Borda, el ingeniero de 24 años que da memoria a la IA

De Aida a Rowspace: cómo se construye la memoria institucional de una empresa

Armando Borda tiene 24 años, nació en Argentina, se crio en Chile y se graduó en Stanford con un pregrado en Ingeniería Eléctrica y una maestría en Ciencias de la Computación con especialización en IA. Hoy es ingeniero en Rowspace, una startup de San Francisco respaldada por Sequoia, y define su trabajo con una frase simple: crear agentes de inteligencia artificial que hagan trabajo real dentro de las empresas.

Para un founder hispanohablante, lo valioso no es el currículum sino la tesis que Borda repite después de pasar por dos startups distintas de Silicon Valley: el cuello de botella de la IA empresarial no está en el modelo, sino en lo que lo rodea. Los modelos ya son capaces, dice, pero la información que reciben llega fragmentada y buena parte del conocimiento clave vive en la cabeza de los empleados, sin estar escrito en ningún sistema.

¿Qué construyó Borda en Aida con los gemelos digitales?

Aida, una startup de Palo Alto, se integra a correos, reuniones, Slack y CRMs como Salesforce o HubSpot, y organiza ese material en un Context Graph: una memoria conectada de cada oportunidad comercial.

Sobre esa base, Borda creó agentes que analizan cientos de llamadas, monitorean cada cuenta e investigan miles de correos por semana para generar reportes de inteligencia dirigidos al CEO, a los gerentes y a los vendedores, con los próximos pasos a seguir.

De ahí surge el gemelo digital: una representación de cada trabajador que entiende su historial y su forma de operar. El caso que Borda recuerda con más claridad es el de un gerente que retomó la relación con un cliente que había sido atendido por un ejecutivo que ya no estaba en la empresa. El sistema recuperó toda la negociación, cada objeción y la razón por la que la venta no había avanzado. Sin esa memoria, el gerente reconoció que nunca habría podido retomar la conversación como si él mismo la hubiera tenido.

Rowspace: la misma lógica aplicada a los mercados privados

En Rowspace el desafío aparece a otra escala. Los clientes son firmas de private equity, crédito y fondos que operan entre mercados públicos y privados, y su información está repartida en memos de inversión, estados de cuenta de fondos y reportes de cumplimiento.

Los agentes leen todas esas fuentes, conectan los datos de cada compañía o fondo y corrigen errores para armar una vista unificada. Dos características importan a cualquier equipo que maneje datos sensibles: cada número se puede rastrear hasta su origen y cada persona ve solo lo que le corresponde.

Con esa base, los equipos de inversión comparan el caso de inversión original de cada compañía con sus resultados reales, o detectan cuándo la carta trimestral de un fondo a sus inversionistas contradice sus propios números. Los usuarios incluso están creando sus propias aplicaciones conversando con un agente, con la confianza de que trabajan sobre datos correctos.

Qué está pasando alrededor: Sequoia y la infraestructura para agentes

Rowspace no es una apuesta aislada del fondo que la respalda. Según un reporte de TechCrunch publicado por Yahoo Finance, Sequoia co-lideró junto a SMBC Fin Atlas Beyond Fund una Serie A de US$25 millones en Cymphony, una startup con base en Nueva York y Tel Aviv valorada en más de US$100 millones después de la inversión. Su producto es un workforce graph: una vista única de empleados, agentes de IA y otras identidades no humanas, para que los equipos de seguridad sepan quién accede a qué.

El dato que revela la magnitud del problema es el que reporta el mismo medio: en una empresa pública de Estados Unidos, Cymphony encontró alrededor de 85.000 archivos que habían quedado accesibles a herramientas y agentes de IA. No es solo que la información esté dispersa. También está expuesta de formas que las empresas no tienen mapeadas.

¿Qué significa esto para tu startup?

Si la memoria de tu empresa está repartida entre un CRM a medio llenar, hilos de WhatsApp, notas sueltas y la cabeza de dos o tres personas clave, ningún agente va a rendir por más que el modelo sea bueno. Estas son las acciones que se desprenden de la experiencia de Borda:

• Haz un inventario de dónde vive tu conocimiento antes de contratar otra herramienta de IA. Lista los sistemas donde tu equipo ya deja registro (CRM, correo, gestor de tareas) y qué información no está en ninguno. Ese segundo grupo es el que bloquea la automatización.
• Empieza por un caso de uso acotado y medible. Los reportes de cuenta y los resúmenes de pipeline semanales —como los que Borda construyó en Aida— son un buen punto de partida porque tienen una fuente clara de datos y un resultado que puedes evaluar en semanas, no en años.
• Exige trazabilidad y permisos desde el primer día. Si un agente va a calcular o resumir, cada número tiene que poder rastrearse hasta su origen, y cada persona debe ver únicamente lo que le corresponde. En equipos de finanzas, legal o inversión, esto no es una función premium: es la condición para usarlo.
• Define por escrito qué no puede hacer un agente sin un humano. Borda es explícito en este punto: enviar correos a clientes clave o tomar decisiones con impacto financiero sigue requiriendo supervisión. La conversación difícil y la confianza que se construye en meses siguen siendo trabajo de personas.

El talento hispanohablante en la frontera de la IA

El perfil de Borda dice bastante sobre dónde se está moviendo el trabajo de frontera. Nació en Argentina, se crio en Chile, estudió en Stanford y hoy diseña agentes para firmas de inversión en San Francisco. Su ventaja competitiva no fue solo el título: fue entender el problema real del cliente y traducirlo en un sistema que ordena datos antes de automatizar decisiones.

Ahí hay una pista para founders de LATAM y España. La fragmentación de la información empresarial es un problema global, y quien lo resuelva en su propio mercado —con sus idiomas, su regulación y sus sistemas de registro— tiene un punto de entrada menos saturado que competir por el enésimo asistente de escritura.

La conclusión que deja este recorrido es incómoda pero útil: antes de pedirle a la IA que actúe, hay que escribir lo que la empresa sabe. La automatización empresarial llega después de la memoria, no antes.

Fuentes

• El ingeniero criado en Chile que enseña a la IA a ejecutar trabajo real en Silicon Valley (fuente original)
• Sequoia doubles down on Cymphony as AI agents create new enterprise security risks