Mercor, datos de IA: 3 fundadores de 23 años y US$4.200M

Tres fundadores de 23 años duplicaron su fortuna en un año

US$4.200 millones es la fortuna que Forbes estima hoy para cada uno de los tres cofundadores de Mercor, todos de 23 años. Doce meses antes, esa misma estimación era de US$2.200 millones por cabeza. El salto no vino de un producto nuevo ni de un mercado que se abrió de golpe: vino de una ronda de US$750 millones que valuó la startup de datos para inteligencia artificial en US$20.000 millones.

Para un founder, la historia importa menos por los tres veinteañeros que por lo que revela: la categoría que están financiando los grandes fondos ya no es la de construir modelos, sino la de medir si esos modelos funcionan dentro de una empresa real. Mercor acaba de recibir un cheque enorme para vender exactamente eso.

¿Quiénes son los fundadores más jóvenes en llegar a multimillonarios?

Los tres nombres son Brendan Foody, director ejecutivo; Adarsh Hiremath, director de tecnología; y Surya Midha, presidente del directorio. Cada uno conserva una participación del 21% de la compañía, según Forbes, que elaboró las estimaciones patrimoniales con esa base. Midha es el más joven del trío por una diferencia de aproximadamente dos meses.

¿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 →

En octubre de 2025, cuando Mercor consiguió US$350 millones a una valuación de US$10.000 millones, los tres se convirtieron con 22 años en los multimillonarios self-made más jóvenes del mundo. Superaron a Shayne Coplan, CEO de Polymarket, que tenía 27, y dejaron atrás el récord de Mark Zuckerberg, que llegó a multimillonario a los 23. Mercor declinó comentar las estimaciones de Forbes.

La ronda se anunció el 10 de noviembre y la lista de inversores explica buena parte del revuelo: Benchmark, General Catalyst, Nvidia, Salesforce, Felicis, Sapphire Ventures, Zoom, G Squared, StepStone Group, XTX Ventures, Glade Brook Capital, Fundomo y fondos gestionados por filiales de Apollo. El comunicado no reveló un inversor líder y, según Ventureburn, parte de los fondos proviene de una oferta de recompra de acciones a empleados (tender offer), cuyo monto no fue divulgado.

¿Cómo pasó Mercor de conectar programadores a valer US$20.000 millones?

La empresa nació en 2023 en San Francisco, fundada por tres amigos que se conocían del secundario y competían juntos en torneos de debate. El primer negocio fue conectar programadores independientes de la India con empresas estadounidenses. Después derivó al etiquetado de datos y a vincular profesionales especializados —médicos, abogados, ingenieros— con laboratorios de inteligencia artificial como OpenAI.

Hoy la compañía declara una red de más de cinco millones de expertos en más de 800 ocupaciones, según Ventureburn, y clientes que van de laboratorios de frontera a empresas del Fortune 500.

El giro que están financiando los inversores es otro. Con el dinero nuevo, Mercor quiere vender evaluación (evals) y posentrenamiento a empresas comunes, no solo a los laboratorios que construyen modelos. La lógica, en palabras de Hiremath en el comunicado de la ronda: un modelo puede sacar una gran nota en un benchmark público y aun así fallar en los sistemas, las políticas y las excepciones que definen cómo opera un negocio específico.

Para resolver eso, Mercor construye benchmarks a medida con cada cliente y usa ese resultado como punto de partida del posentrenamiento. En lo que va del año también adquirió Deeptune, un equipo que pasó cerca de dos años recreando cientos de aplicaciones empresariales como entornos de entrenamiento para agentes. Todo se apoya en APEX, su serie de benchmarks públicos para medir desempeño en tareas profesionales económicamente valiosas.

Los números que sostienen la valuación (y los que la ponen a prueba)

La métrica que Foody difundió en X es la más citada y la más discutida: los ingresos brutos anualizados pasaron de US$1 millón a US$3.000 millones en poco más de dos años. Esa última cifra es una proyección basada en los US$250 millones de ventas brutas del mes más reciente, no un ingreso auditado. El ejecutivo también dijo que la compañía duplicó su cantidad de clientes respecto del año anterior y ya supera los 100.

Hay tres matices que un founder debería leer antes de tomar estas cifras como referencia de mercado:

Es ingreso bruto, no margen. En julio, The Information reportó que Mercor generaba más dinero del que gastaba en operaciones e inversiones, pero destinaba entre el 60% y el 70% de sus ingresos brutos a pagarles a los profesionales independientes con los que trabaja.
El crecimiento de equipo es el otro lado de la moneda. Pasó de menos de 40 empleados hace un año a aproximadamente 300 en 2026.
La base de clientes se concentraba en laboratorios de frontera. De ahí, precisamente, la urgencia por abrir el mercado enterprise.

¿Cómo se compara Mercor con Scale AI, Surge AI y micro1?

Pese a la nueva valuación, Mercor sigue por debajo del líder del sector. Scale AI alcanzó un valor aproximado de US$29.000 millones cuando Meta adquirió el 49% de la compañía en junio de 2025, y Forbes estima que Surge AI ronda los US$24.000 millones.

Más abajo aparece una capa de competidores que crece rápido. micro1, que también empezó como reclutadora de IA antes de pasarse al etiquetado, expandió su ingreso bruto anualizado de US$100 millones a US$500 millones en ocho meses, según TechCrunch, y retiene entre el 60% y el 70% de esa cifra. El mismo medio reportó que Mercor llegó a US$2.000 millones de ingreso bruto anualizado en el verano de 2026.

En ese contexto, hay un dato que interesa a cualquiera que venda datos o trabajo experto: TechCrunch consignó que parte de los datos que genera micro1 pueden venderse a varios clientes a la vez, y que esa línea «off-the-shelf» llega a márgenes brutos de entre 80% y 90%, según una persona familiarizada con sus finanzas. La diferencia entre vender horas de experto y vender un dataset reutilizable es la diferencia entre un negocio de servicios y uno de software.

Analytics Insight ubicó además a Innodata con ingresos de US$95,6 millones en el tercer trimestre, un 53% más que el año anterior, y recordó que el acuerdo de Scale AI con el Departamento de Guerra de EE. UU. pasó de US$100 millones a un potencial de US$500 millones en mayo de 2026.

Los tropiezos que la valuación no cuenta

El crecimiento de Mercor estuvo acompañado de incidentes que no desaparecen con un cheque más grande. En abril, la compañía confirmó que figuraba entre las miles de empresas afectadas por un ataque informático vinculado a LiteLLM, un proyecto de código abierto. El incidente llevó a Meta a suspender su colaboración con la startup, mientras OpenAI y otros laboratorios investigaban si sus datos privados de entrenamiento habían quedado expuestos.

A eso se sumó una denuncia por presunta malversación: un antiguo responsable de la cuenta de Anthropic en Mercor habría desviado cientos de miles de dólares en bonificaciones a su padre y a su hermano. Además, fuentes familiarizadas con el asunto dijeron a Forbes en abril que empleados de la compañía sospechaban que agentes norcoreanos habían usado credenciales robadas para trabajar en la empresa.

Para una empresa cuyo activo central es la confianza en su red de expertos, ese tipo de riesgo reputacional pesa más que en un SaaS cualquiera. Es el costo de operar con cinco millones de contratistas dispersos.

¿Qué significa esto para tu startup?

Primero, separa valuación de caja. Mercor duplicó su valuación en poco más de un año, pero paga entre el 60% y el 70% de su ingreso bruto a sus contratistas. Si tu modelo depende de trabajo humano especializado, tu margen estructural ya está escrito en esa proporción, por más que la valoración se multiplique. Calcula tu margen bruto real antes de asumir que el crecimiento de ingresos resuelve el problema.

Segundo, busca la parte del negocio que se puede vender dos veces. La diferencia de márgenes entre datos a medida y datasets reutilizables es enorme. Si estás construyendo sobre expertos humanos, define desde el inicio qué activo queda en tu balance: un benchmark propietario, una metodología de evaluación, una librería de tareas reutilizable.

Tercero, la evaluación de agentes es una línea de presupuesto que recién se abre. El argumento de Hiremath es aplicable a cualquier empresa que ya esté probando agentes: la pregunta de un cliente no será «¿qué modelo usas?» sino «¿cómo sé que funciona con mis datos, mis políticas y mis excepciones?». Si vendes implementación de IA, ofrecer un set de pruebas propio antes de la puesta en producción es una forma concreta de reducir la fricción de compra.

Cuarto, el incentivo a vender. En junio, Foody reconoció en un podcast que había recibido propuestas para adquirir la empresa: «Recibimos mucho interés por una adquisición, como si pudiera llevarme miles de millones de dólares en efectivo». Aclaró que vender no era su principal motivación. Con US$750 millones en el banco y una valuación de US$20.000 millones, tiene margen para decirlo.

Conclusión

Mercor no es la historia de tres chicos de 23 años que se hicieron ricos: es la señal de que el cuello de botella de la IA ya se mudó de entrenar modelos a demostrar que funcionan en el mundo real. Los fondos están pagando por esa capa intermedia, y la están pagando caro. Para un founder hispanohablante, la lección más útil no está en la valuación sino en el modelo de negocio que la sostiene: red experta, entornos de prueba realistas y un benchmark que se convierte en el punto de partida del siguiente contrato.