Google y la firma de capital riesgo Accel han seleccionado cinco startups indias de inteligencia artificial para su nuevo programa conjunto Atoms, dejando fuera a miles de propuestas consideradas superficiales. De las más de 4.000 solicitudes recibidas, alrededor del 70% fueron catalogadas como simples “wrappers”: proyectos que solo añadían chatbots u otras funciones de IA sobre software ya existente, sin replantear a fondo los procesos de trabajo. Muchas otras candidaturas rechazadas se concentraban en ámbitos saturados como la automatización del marketing y las herramientas de reclutamiento basadas en IA, donde los inversores detectan poca diferenciación.
El programa Atoms, anunciado en noviembre, está orientado a startups en fases tempranas que construyen productos de IA vinculados a India. Cada una de las cinco seleccionadas puede recibir hasta 2 millones de dólares de Accel y del AI Futures Fund de Google, además de hasta 350.000 dólares en créditos de computación en la nube y de IA. La mayoría de aplicaciones reflejó el enfoque empresarial del ecosistema indio: un 62% se centró en herramientas de productividad y un 13% en software de desarrollo y código, mientras que ideas en salud y educación fueron minoría.
Las cinco startups elegidas se alinean, según Jonathan Silber, cofundador y director del AI Futures Fund de Google, con los ámbitos donde la compañía prevé una adopción real y profunda de la IA: K-Dense desarrolla un “co-científico” de IA para acelerar la investigación en ciencias de la vida y química; Dodge.ai crea agentes autónomos para sistemas ERP empresariales; Persistence Labs trabaja en voz e IA aplicada a centros de llamadas; Zingroll construye una plataforma para películas y series generadas por IA; y Level Plane aplica IA a la automatización industrial en sectores como el automovilístico y aeroespacial.
El programa no obliga a usar exclusivamente modelos de Google: muchas startups combinan varios modelos según el flujo de trabajo. A cambio del apoyo financiero y técnico, Google busca recibir retroalimentación directa sobre el rendimiento de sus modelos en casos de uso reales. Esos datos se compartirán con los equipos de Google DeepMind para mejorar las próximas generaciones de modelos, creando un “ciclo de retroalimentación” entre la experimentación de las startups y el desarrollo de IA. Si una empresa prefiere modelos alternativos, reconoce Silber, es una señal de que Google aún debe mejorar para tener la mejor opción del mercado.


