IA en materiales críticos: Scimplify pasa de 18 meses a 2 para romper la dependencia de China

Dos meses en lugar de 18. Esa es la diferencia que, según su cofundador Sachin Santhosh, Scimplify logró en algunos proyectos entre recibir los requisitos de un cliente y entregarle el material terminado. La startup india acaba de levantar $25 millones para convertir la IA en materiales críticos en un negocio de $200 millones anuales, y la clave no está solo en el algoritmo, sino en cómo lo conecta con fábricas reales.

La ronda, estratégica y 100% en capital, fue liderada por Hitachi Ventures. Entraron como nuevos inversores dos de sus propios clientes, Henkel y Teknor Apex, y repitieron Accel India, Bertelsmann India Investments, Omnivore y 3one4 Capital. Según una persona familiar con la operación citada por TechCrunch, la valoración post-money es de $250 millones, frente a los $150 millones tras su Serie B de $40 millones en marzo de 2025. La empresa declinó confirmar la cifra. El capital total levantado asciende a $80 millones.

Los números operativos explican el apetito de los inversores. Fundada en 2023 en Bengaluru, Scimplify tiene un run rate anualizado de unos $200 millones, el triple que hace un año, y apunta a $400 millones en los próximos 12 meses. Sirve a más de 1.000 clientes en más de 40 países, entre ellos BASF, TDK y Hitachi. Además, lleva dos meses con EBITDA positivo y espera ser rentable después de impuestos este mes. En Estados Unidos, su run rate pasó de $10 millones a unos $60 millones en un año, y los clientes fuera de India aportan ya más de la mitad de los ingresos, frente a menos del 5% hace 18 meses.

Cómo funciona el modelo: agentes de IA arriba, fábricas abajo

Scimplify no es una fábrica ni un laboratorio de descubrimiento de moléculas. Cuando recibe un pedido, desarrolla el proceso de fabricación química en sus laboratorios de Bengaluru e Hyderabad y luego lo transfiere a fábricas socias para la producción comercial. Su plataforma propia, Scinode, coordina el trabajo con agentes de IA especializados en investigación, manufactura y control de calidad. Identifica rutas de producción e instalaciones adecuadas, y vigila los requisitos regulatorios. Cada agente «trabaja hacia atrás» desde lo que pide el cliente y conserva su contexto para futuros pedidos.

La IA no opera sola: unos 70 científicos de una plantilla de 340 personas supervisan la producción en una red de más de 500 plantas. WireUnwired subraya precisamente ese reparto entre agentes y supervisión humana. El 90% de la manufactura sigue en India, pero la empresa planea sumar producción en EE. UU. y Japón. De los fondos, $7,5 millones irán a la expansión estadounidense y solo $2 millones a seguir desarrollando Scinode.

El contexto geopolítico empuja la demanda. Energía, electrónica y defensa ya suman entre el 45% y el 50% de los ingresos, frente a menos del 15% de hace un año. La startup trabaja en derivados de tungsteno a partir de chatarra y en tierras raras. TechBuzz añade que China controla cerca del 80% de la capacidad mundial de procesamiento de tierras raras, un dato que ilustra el riesgo de concentración que sus clientes quieren mitigar.

Qué puedes aplicar de la IA en materiales críticos en tu empresa

Aunque no fabriques químicos, el caso deja lecciones transferibles a cualquier organización con una cadena de suministro concentrada en pocos proveedores o países:

Aplica la IA al cuello de botella, no al titular. El problema no era descubrir materiales, sino industrializarlos: procesos, calificación de plantas y calidad. Scimplify atacó esa fase lenta y compleja. Pregúntate dónde pierde meses tu operación.

Diseña agentes por función, con el cliente como punto de partida. Un agente por área (investigación, producción, calidad) y memoria del contexto del cliente es un patrón similar al que analizamos en la arquitectura multiagente de Spotify.

Orquesta activos ajenos en lugar de construirlos. Scimplify coordina 500 plantas sin ser dueña de ellas, una lógica de modelo ligero que recuerda a cómo Destro orquesta robots en logística sin fabricarlos.

Mantén humanos en el circuito donde hay riesgo. En química, defensa o semiconductores, un error de calidad cuesta caro. La supervisión científica es parte del producto, no un lastre.

Invierte donde está el cuello de botella real. Solo $2 millones van a la plataforma de IA frente a $7,5 millones para la red física en EE. UU. La IA acelera, pero la capacidad productiva sigue siendo física.

Diversifica antes de la crisis. Mapea qué insumos dependen de un solo país o proveedor y empieza a calificar fuentes alternativas. Es el mismo razonamiento que lleva a muchas empresas a replantear su dependencia de proveedores tecnológicos.

¿Cuándo es el momento?

La señal más clara es que los propios clientes (Henkel, Teknor Apex, Hitachi) invirtieron en el proveedor. Cuando quien compra decide financiar a quien le diversifica el suministro, la ventana de adopción ya está abierta. Esperar a que el riesgo se materialice significa negociar bajo presión y con plazos de 12 a 18 meses que nadie puede permitirse.

Una cautela: los plazos de dos meses son casos concretos, no la norma. Santhosh admite que los tiempos varían según el proyecto, y la valoración proviene de una fuente anónima. Valida con pilotos acotados antes de comprometer volúmenes críticos.

El mensaje de fondo

La IA en materiales críticos demuestra que la ventaja competitiva no siempre está en el modelo más sofisticado, sino en comprimir el tiempo entre una necesidad y un producto en la mano del cliente. Si tu negocio depende de insumos que nacen en un solo país, la pregunta ya no es si diversificar, sino cuántos meses puedes ahorrar si empiezas hoy. ¿Qué parte de tu cadena de suministro tardaría 18 meses en reaccionar a un corte?