Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarX: @pukerrainbrow→ original

El proyecto personal de LangChain se convirtió en una startup valorada en 3000 millones de dólares y captó 300 millones

El proyecto que Harrison Chase publicó en octubre de 2022 como afición acaba de valorarse en 3000 millones de dólares: el 13 de noviembre, LangChain cerró una ronda C de 300 millones liderada por CapitalG. La valoración indica el precio que los inversores asignan a la empresa. Lo que los clientes pagan es LangSmith, una especie de centro de control para agentes de IA que permite ver qué hacen y limitar su acceso a modelos y datos. Para los equipos que ya tienen agentes en producción, la señal es clara: controlar a los agentes empieza a ser una partida presupuestaria propia.

Procesado por IA desde X: @pukerrainbrow; editado por Hamidun News
El proyecto personal de LangChain se convirtió en una startup valorada en 3000 millones de dólares y captó 300 millones
Fuente: X: @pukerrainbrow. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalX: @pukerrainbrow ↗
Editor jefe
Dato clave #1LangSmith lo usan más de 7000 organizaciones, entre ellas NVIDIA y Toyota
Dato clave #2Workday redujo el lanzamiento de un nuevo agente de cinco meses a menos de un día
Dato clave #3Los proyectos open source se han descargado más de 1000 millones de veces y ahora registran 350 millones de descargas al mes

En octubre de 2022, el ingeniero Harrison Chase publicó en abierto la biblioteca LangChain como proyecto secundario. Cuatro años después, es una empresa que los inversores valoran en 3000 millones de dólares. Aquí, «valoración» significa el precio de toda la compañía según la última ronda, no sus ingresos. El 13 de noviembre, LangChain anunció la ronda C: 300 millones de dólares nuevos, liderados por el fondo CapitalG. No se paga por la biblioteca, sino por LangSmith, una plataforma donde se pueden desplegar agentes de IA, ver qué hacen y limitar sus capacidades. Ya la usan más de 7000 organizaciones. Si estás construyendo agentes, esta historia muestra en qué punto el mercado está dispuesto a pagar.

Cómo un proyecto personal se convirtió en empresa

Chase se graduó en Harvard en 2017 y después trabajó como ingeniero de aprendizaje automático en Kensho Technologies y Robust Intelligence. Allí conoció a Ankush Gola, que se licenció en ingeniería eléctrica en Princeton en 2015 y pasó cuatro años como ingeniero senior en Facebook. Un mes después del lanzamiento de LangChain llegó ChatGPT, y la primera oleada de desarrolladores que querían crear aplicaciones en torno a modelos de lenguaje se acercó también a este proyecto. Cuando el interés creció, Chase y Gola constituyeron la compañía en 2023.

La financiación llegó deprisa. En abril de 2023, Benchmark lideró una ronda semilla de 10 millones de dólares y, después, Sequoia encabezó la serie A con 25 millones. En octubre de 2025, IVP lideró la serie B con 125 millones a una valoración de 1250 millones de dólares, y ahora la valoración ha subido a 3000 millones. En la ronda C participaron GIC, DFJ Growth, IVP, Sapphire Ventures, Salesforce Ventures, Insight Venture Partners, QuantumLight y MongoDB Ventures. Sequoia, Amplify y Benchmark volvieron a invertir. En total, la compañía ha captado 460 millones de dólares.

Los proyectos open source de LangChain se han descargado más de 1000 millones de veces y ahora superan los 350 millones de descargas al mes. Esa base de desarrolladores funciona como un canal de ventas gratuito para un producto de pago.

Por qué pagan los clientes: LangSmith

LangSmith puede entenderse como un centro de control para agentes. Funciona con cualquier framework y cualquier modelo, no solo con LangChain. Los agentes pueden ejecutarse en la nube de LangChain o en la cuenta propia del cliente en AWS, Azure o Google Cloud. La plataforma registra y evalúa el comportamiento de los agentes y, además, gestiona qué modelos, herramientas y datos tienen disponibles.

La novedad específica es LangSmith Engine. Se trata de un agente que mejora a otros agentes: detecta errores en producción y escribe una corrección, ya sea de código o de prompt. En la práctica, es un ingeniero de guardia que lee los registros y propone el cambio.

Las cifras de clientes son estas: más de 7000 organizaciones, entre ellas Harvey, Rippling, NVIDIA, Toyota y Salesforce. Clay registra en la plataforma cientos de millones de ejecuciones de agentes al mes. Workday redujo el tiempo de lanzamiento de un nuevo agente de cinco meses a menos de un día. Estos datos los aporta la propia compañía y todavía no tienen una verificación independiente. Aun así, muestran que el cuello de botella se ha desplazado: escribir un agente es ahora más fácil, pero comprobar que se comporta de forma predecible sigue siendo difícil.

Qué deben hacer desarrolladores y responsables de producto

Chase declaró a The Wall Street Journal: «El comportamiento del agente es la parte más difícil del control». Un agente puede funcionar bien en una demostración y comportarse de forma extraña con datos reales. Detectarlo sin trazabilidad, evaluación de calidad y límites de acceso es casi imposible.

Conclusiones prácticas:

  • Incorpora la observabilidad desde el primer día: registros de cada paso del agente, evaluación del resultado y control del coste de las peticiones;
  • Limita los permisos de los agentes antes del despliegue, no después del primer incidente: qué herramientas y qué datos pueden usar;
  • No te ates a un único framework: el valor de LangSmith está en que no depende de la elección del modelo ni de la biblioteca;
  • Compara soluciones con tu propio stack, no con casos de éxito publicitarios.

Hay también matices. La valoración de 3000 millones descuenta un crecimiento futuro del mercado de agentes, que hoy es sobre todo corporativo y todavía no está consolidado. Los competidores, desde los proveedores de nube hasta otras herramientas de observabilidad, también están construyendo paneles similares. Y un agente que se mejora a sí mismo, como Engine, requiere tanta verificación como cualquier otro: una corrección escrita por IA necesita revisión humana.

Actualmente LangChain tiene 435 empleados y prevé llegar a 850 a finales de 2027, es decir, casi duplicar la plantilla. Es una apuesta a que las empresas desplegarán agentes de forma masiva y pagarán por la infraestructura que los mantiene bajo control.

Historia

Preguntas frecuentes sobre la noticia

Cómo un proyecto personal se convirtió en empresa?

Chase se graduó en Harvard en 2017 y después trabajó como ingeniero de aprendizaje automático en Kensho Technologies y Robust Intelligence. Allí conoció a Ankush Gola, que se licenció en ingeniería eléctrica en Princeton en 2015 y pasó cuatro años como ingeniero senior en Facebook. Un mes después del lanzamiento de LangChain llegó ChatGPT, y la primera oleada de desarrolladores que querían crear aplicaciones en torno a modelos de lenguaje se acercó también a este proyecto.

¿Qué se sabe sobre Por qué pagan los clientes: LangSmith?

LangSmith puede entenderse como un centro de control para agentes. Funciona con cualquier framework y cualquier modelo, no solo con LangChain. Los agentes pueden ejecutarse en la nube de LangChain o en la cuenta propia del cliente en AWS, Azure o Google Cloud. La plataforma registra y evalúa el comportamiento de los agentes y, además, gestiona qué modelos, herramientas y datos tienen disponibles. La novedad específica es LangSmith Engine.

¿Qué se sabe sobre Qué deben hacer desarrolladores y responsables de producto?

Chase declaró a The Wall Street Journal: «El comportamiento del agente es la parte más difícil del control». Un agente puede funcionar bien en una demostración y comportarse de forma extraña con datos reales. Detectarlo sin trazabilidad, evaluación de calidad y límites de acceso es casi imposible.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
¿Qué te parece?
Cargando comentarios…