Adaption lanza AutoScientist, la IA que quiere automatizar el entrenamiento de modelos
Adaption lanza AutoScientist para automatizar fine-tuning y alineación de modelos de IA.
TL;DR:
Adaption presentó AutoScientist el 13 de mayo de 2026 para automatizar partes del entrenamiento y alineación de modelos de IA.
La compañía afirma que el sistema elevó win rates de 48% a 64% frente a configuraciones elegidas por sus propios investigadores.
El avance podría reducir la dependencia de equipos expertos dentro de laboratorios frontier, aunque sus resultados todavía dependen de evaluaciones internas.
Adaption, la startup cofundada por Sara Hooker, ex VP de AI research en Cohere, presentó AutoScientist el 13 de mayo de 2026, una herramienta que automatiza el ciclo de investigación detrás del fine-tuning y la alineación de modelos de IA. La promesa apunta directo a uno de los cuellos de botella más importantes del sector: hacer que más equipos puedan adaptar modelos a tareas específicas sin depender del conocimiento reservado a unos cuantos laboratorios frontier.
AutoScientist es un sistema de IA que co-optimiza datos y recetas de entrenamiento para adaptar un modelo a un objetivo específico. En términos simples: no solo ajusta el modelo; también decide cómo debe evolucionar el dataset y el proceso de entrenamiento para acercarse al comportamiento deseado.
La herramienta se apoya en Adaptive Data, la oferta previa de Adaption enfocada en construir datasets de mayor calidad con el tiempo. AutoScientist toma esos datos y los convierte en una ruta automatizada para entrenar modelos que mejoren de forma continua.
“Lo súper emocionante es que co-optimiza tanto los datos como el modelo, y aprende la mejor forma de aprender prácticamente cualquier capacidad”, dijo Hooker a TechCrunch. “Esto sugiere que por fin podemos permitir entrenamientos frontier exitosos fuera de estos laboratorios”.
El punto central no es que AutoScientist convierta cualquier modelo en un sistema frontier de la noche a la mañana. El punto real es más concreto: Adaption quiere reducir la fricción técnica que hoy separa a la mayoría de empresas y desarrolladores del entrenamiento serio de modelos.
Qué promete AutoScientist y qué todavía falta probar
Adaption afirma que AutoScientist automatiza el “research loop” completo detrás del entrenamiento y la alineación. Su sistema itera entre datos, configuraciones y resultados hasta que el modelo se acerca al objetivo descrito por el usuario.
Entre los puntos clave que la compañía destacó están:
- Co-optimización de datos y entrenamiento: AutoScientist ajusta el dataset y la receta de entrenamiento en paralelo.
- Mejora frente a configuración humana interna: Adaption reportó una mejora promedio de 35% frente a configuraciones elegidas por su propio equipo de investigación.
- Win rates de 48% a 64%: La compañía dice que, en agregado, el uso de AutoScientist elevó los resultados frente a recomendaciones humanas internas.
- Pruebas en 8 verticales: Adaption asegura que los resultados se sostuvieron en distintas áreas, tamaños de dataset y arquitecturas.
- Datasets de 5,000 a 100,000 ejemplos: Las pruebas citadas por la empresa cubren ese rango de datos.
- Acceso gratuito por 30 días: AutoScientist estará disponible sin costo durante el primer mes tras su lanzamiento.
La advertencia editorial es importante: esas cifras provienen de evaluaciones internas de Adaption. TechCrunch señala que benchmarks convencionales como SWE-Bench o ARC-AGI no aplican de forma directa porque AutoScientist se adapta a tareas específicas, no a una prueba pública única.
Implicator.ai también subraya ese límite: el salto de 48% a 64% no puede verificarse públicamente hasta que clientes externos usen sus propios datos y reporten resultados comparables.
“Nuestra visión en Adaption es que todo el stack debe ser completamente adaptable, y básicamente debe optimizarse sobre la marcha para cualquier tarea que tengas”, dijo Hooker.
La compañía llega con respaldo financiero. En febrero de 2026, Adaption levantó 50 millones de dólares en una ronda seed reportada por Implicator.ai, con participación de Emergence Capital, Mozilla Ventures y Fifty Years. El mismo reporte identifica a Sudip Roy, ex Cohere, como cofundador junto a Hooker.
El lanzamiento también aterriza en una carrera más amplia por llevar capacidades avanzadas de IA a equipos fuera de las grandes corporaciones. Axios reportó el mismo 13 de mayo de 2026 que Anthropic lanzó una oferta de Claude para pequeñas empresas, con integraciones para herramientas como QuickBooks, PayPal, HubSpot, Canva, DocuSign, Google Workspace y Microsoft 365.
La diferencia es que Adaption no está vendiendo solo un asistente de productividad. Está atacando una capa más profunda: cómo se construye y ajusta el comportamiento de un modelo.
“De la misma forma en que la generación de código desbloqueó muchas tareas, esto va a desbloquear mucha innovación en la frontera de distintos campos”, dijo Hooker.
AutoScientist todavía necesita demostrar su valor fuera del entorno controlado de Adaption. Si los resultados se sostienen con clientes reales, la herramienta podría abrir una vía para que startups, empresas medianas y equipos técnicos entrenen modelos más especializados sin cargar con toda la complejidad de un laboratorio frontier.
