Después de que se completó el código, ¿qué asumió la IA: YC W26 Infraestructura de Operaciones/Pruebas/Automatización/Agent - 22 Desgloses Completos

Escritura:朗瀚威 Will

Esta es la quinta entrega del análisis de la serie YC W26. La anterior desglosó las herramientas de programación AI y “Claude Code for X” (12 empresas); en esta, abordamos la otra mitad de la cadena de desarrollo: todo lo que sucede después de escribir el código—operaciones, pruebas, automatización de flujos de trabajo, infraestructura para desarrollo de agentes—un total de 22 empresas.

El código es solo el comienzo

En la entrega anterior hablamos de cómo la IA está cambiando la “escritura de código”. Pero escribir código es solo una parte del desarrollo de software—una vez terminado, hay despliegue, operaciones, monitoreo, pruebas, corrección de errores, automatización de flujos de trabajo, y cada paso requiere humanos.

Las 22 empresas de YC W26 están haciendo lo siguiente: delegar cada etapa posterior a la escritura del código a agentes de IA.

¿Alerta en producción a las 3 a.m.? IncidentFox revisa logs, identifica causas raíz y prepara scripts de reparación automáticamente mientras duermes; tú solo revisas y apruebas al despertar. ¿El usuario reporta un bug? Lucent revisa sesiones 24/7, detectando problemas antes que el usuario. ¿Automatizar un proceso de aprobación en Excel? Bubble Lab lo hace en una sola frase.

Estas 22 empresas se dividen en 4 grupos: Operaciones/SRE con IA (5), Pruebas/QA con IA (2), Automatización de flujos de trabajo con IA (7), Infraestructura para desarrollo de agentes (8).

Resumen: 4 conclusiones clave

1. IncidentFox es el producto más completo entre estas 22 empresas. Fundada por ex ingenieros de Roblox (con infraestructura que soportó más de 100 millones de usuarios activos diarios), open source, más de 300 integraciones preconfiguradas, despliegue en menos de un día. La diferencia principal no es “analizar logs con IA” (cualquiera puede hacerlo), sino “descubrir automáticamente tu stack tecnológico e integrar sin esfuerzo”, eliminando la parte más dolorosa del onboarding.

2. La combinación de Operaciones/SRE con IA (5) y Pruebas/QA con IA (2) busca transformar la garantía de calidad del código de un proceso intensivo en mano de obra a uno intensivo en agentes. La monitorización tradicional, resolución de bugs y pruebas de regresión requieren mucho tiempo de ingenieros. Estas 7 empresas apuestan a que sus agentes detecten y localicen problemas más rápido que humanos, 24/7.

3. La automatización de flujos de trabajo (7) es la más diversa y con mayor base de usuarios. Comparten la idea de “permitir que personas que no programan usen IA para automatizar tareas”—RamAIn manipula cualquier software con visión por computadora, Bubble Lab crea automatizaciones con una sola frase, Jinba automatiza flujos empresariales mediante chat. No están dirigidas a desarrolladores, sino a todos los trabajadores del conocimiento.

4. La infraestructura para desarrollo de agentes (8) es la más “meta”—herramientas para quienes crean agentes. Emdash ofrece un entorno open source, Overshoot una plataforma de visión artificial, Glue un lienzo para diseñar interfaces de agentes. La lógica es similar a la infraestructura “básica” de agentes que mencionamos en el artículo de fintech: cuando los agentes proliferan, las herramientas para crearlos se vuelven imprescindibles.

Subcategoría 1: Operaciones/SRE con IA—IncidentFox, Mendral, Corelayer, Sonarly, Lucent

Cinco empresas que abordan diferentes aspectos de lo mismo: reemplazar a los ingenieros de operaciones con IA.

IncidentFox

Sitio web:

Agente IA SRE—autoasignación, investigación y reparación automática de incidentes en producción, integrado en Slack.

Datos clave: open source (Apache 2.0), más de 420 estrellas en GitHub, más de 300 integraciones, soporta Kubernetes/AWS/Grafana/Prometheus/Datadog/PagerDuty/GitHub.

Modelo de negocio: núcleo open source + versión empresarial (sandbox seguro, proxy de credenciales, gestión multi-equipo). Despliegue en menos de 1 día.

Equipo destacado: Jimmy Wei—ex Roblox (funciones de comunicación social, más de 100 millones de usuarios activos), en Meta FAIR investigó IA conversacional multi-party, CS en Cornell. Long Yi—ex equipo de infraestructura de Roblox (bases de datos, soportó más de 100 millones de usuarios). Dos fundadores: uno crea IA, otro hace operaciones; experiencia complementaria perfecta.

Competidores/riesgos: PagerDuty, Incident.io (con más de $50M en financiamiento), Datadog, ServiceNow están expandiéndose en IA para operaciones. Pero la diferenciación de IncidentFox radica en “generar integraciones automáticamente”—otros requieren semanas de trabajo manual para conectar sistemas internos, mientras que IncidentFox analiza tu código y logs históricos para generar automáticamente las integraciones.

Otros puntos destacados: cumple con SOC 2. Cada investigación corre en contenedores aislados, los agentes no ven claves originales. Además, lanzaron el plugin Claude Code para desarrolladores individuales.

La idea central de IncidentFox: las fallas en las herramientas de operaciones con IA no se deben a modelos débiles, sino a integración insuficiente. Tu equipo de pagos usa Kafka propio, tu infraestructura tiene sistemas propios, tu equipo de ML usa modelos internos—las herramientas genéricas no se conectan. IncidentFox analiza tu código y logs, detecta qué integraciones faltan y las genera automáticamente, solo requiere aprobación humana.

Chris Lu en Twitter describió IncidentFox como “ingeniero IA SRE que repara incidentes en producción de forma independiente”. Este enfoque es tanto una bendición como una amenaza para los ingenieros de operaciones.

Mendral (90,000 visitas mensuales) se enfoca en IA para DevOps—más en tareas diarias como integración continua, despliegue y configuración de entornos, a diferencia de IncidentFox que es “reparación post-mortem”.

Corelayer (40,000 visitas mensuales) crea “ingenieros de operaciones AI impulsados por datos”—enfatiza la depuración basada en datos, no con conjeturas, sino con correlación automática de métricas y logs.

Sonarly (20,000 visitas mensuales) desarrolla un agente AI para alertas en producción—clasifica, deduplica y relaciona alertas masivas para identificar las que requieren atención humana.

Lucent (160,000 visitas mensuales) automatiza la revisión de sesiones para detectar bugs desde la experiencia del usuario—no busca bugs en código, sino en sesiones de usuario, detectando lentitud, errores y anomalías, y creando tickets en Slack y Linear con contexto completo.

La fundadora, Alisa Rae, tiene una historia interesante: australiana, fundó y vendió una startup educativa, fue la segunda empleada de MagicBrief (adquirida por Canva), trabajó en Atlassian en un editor de texto enriquecido. Tras ser rechazada en su primera aplicación a YC, insistió en hacerlo sola, consiguió $2M en seed, y fue aceptada en la segunda ronda. Es usada por más de 30 empresas YC; los fundadores reportan: “en la primera semana detectamos 7 bugs nunca vistos” y “la inversión se recuperó en la primera semana”. El 94% de los usuarios no reporta bugs, solo abandona—esa es la razón de ser de Lucent.

La lógica común en estas 5 empresas: la mayor parte del tiempo de los ingenieros de operaciones no es en “arreglar problemas”, sino en “encontrar problemas”. Analizan señales de múltiples sistemas, revisan logs, verifican cambios recientes—esto ocupa el 80% del tiempo de reparación. Los agentes IA pueden consultar todas las fuentes simultáneamente, correlacionar en segundos, reduciendo el tiempo de búsqueda de horas a minutos.

Subcategoría 2: Pruebas/QA con IA—Canary, Ashr

Dos empresas en IA para testing.

Canary

Sitio web:

El primer “ingeniero QA IA que entiende tu código”—entiende tu código antes de generar pruebas. No es una herramienta de testing genérica, sino que primero comprende la lógica del código y luego genera casos de prueba específicos. Las herramientas tradicionales generan casos que a menudo no reflejan la lógica real.

Ashr

Automatiza pruebas multimodales con agentes—no solo texto, sino también imágenes, videos y audio. A medida que las aplicaciones IA usan más entradas y salidas multimodales, las herramientas de testing deben seguir el ritmo.

Subcategoría 3: Automatización de flujos de trabajo con IA—RamAIn, Bubble Lab, Jinba, Ressl AI, EigenPal, Carson, Crow

El grupo más amplio—usuarios no solo desarrolladores, sino todos los que necesitan automatizar tareas.

RamAIn

Sitio web:

“El computador más rápido del mundo usa agentes”—enseña a IA a operar tu PC como un humano, moviendo datos entre navegador y aplicaciones de escritorio.

Datos clave: 35,000 visitas mensuales, ya en uso en compras, seguros, salud y finanzas. Despliegue en días.

Equipo destacado: dos estudiantes del IIT Delhi—CEO Shourya, antes en McKinsey en proyectos de IA empresarial, fundó Genoshi (estudio de IA con ingresos de seis cifras), jugador de ajedrez FIDE 2118, representó a India en 17 países.

Modelo de negocio: empresarial—moviliza datos entre sistemas heredados, aplicaciones de escritorio y portales web. Clientes: equipos de compras (ERP + portales de proveedores), corredores de seguros, hospitales, finanzas.

Competidores/riesgos: Anthropic Computer Use, OpenAI Operator—mayores amenazas. Diferenciador: “preentrenamiento en interfaces específicas”—en lugar de RPA genérico lento y costoso, RamAIn aprende tu interfaz y la automatiza, además tiene capacidad de auto-curación si la UI cambia.

Bubble Lab (19,000 visitas mensuales)

“Un solo prompt, automatización permanente”—convierte tareas repetitivas en flujos automáticos con una sola frase. Más simple que Zapier—que requiere configurar disparadores y pasos, Bubble Lab solo necesita que describas qué quieres automatizar.

Jinba (17,000 visitas)

“Automatiza cualquier flujo empresarial mediante chat”—en interfaces de chat, dispara aprobaciones, transferencia de datos, integración de sistemas.

Ressl AI (17,000 visitas)

Agente para configuración de ERP/CRM—configura y personaliza sistemas como Salesforce o SAP, que suelen ser complejos. Ressl AI usa IA para hacer estas configuraciones.

EigenPal (9,000 visitas)

Flujos de trabajo de documentos IA para empresas. Carson crea espacios de trabajo IA en escritorio (ya detallado en el artículo de OpenClaw). Crow (25,000 visitas) permite a usuarios controlar aplicaciones SaaS mediante chat—agrega una capa de chat IA a cualquier producto, sin que el usuario aprenda interfaz.

El grupo de 7 empresas comparte la idea: la programación con IA reduce la barrera de entrada para “escribir código”, pero la mayoría de tareas no requieren programar—solo encadenar herramientas y automatizar procesos repetitivos. Estas empresas hacen “automatización sin código”.

Subcategoría 4: Infraestructura para desarrollo de agentes—Emdash, Overshoot, Cardboard, Glue, Sila, Valgo, SideKit, Wideframe

Herramientas para quienes crean agentes.

Emdash (23,000 visitas)

Entorno open source para desarrollo de agentes—más de 60,000 descargas, 2,430 estrellas en GitHub. Soporta múltiples agentes en paralelo, con cualquier proveedor de modelos. Similar a la anterior de “1 código”, pero más abierta y agnóstica a modelos.

Sitio web:

Overshoot (16,000 visitas)

Plataforma de visión artificial para construir y ejecutar aplicaciones IA visuales. Con la proliferación de modelos multimodales, “IA que puede ver” es un segmento en rápido crecimiento.

Cardboard (7,000 visitas)

Editor de video para agentes—autoedición, montaje, subtítulos y efectos. La producción de video tradicional requiere habilidades y software caros; Cardboard busca reducir la barrera a “solo dime qué quieres”.

Glue

Diseña interfaces front-end para agentes—cuando un agente necesita una interfaz visual, Glue ayuda a crearla. La demanda crecerá a medida que más agentes requieran paneles visuales.

Sila

Infraestructura de comunicación entre agentes—permite que múltiples agentes colaboren intercambiando mensajes.

Valgo (3,000 visitas)

Verificación de seguridad de algoritmos en sistemas autónomos.

SideKit (2,000 visitas)

Solución integral para despliegue de apps móviles—poco común en empresas no IA.

Wideframe

Asistente IA para edición de videos.

En conjunto: 22 empresas

Observaciones:

Primero, las operaciones con IA (5) son las más maduras—IncidentFox ya open source, con más de 300 integraciones y cumplimiento SOC 2. No es casualidad—las operaciones son uno de los escenarios donde la IA demuestra más valor: reducir tiempos de reparación de horas a minutos, con resultados medibles.

Segundo, la automatización de flujos (7) compite principalmente con herramientas existentes como Zapier, Make, n8n. La IA las hace “más inteligentes”, pero estas también integran IA rápidamente. Para que estas pequeñas empresas sobrevivan frente a un gigante como Zapier (valorada en más de $5,000 millones), deben encontrar nichos estrechos.

Tercero, la infraestructura para agentes (8) es la apuesta a largo plazo. Hoy, hay pocos agentes y la infraestructura no es evidente, pero si la economía de agentes realmente explota (como en fintech, donde Sponge ya abre cuentas bancarias), las herramientas para crearlos serán la próxima gran infraestructura en la nube.

Cuarto, todas estas 22 empresas son B2B—como en toda esta serie, YC W26 es un batch completamente B2B. Las herramientas IA se venden a empresas y desarrolladores, no a consumidores.

Implicaciones para equipos en China

Primero, la demanda de operaciones con IA en China es enorme. Las grandes empresas de internet (ByteDance, Alibaba, Tencent, Meituan) no tienen menor escala que en EE.UU., pero sus herramientas de IA aún no están muy desarrolladas. Los sistemas de monitoreo (ARMS de Alibaba, APMPlus de ByteDance) no han impulsado tanto la IA como Datadog. Si algún equipo desarrolla una “versión china de IncidentFox”—integrando sistemas de monitoreo nacionales, logs en chino, entendiendo la stack local—el mercado existe.

Segundo, la automatización de flujos en China tiene un escenario especial—DingTalk y Feishu. Estas plataformas son las principales puertas de entrada al trabajo en empresas chinas, pero su automatización aún es básica. Si algún equipo desarrolla “automatización IA en DingTalk/Feishu” (como Jinba en Slack), será más fácil que construir una plataforma desde cero.

Tercero, las herramientas de desarrollo de agentes en China aún están vacías. EE.UU. ya tiene Emdash, Glue, Sila en diferentes etapas; en China no hay herramientas equivalentes. A medida que crecen los desarrolladores de agentes, este mercado se abrirá.

Conclusiones clave para China

1. La principal limitación en operaciones con IA no es la capacidad del modelo, sino la profundidad de integración. La idea de IncidentFox de “generar integraciones automáticamente” es una lección para todos los equipos de herramientas empresariales IA—si tu IA no puede conectarse a los sistemas del cliente, no sirve de mucho.

2. La “automatización sin código” se está convirtiendo en una categoría independiente. El tráfico de RamAIn, Bubble Lab y Crow demuestra que la demanda es real. Estas herramientas no están dirigidas a desarrolladores, sino a todos los trabajadores del conocimiento—el mercado es 10 veces mayor que las herramientas para desarrolladores.

3. La infraestructura para crear agentes es una apuesta a largo plazo—correcta en estrategia, pero no rentable a corto plazo. Como en 2010 con infraestructura cloud—al principio parecía exceso, pero cuando explotó la demanda, esa infraestructura se volvió muy lucrativa. Lo mismo puede pasar con la infraestructura de agentes.

4. Sumando estas 22 empresas y las 12 del artículo anterior, el total en DevTools en W26 es de 34—el mayor en toda la serie. Esto refleja un hecho: la IA primero transforma la forma de crear software, y luego impacta otras industrias. Las herramientas para desarrolladores son la “base” de la IA.