Un grupo de ex investigadores de Google DeepMind y Apple fundó Trajectory, una startup con una premisa ambiciosa: construir una inteligencia artificial que aprenda de forma continua, sin interrupciones entre versiones. El proyecto ya cuenta con el respaldo de Jeff Dean y Fei-Fei Li, dos de las figuras más influyentes del campo.
El problema que Trajectory busca resolver es uno de los límites más concretos de la IA actual: los modelos de lenguaje aprenden durante el entrenamiento, pero una vez desplegados se vuelven estáticos. Cada mejora requiere un nuevo ciclo de entrenamiento, evaluación y despliegue que puede llevar semanas o meses. Trajectory quiere eliminar esa brecha y construir un sistema que se adapte y mejore en tiempo real, a partir de cada interacción.
Quiénes están detrás
El equipo fundador reúne trayectorias de primer nivel en la industria. Ronak Malde trabajó anteriormente en Windsurf y luego se integró a Google DeepMind tras una operación multimillonaria. Arjun Karanam es exinvestigador de Apple, donde participó en proyectos relacionados con los Vision Pro. Michael Elabd, el tercer cofundador, trabajó en el área de robótica de Google DeepMind.
Los respaldos académicos e industriales son igualmente sólidos. La startup consiguió el apoyo de Jeff Dean, científico jefe de Google DeepMind, y de Fei-Fei Li, investigadora de Stanford conocida como una de las principales referentes mundiales en inteligencia artificial. La presencia de Dean y Li como inversores o advisors no es solo simbólica: aporta credibilidad técnica y acceso a redes que pocas startups pueden conseguir en sus etapas iniciales.
Qué es el aprendizaje continuo y por qué es difícil
La mayoría de los modelos de IA funcionan como libros que se escriben una vez y no se pueden modificar. El modelo aprende durante el entrenamiento, se congela y se despliega. Si comete un error nuevo o el mundo cambia, hay que reescribir el libro desde cero —o casi— para corregirlo.
El aprendizaje continuo busca que el modelo pueda actualizarse mientras opera. Según Malde, el objetivo es que la inteligencia artificial pueda adaptarse constantemente y reducir errores conforme recibe nuevas experiencias. El desafío técnico central es evitar el "olvido catastrófico": cuando un modelo aprende algo nuevo, tiende a degradar lo que ya sabía. Resolver ese problema de forma estable y escalable es lo que Trajectory tiene como misión.
Las primeras señales ya existen
La startup no parte de cero: hay antecedentes concretos del enfoque que propone. La empresa explica que ya existen primeras señales de este modelo de aprendizaje en herramientas de programación asistida por IA. Algunas plataformas recopilan información sobre cómo los usuarios corrigen errores, modifican código o interactúan con el sistema, y utilizan esos datos para lanzar versiones mejoradas de manera frecuente. Trajectory busca trasladar esa lógica a modelos de propósito más general, que aprendan de cualquier tipo de interacción, no solo de correcciones de código.
El contexto que le da urgencia al proyecto
La carrera por la IA agéntica que dominó el Google I/O 2026 pone en evidencia por qué el aprendizaje continuo es la siguiente frontera. Un agente de IA que opera de forma autónoma durante días o semanas necesita actualizarse sobre la marcha ante situaciones inesperadas. Un modelo estático que solo mejoró hasta su fecha de corte de entrenamiento tiene límites claros para ese rol. Trajectory apunta exactamente a ese hueco, en un momento en que los laboratorios más grandes del mundo están apostando todo a la era agéntica.
Cerrar sesión