Rohit Patel deja Meta y lanza Ndoc, rival de Office

Rohit Patel pasó ocho años construyendo y evaluando IA en Meta y ahora deja la compañía para lanzar Ndoc, una startup con la que quiere reemplazar a Microsoft Office y Google Workspace. Lo hace con un equipo de tres personas y sin financiamiento, y con una tesis incómoda para los grandes laboratorios: si la IA va a armar los informes con los que se decide en una empresa, alguien tiene que poder auditar cómo llegó a esos números.

¿Quién es Rohit Patel y por qué importa su salida de Meta?

Patel era director en Meta Superintelligence Labs, donde su trabajo se centró en aprendizaje por refuerzo y en evaluar si la salida de un modelo de IA es confiable. Es decir: no era un perfil de producto cualquiera, era una de las personas cuya función era preguntar si la IA dice la verdad.

Su partida no es un caso aislado. TechCrunch señala que se suma a otras salidas de alto perfil de Meta, entre ellas la del Chief Global Affairs Officer Joel Kaplan, la del investigador de IA Andrew Tulloch y la de Emily Dalton Smith, Head of Product for AI-for-Work. Cuando se van perfiles senior justo en el segmento donde la compañía está poniendo fichas —la IA para el trabajo—, la lectura para el ecosistema es clara: el talento que ya sabe cómo se construye y se audita un modelo prefiere intentarlo por su cuenta antes que pelear con la burocracia interna.

¿Y esto cómo se aplica en tu negocio?

En CAR, dueños de negocio de Latinoamérica y España usan la IA para ganar más y recuperar su tiempo. Súmate a la lista de espera.

👥 Recibir el Kit

El propio Patel lo dijo sin vueltas: dentro de una empresa del tamaño de Meta, lograr que todos acuerden un formato de archivo abierto requeriría la opinión de "cientos de personas". Él quería moverse rápido. Su frase resume el dilema: "los humanos solo pueden moverse a ritmo humano, mientras que yo puedo moverme al ritmo de lo que la IA puede hacer".

¿Qué es Ndoc y cómo funciona?

Ndoc no se presenta como una capa de IA encima de las herramientas que ya usas. La propuesta es reemplazar la fragmentación: hoy el trabajo vive repartido entre Excel, Word, PowerPoint, Tableau, Replit y el clásico copiar y pegar desde un chat de IA. Ndoc quiere unificar todo eso en un solo espacio al que puedan entrar todos los colegas, incluso los que no tengan cuenta en la plataforma.

La interfaz se organiza en tres pestañas:

Stage: donde viven las presentaciones de hallazgos clave, como decks, dashboards, simulaciones o mini aplicaciones.
Narrative: el análisis, las citas numeradas, las figuras generadas y, en palabras del propio Patel, el "por qué" detrás de los números.
Model: los datasets de base y los scripts de Python que produjeron todo lo anterior.

El detalle importante para un founder es el tercero. Ndoc deja a la vista el script que generó cada resultado, y el chat integrado puede explicar línea por línea qué hace. "Aunque no sepas nada de Python, puedes preguntarle qué hace el script, cuál línea tiene tu fórmula, y verificar esa fórmula", explica Patel. "No hay nada escondido detrás de la cortina".

En la práctica, un usuario sube un dataset, pide un análisis y Ndoc escribe la narrativa con el contexto que se le indique: audiencia, tono y memoria. Según Patel, la herramienta mantiene memoria a nivel de persona, de documento, de equipo y de empresa.

Un dato interesante para quien está construyendo con IA: Ndoc se armó y afinó con una mezcla de modelos open source. Patel sostiene que, al haberlo desarrollado desde cero, cuesta bastante menos operarlo que las alternativas montadas sobre modelos frontera. Pero él mismo admite que eso no fue lo que entusiasmó a sus primeros usuarios de prueba: lo que les gustó fue ver el proceso de punta a punta en un solo lugar. Una lección clásica de producto: la ventaja técnica que te parece decisiva puede no ser la que el cliente valora.

¿Por qué quiere reinventar el archivo y no solo la aplicación?

La ambición mayor de Patel no es la app, es el formato. Los documentos se pueden exportar como un único archivo ".ndoc.html" que se abre en cualquier navegador, y planea liberar ese formato como código abierto para que otros desarrolladores construyan aplicaciones compatibles sin quedar atados a Ndoc.

Es una jugada directa contra el lock-in que Microsoft y Google construyeron durante años. Para un equipo chico, un formato abierto es la única forma realista de que un tercero confíe en guardar ahí su trabajo: nadie migra su operación a una plataforma nueva si el resultado queda cautivo. Y para Patel fue, además, una de las razones para irse de Meta: quería publicar el formato rápido, sin consensuarlo con toda la organización.

¿Contra quién compite Ndoc? El mapa de la IA para el trabajo

Acá está el riesgo. OpenAI, Anthropic, Meta, SpaceXAI y Google ya salieron con herramientas de IA empresarial que se conectan a Google Workspace, Microsoft 365 y otras apps de oficina. El movimiento más directo fue el de OpenAI: según Cryptobriefing, el 29 de septiembre de 2026 la compañía presentó ChatGPT Space en su evento DevDay en San Francisco, un espacio de trabajo colaborativo tipo Notion donde personas y agentes de IA editan documentos en tiempo real.

El alcance de esa base de usuarios es el verdadero problema para un fundador con tres personas. Yahoo Finance cita estimaciones de Recon Analytics según las cuales alrededor del 70% de los trabajadores de empresa prefiere ChatGPT cuando puede elegir su herramienta de IA, y agrega que OpenAI contabiliza aproximadamente 15 millones de asientos pagos con un crecimiento interanual cercano al 160%. Esa distribución es una ventaja que ningún competidor de workspace tiene hoy.

La crítica de Patel a ese enfoque es tan simple como incómoda: los laboratorios están "pegando IA a las hojas de cálculo para que te rellene las celdas". Su comparación, textual, es que eso es como descubrir la electricidad y decidir que el mejor uso es ponerle luces a los bueyes que aran la tierra, cuando lo que corresponde es construir un tractor. Puede sonar grandilocuente, pero señala algo real: mejorar el flujo existente es más fácil que reemplazarlo, y por eso casi todos eligieron el camino fácil. Patel reconoce que cambiar hábitos es difícil, y por eso construyó conectores para importar datos desde las herramientas que el cliente ya usa.

¿Qué significa esto para tu startup?

Primero, la trazabilidad deja de ser un detalle técnico y pasa a ser criterio de compra. Si tu equipo va a usar IA para generar los números con los que decides precios, márgenes o inversión, la pregunta correcta al evaluar una herramienta no es solo cuán buenos son sus outputs, sino si puedes ver el script o el razonamiento que los produjo. Ndoc apuesta a que esa sea la exigencia del comprador corporativo. Puedes empezar hoy pidiendo a tu proveedor actual de IA un ejemplo auditable de un cálculo, no solo un resultado.

Segundo, elige el momento de tu lanzamiento con la misma lógica que Patel. Él decidió no levantar capital hasta tener prueba de que la gente ama el producto, y abrió una alpha limitada con un piloto empresarial mientras prepara la beta. Para un equipo chico, salir antes con algo imperfecto y validar tracción es más barato que refinar en secreto durante meses. Su frase lo resume: "la ejecución es extremadamente barata, así que ejecuta un plan subóptimo y preocúpate después; para cuando tengas el mejor plan, otro ya lo habrá ejecutado".

Tercero, mide el costo real del lock-in antes de migrar tu stack. Si estás pensando en mover tu operación a un workspace con IA, revisa qué pasa con tus datos al salir: ¿puedes exportar todo a un formato que se abra sin la aplicación original? Ndoc lo ofrece desde el día uno con su formato HTML. Es un buen test para aplicar a cualquier proveedor que evalúes este año.

Cuarto, no confundas tu ventaja técnica con la propuesta de valor. Patel creía que su ventaja era el costo de cómputo por usar modelos abiertos y descubrió que a los usuarios les importaba otra cosa. Vale la pena revisar si el beneficio que destacas en tu landing es el que tus clientes realmente mencionan cuando te recomiendan.

Conclusión

Ndoc es hoy un piloto empresarial y una alpha abierta a un número limitado de clientes que se suman a la lista de espera, con suscripción gratuita y pago por uso y tokens, una beta prevista para las próximas semanas y un lanzamiento completo planeado para el año siguiente. Es una apuesta enorme para tres personas sin financiamiento, en un mercado donde OpenAI, Google y Microsoft ya están sentados.

Aun así, la tesis merece atención: mientras todos los grandes compiten por meter IA dentro de las herramientas que ya usamos, Patel apuesta a que el próximo ciclo se gana rediseñando el archivo y el flujo, no rellenando celdas. Si tiene razón, el que pueda auditar cómo la IA llegó a un número tendrá una ventaja comercial concreta. Si se equivoca, al menos habrá dejado un formato abierto y una lección útil sobre cómo se lanzan productos en la era de la IA.