Handshake AI factura US$1.000M vendiendo datos a labs

Handshake AI: de cero a US$1.000 millones anuales vendiendo datos a los frontier labs

En poco más de un año, el negocio de datos de entrenamiento de Handshake pasó de su lanzamiento a US$1.000 millones en ingresos brutos anualizados. No es una cifra menor: una compañía que entró tarde al mercado de datos expertos para modelos de frontera hoy compite de tú a tú con jugadores que nacieron para eso.

Garrett Lord llevó a Latent Space a los equipos que construyen los entornos de aprendizaje por refuerzo (RL) de la compañía: Sahil Bhaiwala y Nishant Ranka en el negocio de datos, Nick Magazine y Jonas Mueller en ciencias de la vida, Collin Schweiker en finanzas y Steve Kelling en alineación. La conversación es una radiografía poco habitual de qué compran realmente los laboratorios de frontera cuando pagan por datos.

Para un founder, la pregunta relevante no es cuánto factura Handshake, sino qué revela ese número sobre un mercado que se está profesionalizando a toda velocidad.

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Qué compran realmente los frontier labs

La respuesta corta: ya no compran etiquetas. Compran entornos donde un agente puede fallar de forma medible.

En la demo de finanzas, el agente tiene que encontrar su tarea en el correo de un banco, deducir qué archivos rigen la operación y entregar un libro de trabajo. El detalle que expone el equipo es quirúrgico: una línea del correo del cliente menciona un goodwill existente, el agente arrastra el número a Python y lo resta. El modelo puede explicar el tratamiento fiscal si le preguntas directamente; el error aparece cuando tiene que reconocer que esa línea específica de código es donde aplica la regla.

Ese es el tipo de fallo que un dataset de etiquetas simples nunca captura. Y es exactamente lo que un laboratorio paga por descubrir.

VIALS, ATLAS-Finance y CAREBench: los benchmarks que Handshake pone sobre la mesa

Handshake no vende solo horas de expertos; vende instrumentos de evaluación. Tres nombres aparecen en la conversación:

VIALS, su benchmark para interpretar las imágenes que los científicos usan en su trabajo diario. Nick Magazine pone nueve láminas de tejido de tumor cerebral en pantalla y pregunta cuáles dos muestran la necrosis vascular más avanzada. Él elige H e I. El modelo elige esas dos y añade la G. Ver a Magazine señalar qué falta en el tejido es más instructivo que leer el puntaje.
ATLAS-Finance, el benchmark para agentes que operan entre bandejas de entrada, documentos y modelos financieros de un banco simulado. La operación que aparece en la entrevista es Project Falcon; Handshake también publicó Project Osprey, otro deal rastreado desde el correo del cliente hasta la decisión de calificación.
CAREBench, el marco de seguridad y alineación con el que Steve Kelling y Nishant Ranka siguen las llamadas de herramientas del agente a través de simulaciones.

En la tarea de código, el equipo puede inspeccionar qué archivos leyó un agente, si revisó las copias y qué hizo con el historial del shell. Una transcripción de su respuesta final se perdería casi todo lo que Kelling y Ranka están evaluando. Esa es la diferencia entre evaluar un texto y evaluar un comportamiento.

Cuánto vale el mercado de datos de entrenamiento

El crecimiento de Handshake no ocurre en el vacío. TechCrunch reportó en agosto de 2026 que Micro1 pasó de una tasa de ingresos brutos anualizados de US$100 millones a US$500 millones en ocho meses, reteniendo entre el 60% y el 70% de esa cifra. El mismo artículo sitúa a Mercor en US$2.000 millones de ingresos brutos anualizados y a Handshake en los US$1.000 millones que alcanzó este año.

El mercado se movió de forma definitiva con la operación de Meta: US$14.300 millones por el 49% de Scale AI en junio de 2025, según Reuters. Desde entonces, el capital no ha parado. Reuters reportó que Snorkel AI levantó US$350 millones a una valoración de US$3.500 millones, liderada por Insight Partners y S32, con una tasa de ingresos anualizados que cruzó los US$350 millones desde unos US$20 millones un año antes.

Un dato que conviene retener: algunos investigadores citados por TechCrunch plantean que el gasto futuro de la IA en datos podría rivalizar con el gasto en cómputo. Si eso se materializa, el negocio de datos expertos deja de ser un servicio auxiliar y se vuelve infraestructura crítica.

¿Qué significa esto para tu startup?

Aunque tu empresa no venda datos a laboratorios de frontera, hay tres lecciones transferibles.

1. La evaluación es el producto, no el insumo. Handshake no compite por tener más expertos, sino por tener mejores formas de medir cuándo un agente falla. Si estás construyendo con IA, tu ventaja competitiva probablemente esté en tus evals, no en tu prompt. Diseña rúbricas propias para tus casos de uso antes de escalar.

2. Los fallos importan más que los aciertos. El caso del goodwill en la demo financiera muestra que un modelo puede «saber» una regla y aun así aplicarla mal. Cuando evalúes tus propios agentes, no midas solo la respuesta final: registra qué herramientas llamaron, qué archivos leyeron y en qué orden. Esa traza es la que revela el error real.

3. El dato off-the-shelf tiene márgenes altísimos. TechCrunch reporta que el dato genérico revendible puede alcanzar márgenes brutos del 80% al 90%. Si generas datos o contenido propio, pregúntate si puedes empaquetarlo como producto reutilizable en lugar de venderlo como servicio a medida.

Y una advertencia de timing: los laboratorios retienen tareas de evaluación deliberadamente, según se discute en el episodio. Es decir, el benchmark público nunca es el que decide el contrato. Si dependes de benchmarks abiertos para posicionar tu producto, estás optimizando para la métrica equivocada.

Conclusión

Handshake pasó de cero a US$1.000 millones anualizados en un año porque entendió algo que el resto del mercado apenas está internalizando: los laboratorios de frontera no compran datos, compran la capacidad de saber dónde falla su modelo. Los benchmarks como VIALS y ATLAS-Finance son la prueba de que la evaluación se está convirtiendo en un negocio en sí mismo.

Para un founder hispanohablante, la lectura es doble. Por un lado, hay una oportunidad real en nichos verticales —legal, salud, finanzas— donde el conocimiento experto local sigue siendo escaso. Por otro, la disciplina de construir evals rigurosas es hoy una ventaja competitiva accesible incluso para equipos pequeños.