Los creadores de Design Arena recaudan USD 7.9 millones para llevar "buen gusto" a los modelos de IA

Según cuenta la cofundadora Grace Li, su empresa comenzó unas semanas antes de la graduación en 2025, con un grupo de amigos de la universidad tratando de hacer funcionar su motor de videojuegos con IA. Los modelos podían crear juegos funcionales, pero ninguno de esos juegos era divertido, lo que planteó la pregunta de cómo saber si un juego será divertido. Decidieron que no había sustituto para el juicio humano, y pronto empezaron a idear formas de obtener retroalimentación humana honesta a gran escala. El resultado fue Design Arena, una herramienta de IA que hoy usan 5.3 millones de personas en todo el mundo. Resultó que muchas empresas de IA buscaban retroalimentación de usuarios escalable, y estaban dispuestas a pagar por ella.

“Era el cuello de botella que faltaba para que muchos de estos modelos pudieran mejorar en el ámbito del diseño”, dice Li. “Como una semana después, cerramos nuestro primer gran acuerdo con un laboratorio de frontera, y el resto es, en cierto modo, historia”.

El lunes, la empresa detrás de Design Arena —llamada Intelligence— anunció una ronda semilla de USD 7.9 millones liderada por Index Ventures, con la participación de Conviction (Sarah Guo y Mike Vernal), A*, Valkyrie y otros.

Para los usuarios que no son empresas, Design Arena funciona como un enrutador de modelos sofisticado: una ventana de prompts al estilo ChatGPT con menús desplegables separados para sitios web, imágenes y una docena de otros formatos visuales. Tras enviar una solicitud, un formato y un estilo, los usuarios ven una serie de opciones “A frente a B” hasta que han clasificado un grupo de resultados de mejor a peor. Sin embargo, el verdadero valor proviene del lado empresarial, donde los modelos participantes tratan la plataforma como una fuente de retroalimentación instantánea para sus modelos generadores de contenido multimedia. Como a los usuarios les suele resultar indiferente qué modelos están calificando, sus clasificaciones aportan información clave sobre lo que los usuarios realmente quieren, un servicio por el que pagan los laboratorios de frontera, dice Li, y el sitio genera actualmente USD 60 millones en ingresos anuales recurrentes (ARR). Como los usuarios deben iniciar sesión para ver los resultados, Intelligence también puede rastrear cómo cambian los gustos entre continentes y con el tiempo; Li señala que los paneles web en Asia tienden hacia un estilo de diseño más maximalista. Estas medidas complementan los benchmarks automatizados, que operan a mayor escala pero pueden ser manipulados o “jugados”, como demostró la brecha de seguridad de Hugging Face la semana pasada.

Sin embargo, la retroalimentación humana obtenida mediante crowdsourcing no es un mercado ganador automático: Yupp cerró antes de cumplir un año desde su lanzamiento, tras recaudar USD 33 millones de Chris Dixon de a16z crypto y conseguir clientes de modelos de frontera con más de 1.3 millones de usuarios. Aun así, otras empresas emergentes de evaluación humana están prosperando: LM Arena, que aplica un enfoque similar para respuestas basadas en texto, recaudó USD 150 millones en una ronda Serie A en enero, cuatro meses después de lanzar su producto de pago.

Por qué importa

A medida que los benchmarks automatizados de IA resultan más fáciles de manipular, los datos pagados de preferencia humana se están convirtiendo en una línea de ingresos propia para los proveedores de los laboratorios de frontera, aunque el cierre de Yupp muestra que la categoría no garantiza un negocio sostenible.