Town levanta US$108 millones con un agente de IA para cada empleado
Town, una startup de San Francisco fundada por el ex CTO de Plaid, Jean-Denis Greze, y Tony Vincent, cerró una Serie B de US$108 millones co-liderada por Forerunner Ventures y Menlo Ventures a una valuación de US$1.000 millones. La ronda se anunció el 19 de octubre, cuatro meses después del lanzamiento público de la compañía, y llevó el capital total levantado a al menos US$160 millones, contando la Serie A de US$55 millones anunciada en junio.
El dato que importa para un founder no es la cifra, sino la velocidad: una empresa que salió al mercado en junio ya tiene valuación de unicornio en octubre. Y el modelo que la sostiene —un agente de IA por persona, no por departamento— es el mismo que muchas organizaciones hispanohablantes están evaluando ahora mismo.
La ronda dejó además un detalle revelador sobre la competencia en el segmento: Index Ventures había firmado un term sheet para liderar la Serie A, pero se retiró en septiembre después de que Instinct, otra startup de asistentes de IA de su portafolio, planteara un conflicto de interés, según Crypto Briefing. En una categoría donde los fondos invierten en varios competidores a la vez, ese tipo de fricción empieza a ser parte del cálculo.
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 días¿Qué es un Townie y en qué se diferencia de un asistente tradicional?
Un Townie es el asistente de IA que Town asigna a cada empleado de la organización. Se conecta al correo, los documentos, el calendario y los sistemas centrales donde trabaja su usuario, y aprende su contexto: con quién se relaciona, en qué proyectos está y cómo escribe.
La diferencia con los asistentes de IA tradicionales está en la arquitectura. En lugar de un chatbot centralizado que atiende consultas, cada Townie opera con el contexto específico de una función. Y desde este lanzamiento, los Townies pueden hablar entre ellos: hacerse preguntas, compartir contexto dentro de un equipo y delegarse trabajo, compartiendo solo lo que su usuario compartiría y pidiendo permiso cuando hace falta.
También pueden trabajar con clientes, socios y candidatos fuera de la empresa, por correo y mensaje de texto. Menlo Ventures detalló que Town tiene más de 60 integraciones, entre ellas Salesforce, Affinity, Jira, Asana, GitHub, Cursor, QuickBooks y Stripe, y que por defecto escribe borradores en lugar de enviar mensajes.
La firma inversora, que puso a todo su equipo a usar Town en junio de 2026, afirma que los trabajadores del conocimiento pasan más de 13 horas por semana en correo, chat y mensajes, y calcula que su propio equipo casi duplicó su tamaño contando asistentes que trabajan por menos de US$100 al mes. La compañía reporta, además, que alcanzó ingresos recurrentes anuales de siete cifras en pocas semanas y que sus clientes de pago crecieron 4 veces y sus equipos de pago 9 veces desde julio.
¿Cómo se mantiene actualizado el conocimiento de toda la organización?
El problema clásico de la IA empresarial es que el contexto envejece. Si cada empleado tiene que alimentar manualmente a su asistente, la herramienta queda desactualizada en semanas y el equipo vuelve a buscar la información por su cuenta.
Town presentó junto con la ronda un sistema de flujos compartidos: un equipo actualiza un proceso una sola vez y el cambio se propaga a los Townies de todos sus miembros. El ejemplo que da la compañía es concreto: si un equipo de operaciones agrega campos nuevos a sus fichas competitivas, cada representante de ventas pasa a preparar sus llamadas con ese análisis actualizado, sin hacer nada adicional.
En gobernanza, la compañía afirma que cada empresa es dueña del contexto que construyen sus Townies y puede llevárselo si deja de usar Town; que por defecto nada de lo que el cliente conecta se usa para entrenar modelos; que es SOC 2 Type 2; y que es neutral respecto a proveedores de modelos, eligiendo el más adecuado para cada tarea.
¿Qué dicen los datos sobre el mercado de agentes de IA?
El contexto del sector ayuda a leer la ronda. Según el reporte de Analytics Insight sobre el mercado de IA agéntica, el segmento pasó de US$8.190 millones en 2025 a una proyección de US$12.130 millones en 2026, con una tasa de crecimiento anual compuesta de 42,88% entre 2026 y 2035.
Pero la brecha entre interés y adopción real sigue siendo enorme. McKinsey encontró en 2025 que 62% de sus encuestados experimentaba con agentes de IA, mientras que solo 23% había escalado un sistema agéntico en alguna parte de su negocio. Gartner proyectó en abril de 2026 que una empresa promedio del Fortune 500 podría operar más de 150.000 agentes en 2028, frente a menos de 15 en 2025, y solo 13% de las organizaciones encuestadas creía tener gobernanza adecuada.
Una encuesta de Recon Analytics sobre más de 120.000 respondientes corporativos, citada por TechRepublic, es todavía más dura: solo 8,6% de las empresas reporta agentes de IA en producción, 14% los tiene en fase piloto y 63,7% no tiene ninguna iniciativa formalizada.
El gasto tampoco crece al ritmo que sugiere el entusiasmo. Datos de Ramp sobre 70.000 empresas, reportados por TechCrunch, muestran que 56% de sus clientes pagaba por productos de IA en agosto, apenas 0,4% más que el mes anterior, y que el gasto en IA por empleado en el 1% de empresas que más la usa cayó casi 10%, hasta US$7.205. El costo promedio por millón de tokens bajó a US$0,68, frente al pico de US$1,15 de marzo.
¿Qué significa esto para tu startup?
La lección no es comprar agentes. Es que el modelo de un agente por empleado cambia dónde está el trabajo real: en la gobernanza, no en la compra.
- Empieza por un equipo, no por toda la organización. Elige un proceso con decisiones repetitivas —preparación de llamadas de ventas, triaje de correo, seguimiento de propuestas— y mide el tiempo ahorrado antes de escalar. La brecha entre pilotos y producción que muestran los datos de McKinsey y Recon Analytics se explica, en gran parte, por proyectos que nunca definieron una métrica de éxito.
- Define permisos y auditoría antes de conectar datos sensibles. En la encuesta de Recon Analytics citada por TechRepublic, 38,7% de los trabajadores exige aprobación humana antes de que la IA haga cambios, 34,8% pide gobernanza y seguridad de datos sólidas y 33,9% necesita poder revertir acciones. Si tu proveedor no ofrece registro de auditoría y control por acción, el despliegue se frena en el equipo, no en la dirección.
- Pregunta quién es dueño del contexto. El activo que se acumula en un agente por empleado no es el modelo: es el conocimiento de cómo trabaja tu equipo. Antes de firmar, confirma si puedes exportarlo y si tus datos se usan para entrenar modelos.
- Calcula el costo por flujo, no por asiento. Con el precio de los tokens a la baja, la licencia parece barata; el costo real aparece cuando un flujo de trabajo encadena varias llamadas al modelo, recuperación de datos y verificaciones.
Para equipos en LATAM y España, donde la presión por eficiencia convive con estructuras de trabajo fragmentadas y niveles de madurez digital muy distintos, la ventaja de un agente por persona es que se puede adoptar por equipo sin reemplazar sistemas centrales. El riesgo es el mismo que advierte Gartner: agentes creados sin coordinación central terminan con permisos superpuestos y sin visibilidad de lo que hacen.
Conclusión
La Serie B de Town confirma que los agentes de IA por empleado dejaron de ser una apuesta conceptual y ya atraen capital institucional de primer nivel. También deja una advertencia útil: la misma arquitectura que multiplica la personalización multiplica la complejidad de gobernanza. Para un founder, la pregunta relevante no es si adoptar agentes, sino qué proceso automatizar primero y qué controles poner antes de que el agente toque datos de clientes.
Fuentes
- Noticias Neo (fuente original)
- Yahoo Finance
- Crypto Briefing
- Unite.AI
- Analytics Insight
- TechRepublic
- TechCrunch
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 días
