La startup londinense Mantic ha cerrado una ronda seed de 25 millones de dólares después de lograr algo que hasta hace poco parecía reservado a especialistas humanos: superar a participantes profesionales en un torneo de predicción sobre acontecimientos políticos, económicos y culturales. La financiación, liderada por Radical Ventures con participación de M12, el fondo corporativo de Microsoft, Thinking Machines Lab, Balderton Capital y otros inversores, convierte la predicción probabilística en una nueva categoría de negocio dentro de la inteligencia artificial.
La compañía no intenta construir otro chatbot generalista. Su producto se centra en responder preguntas sobre el futuro con probabilidades explícitas: qué puede ocurrir con un indicador económico, una decisión política, una empresa, un conflicto o una tendencia de mercado. El objetivo no es adivinar con certeza, sino mejorar la calidad de las decisiones mediante estimaciones calibradas y actualizadas.
Por qué una startup de forecasting puede valer más que una curiosidad académica
Las empresas toman decisiones constantemente bajo incertidumbre. Una multinacional debe decidir si abrir una planta, un fondo si aumentar exposición a un sector, un gobierno si preparar recursos para una crisis y una aseguradora si revisar precios. En todos esos casos, el problema no consiste únicamente en analizar lo que ha ocurrido, sino en estimar qué es probable que ocurra después.
El forecasting profesional lleva décadas intentando mejorar ese proceso mediante modelos estadísticos, econometría, escenarios y juicio experto. Mantic añade una nueva capa: sistemas de inteligencia artificial que investigan fuentes públicas, razonan sobre evidencia contradictoria, generan probabilidades y actualizan sus previsiones cuando aparecen datos nuevos.
Si esa capacidad mantiene una precisión superior a la de equipos humanos, el valor comercial puede ser enorme. No porque elimine la incertidumbre, sino porque permite cuantificarla mejor.
El Metaculus Cup como prueba pública
El detonante de la nueva ronda fue el rendimiento de Mantic en la edición de verano de 2026 de la Metaculus Cup. El torneo enfrenta a participantes que deben asignar probabilidades a eventos futuros y premia la calibración: no basta acertar, también importa cuánto convencimiento se asigna a cada resultado.
Según los resultados divulgados, Mantic quedó por delante de los competidores humanos agregados y de otros sistemas de IA. El logro llamó la atención porque este tipo de preguntas no se resuelve únicamente con series históricas. Algunas exigen entender política, comportamiento empresarial, noticias, contexto regulatorio y señales débiles.
El sistema demostró además una característica especialmente valiosa: podía separarse del consenso cuando encontraba razones para hacerlo. Esa independencia importa porque uno de los grandes riesgos de los modelos de IA es reproducir la visión dominante sin detectar cuándo el mercado o los expertos están equivocados.
De Google DeepMind a una startup especializada
Mantic fue fundada en Londres en 2024 por Toby Shevlane y Ben Day. Shevlane trabajó anteriormente como investigador sénior en Google DeepMind, donde participó en evaluaciones relacionadas con Gemini y riesgos de modelos avanzados. Day tiene experiencia en machine learning aplicado a sistemas industriales y optimización.
Ese perfil ayuda a entender la tesis de la empresa. En lugar de competir frontalmente construyendo un modelo fundacional propio con miles de millones de dólares, Mantic utiliza modelos de frontera de otros laboratorios y los especializa para forecasting.
La estrategia reduce la necesidad de financiar infraestructura gigantesca. La ventaja competitiva se desplaza hacia metodología, entrenamiento, evaluación, prompts, orquestación de modelos, sistemas de búsqueda y calidad de la capa de predicción.
Una ronda seed de 25 millones es grande para una empresa tan joven
El tamaño de la financiación muestra el interés inversor por aplicaciones verticales de inteligencia artificial. Después de una primera ola centrada en modelos generales, el capital está buscando compañías que conviertan esas capacidades en productos concretos con clientes dispuestos a pagar.
Mantic había levantado previamente una ronda pre-seed de 4 millones de dólares. El salto hasta 25 millones permite contratar investigadores, mejorar infraestructura, ampliar ventas y trabajar con organizaciones que requieren integración de datos propios.
El hecho de que M12 participe añade una señal relevante. Microsoft ya tiene una posición central en la cadena de IA mediante nube, software empresarial e inversiones en modelos. Su brazo de venture capital busca compañías capaces de crear nuevas capas de uso sobre esa infraestructura.
Qué vende realmente Mantic
La propuesta se puede dividir en tres funciones. La primera es detectar cuestiones relevantes antes de que se conviertan en problemas evidentes. La segunda es generar una probabilidad razonada sobre posibles resultados. La tercera es monitorizar esa predicción y actualizarla cuando aparece nueva información.
Para una empresa, eso puede traducirse en preguntas como: ¿qué probabilidad existe de que un regulador apruebe una norma antes de una fecha concreta?, ¿qué riesgo hay de interrupción en una cadena de suministro?, ¿es probable que un competidor lance un producto en el próximo trimestre?
Para un inversor, las preguntas pueden ser más financieras: crecimiento de ingresos, decisiones de bancos centrales, resultados judiciales, movimientos regulatorios o cambios geopolíticos.
Por qué los hedge funds pueden ser clientes naturales
Los fondos de inversión viven de identificar información antes de que esté completamente reflejada en precios. Un sistema que produzca probabilidades mejor calibradas puede servir como una herramienta adicional de investigación.
Eso no significa que la IA pueda convertir automáticamente una predicción correcta en beneficios. Los mercados descuentan expectativas, existen costes de transacción y una tesis puede ser correcta pero llegar demasiado pronto.
Sin embargo, el valor potencial es evidente. Un fondo puede utilizar Mantic para contrastar hipótesis internas, detectar eventos ignorados o comparar probabilidades de mercado con probabilidades generadas por el sistema.
El creciente interés por estrategias alternativas ya aparece en otras partes del mercado. BlackHold Capital News ha seguido la expansión de grandes inversores hacia mercados privados, una tendencia que comparte una idea con el forecasting: encontrar fuentes de rentabilidad menos dependientes de simplemente replicar un índice.
El problema de confundir predicción con certeza
Una herramienta de forecasting seria no debería prometer saber qué ocurrirá. Su unidad básica es la probabilidad. Un evento con un 70% de probabilidad puede no ocurrir y la previsión seguir siendo razonable si, a lo largo del tiempo, eventos estimados al 70% suceden aproximadamente siete de cada diez veces.
Esa calibración es difícil de comunicar. Los usuarios pueden caer en la tentación de interpretar una cifra como garantía. Mantic tendrá que diseñar su producto para que ejecutivos y analistas entiendan el grado de incertidumbre.
La confianza excesiva puede ser tan peligrosa como una mala predicción. Si una organización delega decisiones críticas sin comprender límites y supuestos, el riesgo operativo aumenta.
La ventaja de usar modelos de otros laboratorios
Construir un modelo fundacional de frontera requiere inversiones enormes en chips, energía y datos. Una startup puede quedar fuera de esa competición antes de empezar. Mantic evita ese problema utilizando modelos externos como componentes y concentrándose en el sistema que los especializa.
La estrategia es similar a la de muchas empresas de software durante la expansión de la nube: no era necesario construir un centro de datos propio para crear una compañía valiosa. El reto era desarrollar la aplicación superior.
La contrapartida es la dependencia. Si los proveedores de modelos cambian precios, acceso o condiciones, la economía del producto puede verse afectada. Mantic necesita mantener una arquitectura flexible capaz de alternar modelos y evitar quedar atrapada con un único proveedor.
El forecasting puede convertirse en una capa transversal de software
Las herramientas empresariales actuales suelen describir el pasado: dashboards, BI, informes financieros, CRM y analítica. Una capa de predicción intenta responder la pregunta siguiente: dado todo lo anterior, ¿qué es probable que ocurra?
Eso abre posibilidades de integración con sistemas ya existentes. Un CRM podría incorporar probabilidad de cierre de contratos ajustada por eventos externos. Una plataforma de riesgos podría actualizar escenarios geopolíticos. Un ERP podría modelizar interrupciones de proveedores.
La diferencia entre un producto aislado y una infraestructura transversal dependerá de las APIs y de la facilidad para conectar datos privados con la capa de forecasting.
Las empresas pueden usar datos propios para mejorar precisión
Mantic trabaja principalmente con información pública en sus benchmarks, pero el valor empresarial aumenta cuando se incorporan datos internos. Una compañía conoce ventas, inventarios, proveedores, pipeline comercial y métricas que no existen públicamente.
Combinar señales externas e internas puede producir previsiones más relevantes. Por ejemplo, un fabricante puede estimar la probabilidad de retraso de un proveedor usando noticias geopolíticas junto con históricos de entregas.
El reto será proteger esa información. Las organizaciones reguladas no pueden enviar datos sensibles a cualquier sistema sin controles de seguridad y privacidad.
La geopolítica ofrece uno de los mayores mercados
Empresas globales necesitan anticipar sanciones, conflictos, cambios arancelarios y decisiones de gobiernos. Un error puede costar millones si obliga a rediseñar cadenas de suministro o cerrar operaciones.
La tensión comercial entre grandes potencias afecta directamente a monedas y mercados. BlackHold Capital News ha analizado el comportamiento reciente del yuan antes de nuevas negociaciones entre Estados Unidos y China. Un sistema de forecasting podría ayudar a asignar probabilidades a distintos desenlaces diplomáticos y traducirlos en escenarios de negocio.
Los gobiernos también son clientes potenciales porque necesitan evaluar crisis, migración, seguridad energética y política internacional.
La predicción económica puede complementar modelos tradicionales
Los bancos centrales y departamentos de análisis utilizan modelos econométricos construidos sobre series históricas. Esos modelos funcionan bien para relaciones relativamente estables, pero pueden sufrir cuando aparece un shock nuevo.
Un sistema de IA capaz de leer noticias, regulación y señales cualitativas puede complementar el enfoque cuantitativo. No sustituye necesariamente al economista; ofrece otra fuente de estimación.
La inflación actual demuestra la dificultad de separar oferta y demanda. Las declaraciones de responsables de la Reserva Federal, recogidas por BlackHold Capital News en el análisis sobre el papel de la demanda estadounidense en la inflación, muestran cuánto juicio requiere interpretar datos contradictorios.
El riesgo de que los modelos converjan en los mismos errores
Si muchas empresas utilizan los mismos modelos fundacionales y fuentes, las predicciones pueden acabar demasiado correlacionadas. Todos podrían reaccionar a la misma noticia y cometer el mismo error.
Mantic intenta reducir ese riesgo mediante evaluación y especialización, pero el problema es estructural. La diversidad de modelos, fuentes y enfoques seguirá siendo importante.
En finanzas, una señal pierde valor cuando todo el mercado la utiliza. Si una herramienta de forecasting se vuelve masiva, algunas ventajas competitivas pueden desaparecer.
La ronda llega en plena carrera por financiar IA aplicada
El capital está entrando en varias capas del ecosistema. Algunas compañías necesitan miles de millones para entrenar modelos; otras levantan decenas de millones para convertirlos en productos verticales.
SoftBank ha recurrido incluso al mercado de deuda para financiar su exposición a OpenAI, como explicó BlackHold Capital News en la emisión de más de 11.000 millones de dólares en bonos. Mantic representa el extremo opuesto de la cadena: una empresa pequeña que intenta capturar valor aplicando modelos existentes a decisiones de alto impacto.
La valoración no ha sido publicada y eso también importa
Los inversores no han revelado la valoración de la ronda. Esa ausencia impide saber cuánto porcentaje se ha diluido y qué expectativas financieras se están incorporando.
Durante el ciclo anterior, muchas startups alcanzaron valoraciones enormes antes de demostrar ingresos. En 2026 el mercado es más prudente. Ocultar la valoración puede responder a estrategia comercial, pero los siguientes hitos deberán justificar el capital levantado.
Clientes recurrentes, contratos empresariales y capacidad para demostrar ahorro o retorno serán más relevantes que premios en competiciones.
Qué debe demostrar Mantic después del torneo
Ganar un benchmark genera atención, pero el producto empresarial exige otras capacidades. Debe ser fiable, rápido, auditable y sencillo de integrar. Los clientes necesitarán entender por qué el sistema asigna una probabilidad concreta.
La explicabilidad es especialmente importante en gobierno y finanzas. Un responsable puede aceptar una predicción errónea si entiende el razonamiento y los supuestos; resulta mucho más difícil justificar una decisión basada en una cifra opaca.
Mantic también deberá demostrar que mantiene ventaja cuando otros laboratorios mejoren sus propios modelos de forecasting.
Una nueva categoría de software para decisiones
El atractivo de Mantic está en que no intenta automatizar una tarea administrativa, sino mejorar decisiones estratégicas. Si funciona, el valor por cliente puede ser elevado porque el coste de equivocarse en una adquisición, una inversión o una política es enorme.
Ese posicionamiento permite vender a grandes empresas, fondos y gobiernos en lugar de depender de millones de usuarios gratuitos. También exige ciclos de venta más largos y relaciones de confianza.
La ronda de 25 millones permitirá comprobar si el forecasting de IA puede salir del laboratorio y convertirse en una categoría estable de software empresarial.
Qué significa para el ecosistema startup
Mantic demuestra que todavía existen espacios donde una startup europea puede competir sin construir el modelo más grande. La especialización, la evaluación rigurosa y una aplicación concreta pueden crear defensas suficientes para atraer capital de primera línea.
La oportunidad también muestra cómo está cambiando el venture capital. Los inversores buscan empresas con una tesis técnica clara y un mercado dispuesto a pagar, no simplemente otra interfaz conectada a un LLM.
Para Londres, la ronda refuerza además su posición como centro europeo de inteligencia artificial aplicada, junto a París y otras ciudades que están atrayendo talento y financiación.
Fuentes verificadas
La financiación y los resultados del torneo fueron confirmados por Reuters y por la documentación de Mantic, que publica información sobre su tecnología, equipo y benchmarks. Para seguir operaciones de financiación puede consultarse BlackHold Capital; para contenidos sobre creación y crecimiento de startups, BlackHold Startups.
Fotografía: Mikhail Nilov / Pexels.
