Cada año, las empresas gastan sumas millonarias en mantener sus sistemas en pie. El problema es que casi todo ese gasto es reactivo: se descubre la falla cuando ya se llevó puesto la operación. Empirik, una startup incubada por Sequoia Capital, quiere cambiar esa lógica con un agente de IA que rastrea cada modificación en la infraestructura tecnológica y anticipa sus efectos antes de que se conviertan en una interrupción.
La compañía anunció que se desprende de Sequoia como empresa independiente tras levantar US$21 millones en financiación semilla de Sequoia, Canapi y Alumni Ventures. Detrás del proyecto está Avon Puri, quien dirigió infraestructura en Rubrik y VMWare antes de sumarse a Sequoia como chief digital and information officer, junto a Sudheer Dhurjati, otro líder de TI del fondo. El equipo sumó como CEO a Kartik Chandrayana, ex vicepresidente de observabilidad en Salesforce.
Un pólicía de tránsito para la infraestructura
La tesis de Empirik es simple: la mayoría de las interrupciones no nacen de un evento aleatorio sino de un cambio — una actualización, una configuración, una nueva integración — cuyos efectos se propagan por dependencias que ningún humano tiene completas en la cabeza. Por eso la herramienta actúa como un "policía de tránsito" autónomo: permite los cambios de bajo riesgo, pone límites a los mayores y deriva los más peligrosos a revisión humana.
Esa capacidad de entender dependencias complejas es justo lo que el socio de Sequoia, Bogomil Balkansky, dice que falta en la mayoría de las herramientas de observabilidad actuales. Los equipos de DevOps y site reliability engineering, dice, podrían dejar de perseguir incidencias rutinarias para concentrarse en prioridades de mayor valor.
La ambición declarada es eca de lo que Cursor y Claude Code hicieron por los desarrolladores de software: automatizar tareas para que trabajen varias veces más rápido. "Lo que la IA agéntica hizo por el software, Empirik quiere hacerlo por la ingeniería de infraestructura", resumió Chandrayana.
La evidencia de que la predicción de fallas no es ciencia ficción viene también del mundo académico. Un estudio sobre la red de distribución eléctrica de Milán comparó modelos de aprendizaje automático para anticipar fallas durante olas de calor y encontró que los sistemas basados en deep learning pueden identificar patrones que se escapan de los métodos tradicionales. En la misma línea, otra investigación propuso un modelo híbrido — que combina redes convolucionales temporales, unidades recurrentes bidireccionales y mecanismos de atención — que alcanzó 98,7% de precisión en la clasificación de fallas con niveles de ruido de 20 dB, redujo en 42% las falsas alarmas frente a líneas base CNN-LSTM y mantuvo una latencia inferior a 5 milisegundos. Son números de laboratorio, pero marcan la dirección: la infraestructura crítica de energía, telecomunicaciones y finanzas ya está empezando a ser gobernada por IA predictiva.
Por qúe importa en LatAm
Para una empresa latinoamericana, el argumento de Empirik es doblemente relevante. Los equipos de infraestructura en la región son escasos: no hay decenas de ingenieros de confiabilidad dedicados a mapear dependencias en entornos distribuidos. Cuando una plataforma empieza a crecer — más clientes, más tráfico, más herramientas — lo que aparecen son errores que nadie esperaba: procesos que dejan de funcionar, integraciones improvisadas, servicios que ya no soportan el volumen actual. Esas fallas se acumulan en silencio dentro de la infraestructura hasta que el crecimiento las expone.
Ahí es donde herramientas como Empirik pueden nivelar la cancha. Un equipo reducido de DevOps en una fintech de Bogotá o un banco de Lima puede operar con la misma capacidad predictiva que una gran corporación de Silicon Valley, sin tener que contratar decenas de especialistas. El costo de una caída, en cambio, es desproporcionadamente mayor en mercados donde una hora de indisponibilidad en una plataforma de pagos o en un sistema logístico puede erosionar confianza que tardó años en construirse.
La pregunta que deberían hacerse los ejecutivos latinoamericanos no es si su infraestructura va a fallar, sino si saben cuándo. La observabilidad autónoma está pasando de ser una ventaja competitiva a un requisito operacional. Las empresas que sigan dependiendo de dashboards que solo muestran el desastre después de que ocurrió van a descubrir su fragilidad en el peor momento posible: cuando el crecimiento las ponga a prueba.
