótica, logística y automatización. La posibilidad de entrenar modelos con datos de menor costo, como secuencias de videojuegos etiquetadas, podría reducir las barreras de entrada para desarrollar soluciones de inteligencia artificial en minería, agricultura de precisión y gestión de operaciones industriales.

En Chile, donde la industria del gaming ha mostrado un crecimiento sostenido, el modelo de Medal y General Intuition abre una reflexión sobre el valor estratégico de los datos generados por comunidades locales de jugadores. Universidades y centros de investigación podrían explorar alianzas para crear repositorios etiquetados en español, facilitando el entrenamiento de modelos adaptados al contexto lingüístico y cultural del país.

Para las pymes chilenas, el avance hacia agentes embodied sugiere que la automatización de tareas físicas, como el desplazamiento autónomo en bodegas, campos o faenas mineras, será cada vez más accesible. La capacidad de ajustar modelos con cantidades reducidas de datos del mundo real podría traducirse en menores costos de implementación.

Qué sigue

En los próximos meses, la compañía enfrentará el desafío de demostrar que su modelo escala a entornos productivos y a clientes comerciales fuera del ámbito experimental. La competencia con actores establecidos y con otras startups que también persiguen la frontera de la inteligencia artificial embodied se intensificará, y el desempeño de los agentes en aplicaciones reales será determinante para sostener la valoración alcanzada.

A nivel sectorial, la operación confirma que el entrenamiento de modelos con datos sintéticos o extraídos de videojuegos seguirá siendo una línea de investigación y de inversión prioritaria en la industria de inteligencia artificial durante 2026 y los años siguientes.