La startup estadounidense BrightAI ha anunciado una ronda de 97 millones de dólares liderada por Smith Point Capital, el fondo de crecimiento fundado por el exconsejero delegado de Salesforce Keith Block. Con ella, la empresa acumula 184 millones en financiación. Su fundador, Alex Hawkinson, propone una idea sencilla: dejar de revisar a mano las infraestructuras y vigilarlas de forma continua con sensores e inteligencia artificial.
Hawkinson lo resume con una imagen. En el centro de demostraciones de la compañía guarda objetos de la Antigua Roma y una frase para acompañarlos: «Los romanos se están riendo de nosotros». Los romanos enviaban equipos de técnicos a intervalos fijos para revisar sus caminos y acueductos. Dos mil años después, las eléctricas, las compañías de agua y los operadores de oleoductos siguen haciendo lo mismo.
El problema de las revisiones programadas
Según Hawkinson, dos de cada tres visitas no encuentran nada que arreglar, y los fallos que importan ocurren entre una revisión y otra. Dice haberlo comprobado preguntando a técnicos de distintas industrias con qué frecuencia les mandan a revisar algo sin encontrar un problema: la respuesta ronda entre el 50% y el 70% de las veces. La propia empresa es más prudente en sus cifras y habla de más de la mitad de las inspecciones programadas.
Al principio, Hawkinson pensó que los operadores lo hacían mal. Después cambió de opinión. Si se envían menos equipos, algo se rompe de forma catastrófica, así que se mandan más. Pero si se mandan más, la mano de obra, cara y a menudo peligrosa, se vuelve inasumible. Los operadores acaban en un punto intermedio en el que, según él, incluso los mejores técnicos hacen trabajos innecesarios mientras los fallos se les escapan igualmente.
Su ejemplo favorito es el poste de madera. Calcula que en Estados Unidos hay unos 150 millones de postes, «palitos de cerilla clavados en el suelo», y que cada uno recibe una inspección humana aproximadamente cada ocho o diez años. El incendio de Camp Fire, en 2018, el más mortífero de California, causó 85 muertes después de que cediera un gancho desgastado de una torre de transmisión de PG&E. Cal Fire atribuyó a las líneas de la compañía el origen del fuego. Para Hawkinson, ese gancho era invisible hasta que se rompió.
Una cifra de 7 billones de dólares
BrightAI sostiene que el despilfarro mundial asociado a este modelo supera los 7 billones de dólares al año. La cifra es suya: la compañía dice haber encuestado a 12.158 operadores de 16 industrias y estima un impacto anual abordable de más de 7,5 billones. También afirma que el 98% de esos operadores no tiene visibilidad suficiente sobre sus activos. En su cálculo suma los viajes inútiles, la mano de obra y el coste de dejar que las cosas se rompan, que según Hawkinson es mucho más caro que mantenerlas.
Estudios externos apuntan en la misma dirección, aunque con otra cifra. Los que cita la empresa, del Departamento de Energía de Estados Unidos, la EPA, Swiss Re y el National Safety Council, sitúan solo el coste de los fallos de infraestructura en 2,5 billones de dólares al año.
Los ejemplos de Hawkinson son cotidianos, y ahí está parte de su argumento. Cita a una compañía de agua británica con cerca de mil bombas que no sabe cuáles fallarán a continuación. Su personal, escaso, corre de un lado a otro intentando localizarlas. Cuando llueve fuerte, las bombas averiadas vierten aguas residuales sin tratar a los ríos.
También hay despilfarro en cambiar piezas que están bien. Un director de operaciones de un cliente sospechaba que su empresa sustituía las bujías de sus máquinas demasiado pronto, con un coste de decenas de millones de dólares al año. Al cruzar los datos de los sensores, los modelos de BrightAI concluyeron que cerca de la mitad de los reemplazos eran prematuros. La decisión depende de unas 30 variables que ningún técnico seguiría a mano.
Un tipo de dato que no existía
El producto de la compañía se llama Stateful. Combina sensores instalados en postes, tuberías, compresores y depósitos con robots autónomos, drones y asistentes de inteligencia artificial que los equipos de campo llevan puestos. La empresa asegura que opera en más de 50.000 ubicaciones y que procesa decenas de billones de lecturas de sensores. Entre sus clientes figuran GE Vernova, Osmose Utilities Services, Azuria Water Solutions, Kodiak Gas Services y Diamondback Energy.
Hawkinson afirma que, de media, sus clientes detectan un problema 51 días antes de lo que habría sido un fallo catastrófico. Con ese historial de desgaste real, las compañías podrían dejar de pagar viajes que no encuentran nada.
GE Vernova, cuyos equipos ayudan a generar cerca de una cuarta parte de la electricidad mundial, ya era cliente y ahora también ha invertido. Hawkinson explica que BrightAI no pensaba aceptar dinero de inversores estratégicos en esta ronda, pero que GE Vernova insistió. La empresa usará la plataforma en sus negocios de energía, eólica y electrificación. Otros inversores son Cobalt Capital, Marlinspike Partners y Zero Infinity Partners, además de los fondos que ya estaban, como Khosla Ventures, Inspired Capital y Upfront Ventures.
Crecer fuera de Norteamérica
Gran parte del dinero irá a llevar la plataforma por el mundo. BrightAI dice que cerca del 60% de su mercado potencial está fuera de Norteamérica y que abrirá oficinas en el extranjero tras haber duplicado su plantilla en 2025. Antes, según Hawkinson, incorporar un cliente nuevo tardaba entre dos y tres años; ahora tarda menos de seis meses.
Su próximo año, afirma, consistirá en pasar de un concepto demostrado a despliegues a gran escala con las mayores eléctricas. Mientras tanto, la mayoría de los postes de madera de Estados Unidos seguirán revisándose como en tiempos de Roma, una vez cada década.




