es.wedoany.com Noticia: La startup de agentes de codificación con IA Niteshift ha obtenido una ronda de financiación semilla de 7 millones de dólares liderada por Jerry Chen de Greylock. Fundada por dos exingenieros tempranos de Datadog, la empresa también ha atraído a varios inversores ángeles destacados, entre ellos Reid Hoffman, Olivier Pomel y Alexis Lê-Quôc de Datadog, Ankur Goyal de Braintrust y Misha Laskin de Reflection AI.
Niteshift fue cofundada por Sajid Mehmood y Conor Branagan, quienes ayudaron a Datadog a crecer desde sus primeras etapas hasta alcanzar una valoración de miles de millones de dólares. La empresa incursiona en el abarrotado campo de la codificación con IA con una idea central: ¿por qué las empresas deberían confiar su activo más sensible —el código que ejecuta sus productos— directamente a fabricantes de modelos como OpenAI y Anthropic? Estas compañías están constantemente "aniquilando" startups y empresas mediante el lanzamiento de aplicaciones competitivas. El CEO Mehmood compara esta situación con la etapa de crecimiento temprano de Datadog, cuando la empresa de monitoreo ganó clientes de comercio electrónico que se negaban a construir sobre Amazon Web Services (AWS). En ese entonces, Amazon estaba cerrando muchas tiendas minoristas, en lo que se conoció como el "apocalipsis minorista".
Mehmood cree que algo similar está ocurriendo en el ámbito de la IA. Empresas como Anthropic y OpenAI están incursionando rápidamente en el mercado de software vertical, lo que algunos denominan el "apocalipsis del SaaS". Señala que ya durante su etapa en Datadog se veía claramente esta tendencia, y una gran parte del negocio multicloud provenía de empresas de comercio electrónico que no querían operar en Amazon. Cuando Anthropic comience a competir en áreas como derecho, medicina y finanzas, la misma dinámica se repetirá.
La empresa considera que las empresas necesitarán cada vez más una infraestructura que separe los modelos de codificación de las demás tareas de orquestación necesarias para garantizar que el código generado por IA sea revisado y mantenido adecuadamente, y que tenderán a elegir proveedores sin una agenda competitiva. Niteshift no reemplaza a Claude Code ni a Codex, los dos agentes de codificación más populares, sino que afirma reducir la dependencia de ellos.
La nube de codificación con IA de Niteshift enruta entre diferentes modelos según las necesidades de cada proyecto, incluyendo opciones de código abierto y otros modelos. Mehmood destaca que es importante poder cambiar entre GPT y modelos en la nube, porque todos temen ser desplazados por estos gigantes. Chen, de Greylock, señala que, a medida que los laboratorios fronterizos se mueven hacia capas superiores de la pila, surge la oportunidad de ofrecer a los clientes una ruta alternativa: desacoplar sus agentes de la infraestructura subyacente. Niteshift está construyendo una plataforma que logra esto para los agentes de codificación, permitiendo a los clientes invertir profundamente en sus herramientas de desarrollo sin quedar atrapados en un único modelo o proveedor de agentes.
Niteshift no vende tokens, sino infraestructura, y cobra por minuto de uso, como un proveedor de nube. Mehmood explica que otros venden inteligencia para reemplazar mano de obra, mientras que Niteshift vende software a los agentes, no a los humanos, pero la empresa sigue vendiendo software. La empresa ingresa a un mercado saturado de herramientas de codificación con IA, donde la independencia de modelos no es una idea novedosa y los competidores tienen ventaja de ser los primeros. Estos competidores incluyen a Cursor, Cognition (que acaba de recaudar 1.000 millones de dólares con una valoración de 26.000 millones), Amazon Bedrock y la plataforma de puerta de enlace de IA OpenRouter (que acaba de recaudar 113 millones de dólares con una valoración de 1.300 millones). Mehmood cree que la sólida experiencia del equipo fundador es clave para enfrentar la competencia. Él y Branagan vivieron de primera mano, durante la escalabilidad de Datadog, los dolores de crecimiento que enfrentan las grandes organizaciones de ingeniería al usar código generado por IA. El equipo necesita ejecutar, probar y validar software de forma autónoma en su entorno de producción real, y necesita una infraestructura construida por quienes ya han realizado estas operaciones a gran escala.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
