Galtea, una plataforma de evaluación de IA con sede en Barcelona que ayuda a empresas y desarrolladores a enviar agentes de IA confiables en producción, anunció hoy una ronda de financiación inicial de 2,7 millones de euros (3,2 millones de dólares).
La ronda fue liderada por el fondo alemán 42CAP, con la participación de la estadounidense Mozilla Ventures y los inversores anteriores, JME Ventures, Masia y ABAC Nest Ventures. En 2024, Galtea obtuvo casi 750.000 euros (870.000 dólares) en una ronda previa a la semilla y ha recaudado un total de 3,5 millones de euros (4,1 millones de dólares) hasta la fecha.
Jorge Palomar, cofundador y director ejecutivo de Galtea, dijo: “El acceso a datos de prueba suficientes y asequibles está impactando significativamente la velocidad a la que los equipos de IA pueden implementar. Muchos equipos toman atajos o dependen de puntos de referencia genéricos inadecuados para evitar niveles extremos de costo.
“Las pruebas y simulaciones exhaustivas de precisión, rendimiento, comportamiento y seguridad son la única manera en que los desarrolladores pueden saber cómo funcionará su plataforma en un entorno del mundo real. Galtea proporciona a los equipos de desarrolladores de IA generativa infraestructura para superar las barreras a la adopción de la IA e implementar sistemas de manera confiable, escalable y eficiente”.
Fundada por Jorge Palomar y Baybars Külebi, Galtea se escindió del Centro de Supercomputación de Barcelona en 2024. Galtea proporciona a los equipos de IA empresarial escenarios de prueba dinámicos y continuos y métricas personalizadas para evaluar a sus agentes, de modo que los equipos puedan utilizarlas para informar el mejor curso de acción.
Según la empresa, un importante obstáculo en la industria de la IA es la disponibilidad de datos de prueba accesibles y fiables. Afirma que las pruebas de IA cuestan aproximadamente 11.200 millones de euros (13.000 millones de dólares) al año para las empresas de Europa y Estados Unidos.
Galtea tiene como objetivo eliminar esta barrera a la producción ofreciendo escenarios de prueba confiables, eficientes en el tiempo y asequibles. El equipo también anuncia el lanzamiento de un modelo de autoservicio, que incluye acceso a una prueba gratuita de dos semanas.
Enfatiza que, a medida que los agentes de IA se desarrollan y despliegan más rápidamente, los equipos de IA que descuidan las pruebas exhaustivas de precisión, rendimiento, comportamiento y riesgos de seguridad se quedan atrás.
Galtea pretende hacer que las pruebas de IA sean asequibles y eficientes, mejorando el desarrollo de la IA a nivel mundial. “La mayoría de los equipos envían agentes de IA con un puñado de casos de prueba escritos a mano y esperan que nada se interrumpa en la producción. Galtea genera automáticamente cientos de casos de prueba específicos de casos de uso a partir de las especificaciones de su producto y evalúa su agente de IA con respecto a métricas estructuradas, por lo que las pruebas manuales se convierten en la excepción, no en el flujo de trabajo”, mencionó la compañía en su sitio web.
Galtea cuenta con un equipo de 12 personas y entre sus clientes se encuentran Telefónica y ABANCA, además de varias otras startups y empresas. Galtea afirma que sus clientes han informado que han logrado una reducción promedio del 71 % en los costos del proceso de validación de la IA, lo que resulta en un retorno de la inversión estimado 10 veces mayor.
En un caso específico que involucró a una institución T1, un agente de atención al cliente falló 2164 evaluaciones relacionadas con 7 vulnerabilidades críticas. Esta tasa de fracaso fue 12 veces mayor de lo que revelaron las pruebas internas. Se crearon automáticamente más de 6000 escenarios de prueba para el agente a través de Galtea, lo que ahorró aproximadamente 600 horas de esfuerzo manual.
Con la nueva financiación, la empresa pretende ampliar las capacidades comerciales y de ingeniería del equipo y desarrollar su plataforma para generar escenarios de prueba de casos de uso específicos de alta calidad para agentes de IA generativa.