TL;DR:
- Skan AI obtuvo 63 millones de dólares en una Serie C co-liderada por Cathay Innovation y Dell Technologies Capital.
- Su plataforma observa flujos de trabajo en aplicaciones empresariales y convierte esos patrones en contexto para agentes de IA.
- La compañía describe controles para proteger los datos, aunque la observación de empleados abre preguntas sobre vigilancia y uso laboral.
Skan AI anunció el 12 de agosto de 2026 una Serie C de 63 millones de dólares co-liderada por Cathay Innovation y Dell Technologies Capital, con participación de Citi Ventures, Bloomberg Beta, State Farm Ventures y Wipro Ventures. La startup usará el capital para ampliar una plataforma que observa cómo los empleados navegan por aplicaciones empresariales, convierte esos patrones en un “context graph of work” y los emplea para planear y ejecutar agentes de IA. La apuesta busca resolver el desfase entre los procesos documentados y el trabajo real, pero también coloca la vigilancia laboral en el centro de su expansión.
Cómo convierte las pantallas en instrucciones para agentes
El punto de partida es un sensor instalado en las computadoras de los empleados. Según Skan AI, el software captura cómo el trabajo pasa por distintas aplicaciones, incluidos los cambios de pantalla, las secuencias, las excepciones y las decisiones que no suelen aparecer en un manual de procedimientos ni en los registros internos.
La plataforma abstrae esas observaciones y las organiza en lo que la empresa llama un “context graph of work”, un modelo vivo de cómo funciona una organización. A partir de miles de casos, Skan AI construye un procedimiento operativo para cada agente con los pasos, reglas, decisiones y rutas de excepción que necesita para ejecutar una tarea.
Avinash Misra, cofundador y CEO de Skan AI, resumió la tesis con una comparación: “Todos están obsesionados con construir un auto mejor. Nosotros creemos que la mayor oportunidad es construir un mejor sistema de navegación”.
La oferta reúne tres capas. Skan AI Blueprint identifica procesos que podrían automatizarse, establece prioridades y calcula un retorno estimado. Skan AI Intelligence analiza variantes, cuellos de botella y oportunidades. Skan AI Agents toma ese contexto y ejecuta los flujos con permisos, reglas, supervisión humana y registros para auditoría. La ronda coincide con la disponibilidad general de Blueprint y Agents.
Las grandes cifras todavía son datos de la empresa
Skan AI afirma que sus ingresos crecieron más de 300% interanual y que su retención neta en dólares promedia 150%. Esta última cifra indica que, en conjunto, los clientes existentes elevaron 50% su gasto después de considerar ampliaciones, reducciones y cancelaciones. La compañía también asegura haber procesado más de 25,000 millones de señales de trabajo y prestar servicio a una cuarta parte de las empresas de la lista Fortune 50 y a siete de los diez bancos más grandes de Estados Unidos.
El ejemplo más detallado procede de un banco estadounidense cuyo nombre no fue divulgado. Skan AI dice que observó 11.2 millones de cambios de contexto entre 1,500 profesionales de finanzas y detectó 37 millones de dólares en fricción operativa. De acuerdo con la empresa, los agentes redujeron 32% el costo por transacción, elevaron 41% el volumen procesado y generaron 18 millones de dólares en ahorros anualizados.
El comunicado atribuye a la plataforma más de 500 millones de dólares en valor acumulado para sus clientes. The Next Web señaló que estas métricas proceden de Skan AI y que la empresa no identificó un auditor para ese cálculo. Sin una metodología pública que permita reproducirlo, el monto debe leerse como un resultado declarado por la compañía, no como un ahorro verificado de manera independiente.
La privacidad forma parte del producto
Observar pantallas en bancos, aseguradoras y empresas de salud obliga a tratar la protección de datos como parte de la arquitectura. Skan AI sostiene que las capturas sin procesar y la información sensible permanecen dentro del entorno del cliente. Antes de transmitir datos, el agente puede ocultar campos sensibles y sustituir los identificadores de empleados por tokens; la capa analítica recibe metadatos anonimizados y abstraídos.
La empresa también describe listas de aplicaciones autorizadas, acceso limitado por funciones, periodos de conservación definidos por cada cliente y registros de auditoría. Son controles relevantes para reducir la exposición de información, pero no eliminan el carácter laboral de la observación. El empleador sigue obteniendo un mapa detallado de los procesos, las excepciones y el tiempo dedicado a cada tipo de tarea.
La misma capa que busca enseñar a los agentes cómo resolver casos reales puede servir para decidir qué trabajo automatizar, dónde intervenir y cómo medir a los equipos. Con esta ronda, Skan AI pasa de analizar procesos a ejecutar parte de ellos. Ese salto exige demostrar que los agentes funcionan y que la observación permanece limitada, transparente y auditable para las personas cuyo trabajo alimenta el sistema.
