Anthropic, Gamma y Clay: lo que pasa al desplegar IA

Gamma pasó de "peor idea jamás escuchada" a 100 millones de usuarios

Grant Lee todavía recuerda la reacción de un inversor cuando arrancó Gamma en 2020 con Jon Noronha y James Fox: "le dijo que era la peor idea que había escuchado en su vida", según el perfil publicado por The Next Web. Seis años después, esa "peor idea" es una plataforma de comunicación visual con IA que reporta más de 100 millones de personas usuarias, más de US$100M en ARR (ingresos recurrentes anuales) y rentabilidad durante más de 15 meses consecutivos, todo con un equipo cercano a las 50 personas. Según The Next Web, eso equivale a unos US$2 millones en ingresos por empleado, aproximadamente cuatro veces la eficiencia de Salesforce.

La empresa levantó en torno a US$90M en total y cerró a finales de 2025 una Serie B de US$68M liderada por Andreessen Horowitz, con una valoración de US$2.100M (US$2.1B). The Next Web destaca además que Gamma ofreció a sus empleados tempranos un evento de liquidez secundaria por US$20M sin necesidad de un equipo de ventas tradicional durante la mayor parte de su historia.

En marzo de 2026 la compañía lanzó Gamma Imagine, una herramienta de diseño con IA para logos, infografías y posts sociales, junto con Smart Charts y conectores empresariales. La dirección del producto dejó de ser solo una alternativa a PowerPoint para competir, según Lee, contra todo el stack de diseño visual donde hoy manda Canva.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Clay cerró Serie D de US$115M el 9 de septiembre

El 9 de septiembre de 2026, Clay anunció una Serie D de US$115M con valoración de US$7.100M, según el comunicado oficial publicado en el blog de la compañía y replicado por Yahoo Finance. La ronda fue liderada por Wellington, con participación de Sequoia, StepStone, a16z perennial, Meritech, DST, CapitalG, BoxGroup, Boldstart, Bloomberg Beta y Evolution.

Clay reporta más de 17.000 clientes, entre los que se encuentran el 80% del Forbes AI 50 y empresas como Anthropic, Google, OpenAI, Stripe, ElevenLabs, Workday, Siemens y UPS. La compañía asegura haber multiplicado por 4× sus ingresos en 2025 y haber creado un programa de becas de US$1M para formar a la siguiente generación de "GTM engineers" —el perfil que ellos mismos acuñaron para describir a quienes construyen sistemas de ingresos con agentes de IA, del mismo modo en que los ingenieros de software ejecutan agentes de código.

El CEO y cofundador Kareem Amin resume la tesis así: "estamos construyendo un motor de ingresos que aprende solo". Clay ingiere datos de CRM, uso de producto, campañas, llamadas y correos, los cruza con señales externas como rondas de funding o cambios de cargo, y propone workflows que un equipo puede inspeccionar antes de ejecutar.

El panel en Disrupt: la pregunta correcta

La sesión se titula "What Anthropic Sees When Enterprises Actually Deploy Claude" y se celebrará en el AI Stage de TechCrunch Disrupt 2026, del 13 al 15 de octubre en Moscone West, San Francisco. En el escenario estarán Cat de Jong, Head of Applied AI en Anthropic; Grant Lee, cofundador y CEO de Gamma; y Kareem Amin, cofundador y CEO de Clay.

El ángulo que elige TechCrunch para promocionarla no es el típico de "qué se puede hacer con IA", sino el que más cuesta responder a las empresas: qué pasa después del despliegue. La nota original lo plantea con una pregunta que cualquier founder debería tener en la cabeza: "¿qué separa a los pilotos de IA que llegan a producción de los que se quedan en experimentación 18 meses después?"

La participación de Clay no es casual. Según TechCrunch, en enero Clay fue una de las aplicaciones de lanzamiento integradas en Claude cuando Anthropic introdujo herramientas interactivas de workplace dentro de la interfaz del modelo. Esa pieza convierte a Amin en una de las voces mejor posicionadas para contrastar la visión de Anthropic con la realidad del cliente final.

Por qué importa este panel para founders hispanohablantes

El trío cubre los tres ángulos que cualquier startup de IA necesita entender antes de vender a una empresa: el modelo (Anthropic), el producto de consumo que se volvió B2B (Gamma) y la infraestructura de revenue (Clay). Cada uno expone una pieza del rompecabezas que las presentaciones y los benchmarks no suelen tocar.

Para Gamma, la métrica interesante no es solo el ARR, sino el ratio ingresos por empleado. Lee lo describe como un caso de prueba de "leanness habilitada por IA": un equipo de 50 personas sosteniendo 100 millones de usuarios y un negocio rentable es una anomalía que cualquier founder debería mirar de cerca, sobre todo en mercados donde conseguir capital es más caro. En palabras de Lee recogidas por The Next Web: "mantuvimos el equipo lean por mucho tiempo. Eso nos permitió movernos rápido y adaptarnos".

Para Clay, la señal a observar es cómo cambia el embudo cuando el GTM se vuelve programable. La Serie D de US$7.100M de valoración indica que los inversores institucionales ya están apostando a que el growth de las próximas décadas se construirá como software, no como campañas manuales.

Para Anthropic, lo que se discute en Disrupt es la tasa de conversión de piloto a producción, un dato que muy pocos proveedores comparten. Que de Jong sea quien abra la sesión sugiere que Anthropic está dispuesta a mostrar qué patrones se repiten en los despliegues que sí prosperan.

Acciones concretas que puedes tomar esta semana

Audita tus pilotos de IA internos. Si tienes uno en marcha desde hace más de 6 meses sin métricas de uso reales, replantéatelo con la pregunta de de Jong: ¿está resolviendo un problema lo suficientemente grande como para que la gente lo adopte por sí sola, o solo funciona cuando alguien lo empuja?
Mide ingresos por empleado, no solo ARR. Si tu equipo de IA está creciendo más rápido que tus ingresos, estás financiando organigrama, no producto. El ratio de Gamma (cerca de US$2M por empleado, según The Next Web) es un benchmark que merece la pena discutir con tu equipo.
Mira qué hace tu cliente con tu producto, no solo qué dice en encuestas. Lee insiste en que "lo que cambia una vez que la gente empieza a usarlo en formas que no anticipaste" es donde está la verdadera señal. Programa al menos una sesión mensual de revisión de uso real (no de feedback declarado).
Evalúa si tu stack de growth puede orquestarse como workflows. Clay está validando que el GTM del futuro se programa. Si tu proceso de prospección sigue siendo 100% manual, empieza a mapear qué partes podrían convertirse en workflows deterministas con APIs y qué partes conviene dejar a un agente.