¿Qué hace la plataforma de Kumo AI?

La plataforma de Kumo permite a las empresas generar predicciones directamente desde sus bases de datos relacionales —como Snowflake, Databricks o SAP— sin necesidad de realizar una ingeniería de características manual ni de trabajar con esquemas fijos . Su producto estrella es KumoRFM, y en abril de 2026 lanzó su evolución, KumoRFM-2. Estos son modelos fundacionales relacionales preentrenados capaces de responder preguntas predictivas casi al instante: desde el valor del ciclo de vida del cliente o la probabilidad de abandono, hasta la siguiente mejor acción, la detección de fraude o la calificación del riesgo crediticio .

Basta con que un modelo de Kumo apunte a los datos de una empresa, el usuario defina el objetivo de la predicción, y el sistema genere resultados sin necesidad de entrenamiento adicional . La plataforma da servicio a más de 15 industrias, incluyendo servicios financieros, retail, medios de comunicación y salud .

Cómo funciona la tecnología de redes neuronales de grafos de Kumo

El corazón de la plataforma es una arquitectura propietaria de Red Neuronal de Grafos Híbrida (Hybrid GNN) . Esta tecnología trata entidades como clientes, productos o transacciones como nodos, y sus conexiones —relaciones de clave primaria y foránea— como aristas dentro de un grafo .

Sus mecánicas clave son:

• Paso de mensajes: Cada nodo agrega información de sus vecinos a través del grafo. Tras varias capas de este proceso, los nodos aprenden de toda la estructura conectada, no solo de sus atributos individuales .
• Sin necesidad de aplanar datos: El aprendizaje automático tradicional aplana los datos relacionales en filas, destruyendo el contexto de las relaciones. Las GNN operan directamente sobre la estructura de grafo nativa, preservando las conexiones y los patrones temporales .
• Aceleración por GPU: Los modelos están diseñados para alcanzar su máximo rendimiento sobre las GPU de Nvidia, lo que desbloquea el desempeño necesario para predicciones a escala empresarial .

Además, Kumo combina sus GNN con grandes modelos de lenguaje (LLM) para lograr un modelado predictivo más rico .

Valor de la operación

Aunque Nvidia no ha confirmado la cifra, el medio The Information fue el primero en informar de un acuerdo por "al menos 400 millones de dólares" . Otros medios como GuruFocus, Fortune y diversas fuentes financieras regionales han repetido esa misma cantidad . Dado que Nvidia no ha revelado los términos, la cifra debe tomarse como una estimación bien fundamentada, no como una confirmación oficial .

Clientes destacados

Entre los clientes y socios del ecosistema de Kumo que se han hecho públicos se encuentran DoorDash, Reddit, Databricks, Snowflake y SAP . Sus modelos ya impulsan aplicaciones de misión crítica que sirven a más de mil millones de usuarios en todo el mundo . Kumo ha publicado resultados de rendimiento como un incremento de 5,4 veces en conversión trabajando con Databricks, y una mejora de 5,5 veces en la precisión publicitaria en Reddit .

Los cofundadores

• Vanja Josifovski — Cofundador y CEO. Anteriormente fue CTO de Pinterest durante su salida a bolsa y CTO de Airbnb Homes .
• Jure Leskovec — Cofundador y Científico Jefe. Profesor en la Universidad de Stanford, lideró el desarrollo del aprendizaje profundo relacional y la tecnología GNN en Stanford, y posteriormente fue Científico Jefe en Pinterest .
• Dra. Hema Raghavan — Cofundadora y Jefa de Ingeniería. Fue directora sénior de ingeniería y líder de IA en LinkedIn, y fue incluida en la lista Female Founders 500 de Inc. en 2026 .

Los tres cofundadores tienen doctorado y se han unido a Nvidia como parte de la adquisición .

Capital de riesgo levantado

Kumo recaudó aproximadamente 37 millones de dólares (algunas bases de datos citan 36,5 millones) en dos rondas de financiación :

• Serie A (abril de 2022): 18,5 millones de dólares liderados por Sequoia Capital, con la participación de A Capital, SV Angel y Ron Conway .
• Serie B (septiembre de 2022): 18 millones de dólares, de nuevo con Sequoia al frente, junto a A Capital, SV Angel y varios inversores ángeles como Frank Slootman y Kevin Hartz .

Según datos de PitchBook, la valoración post-dinero de Kumo tras la Serie B era de aproximadamente 250 millones de dólares. El precio de adquisición superior a los 400 millones representa un crecimiento de cerca del 60% respecto a aquella ronda .

Encaje estratégico: más allá de la venta de hardware

La compra de Kumo encaja en un patrón que Jensen Huang, CEO de Nvidia, lleva años construyendo: transformar Nvidia de un proveedor de chips a una plataforma de IA de pila completa .

En esta operación convergen varias líneas estratégicas:

• Vender software, no solo silicio: Kumo proporciona a Nvidia un producto SaaS empresarial ya listo y optimizado para sus GPU, capaz de generar ingresos recurrentes más allá de los ciclos de venta de hardware .
• Reforzar el "círculo virtuoso" del hardware: Los modelos GNN de Kumo rinden mejor sobre las GPU de Nvidia. Cuando las empresas adoptan Kumo para sus análisis predictivos, se integran más profundamente en el ecosistema de Nvidia .
• Expandirse hacia la IA predictiva: Nvidia ya domina el entrenamiento de grandes modelos de lenguaje. El análisis predictivo orientado a usuarios de negocio —predicción de abandono, fraude, recomendaciones— representa un mercado adyacente de enorme tamaño .
• Adquirir talento y propiedad intelectual de primer nivel: Jure Leskovec es uno de los pioneros de las redes neuronales de grafos. Incorporar a su equipo y la arquitectura Hybrid GNN de Kumo dentro de Nvidia fortalece su capacidad de investigación y su habilidad para optimizar futuros chips para cargas de trabajo de IA relacional .
• Continuar un patrón de adquisiciones: Nvidia ha ido comprando de forma constante startups de software de IA —como Run:ai, Deci, Illumex y el acuerdo de "acqui-hire" de Groq por 20.000 millones de dólares a finales de 2025— para ensamblar una plataforma que abarca infraestructura, modelos y aplicaciones .

Esta operación replica un manual de estrategia conocido entre los grandes del sector tecnológico: comprar una empresa más pequeña con gran experiencia técnica y relaciones empresariales, para luego escalar su producto sobre la infraestructura propia. Para Nvidia, Kumo no es solo una apuesta por la IA predictiva, sino una maniobra para asegurar que la próxima generación de cargas de trabajo de IA empresarial se ejecute sobre Nvidia de principio a fin.

¿Qué hace la plataforma de Kumo AI?

La plataforma de Kumo permite a las empresas generar predicciones directamente desde sus bases de datos relacionales —como Snowflake, Databricks o SAP— sin necesidad de realizar una ingeniería de características manual ni de trabajar con esquemas fijos . Su producto estrella es KumoRFM, y en abril de 2026 lanzó su evolución, KumoRFM-2. Estos son modelos fundacionales relacionales preentrenados capaces de responder preguntas predictivas casi al instante: desde el valor del ciclo de vida del cliente o la probabilidad de abandono, hasta la siguiente mejor acción, la detección de fraude o la calificación del riesgo crediticio .

Basta con que un modelo de Kumo apunte a los datos de una empresa, el usuario defina el objetivo de la predicción, y el sistema genere resultados sin necesidad de entrenamiento adicional . La plataforma da servicio a más de 15 industrias, incluyendo servicios financieros, retail, medios de comunicación y salud .

Cómo funciona la tecnología de redes neuronales de grafos de Kumo

El corazón de la plataforma es una arquitectura propietaria de Red Neuronal de Grafos Híbrida (Hybrid GNN) . Esta tecnología trata entidades como clientes, productos o transacciones como nodos, y sus conexiones —relaciones de clave primaria y foránea— como aristas dentro de un grafo .

Sus mecánicas clave son:

• Paso de mensajes: Cada nodo agrega información de sus vecinos a través del grafo. Tras varias capas de este proceso, los nodos aprenden de toda la estructura conectada, no solo de sus atributos individuales .
• Sin necesidad de aplanar datos: El aprendizaje automático tradicional aplana los datos relacionales en filas, destruyendo el contexto de las relaciones. Las GNN operan directamente sobre la estructura de grafo nativa, preservando las conexiones y los patrones temporales .
• Aceleración por GPU: Los modelos están diseñados para alcanzar su máximo rendimiento sobre las GPU de Nvidia, lo que desbloquea el desempeño necesario para predicciones a escala empresarial .

Además, Kumo combina sus GNN con grandes modelos de lenguaje (LLM) para lograr un modelado predictivo más rico .

Valor de la operación

Aunque Nvidia no ha confirmado la cifra, el medio The Information fue el primero en informar de un acuerdo por "al menos 400 millones de dólares" . Otros medios como GuruFocus, Fortune y diversas fuentes financieras regionales han repetido esa misma cantidad . Dado que Nvidia no ha revelado los términos, la cifra debe tomarse como una estimación bien fundamentada, no como una confirmación oficial .

Clientes destacados

Entre los clientes y socios del ecosistema de Kumo que se han hecho públicos se encuentran DoorDash, Reddit, Databricks, Snowflake y SAP . Sus modelos ya impulsan aplicaciones de misión crítica que sirven a más de mil millones de usuarios en todo el mundo . Kumo ha publicado resultados de rendimiento como un incremento de 5,4 veces en conversión trabajando con Databricks, y una mejora de 5,5 veces en la precisión publicitaria en Reddit .

Los cofundadores

• Vanja Josifovski — Cofundador y CEO. Anteriormente fue CTO de Pinterest durante su salida a bolsa y CTO de Airbnb Homes .
• Jure Leskovec — Cofundador y Científico Jefe. Profesor en la Universidad de Stanford, lideró el desarrollo del aprendizaje profundo relacional y la tecnología GNN en Stanford, y posteriormente fue Científico Jefe en Pinterest .
• Dra. Hema Raghavan — Cofundadora y Jefa de Ingeniería. Fue directora sénior de ingeniería y líder de IA en LinkedIn, y fue incluida en la lista Female Founders 500 de Inc. en 2026 .

Los tres cofundadores tienen doctorado y se han unido a Nvidia como parte de la adquisición .

Capital de riesgo levantado

Kumo recaudó aproximadamente 37 millones de dólares (algunas bases de datos citan 36,5 millones) en dos rondas de financiación :

• Serie A (abril de 2022): 18,5 millones de dólares liderados por Sequoia Capital, con la participación de A Capital, SV Angel y Ron Conway .
• Serie B (septiembre de 2022): 18 millones de dólares, de nuevo con Sequoia al frente, junto a A Capital, SV Angel y varios inversores ángeles como Frank Slootman y Kevin Hartz .

Según datos de PitchBook, la valoración post-dinero de Kumo tras la Serie B era de aproximadamente 250 millones de dólares. El precio de adquisición superior a los 400 millones representa un crecimiento de cerca del 60% respecto a aquella ronda .

Encaje estratégico: más allá de la venta de hardware

La compra de Kumo encaja en un patrón que Jensen Huang, CEO de Nvidia, lleva años construyendo: transformar Nvidia de un proveedor de chips a una plataforma de IA de pila completa .

En esta operación convergen varias líneas estratégicas:

• Vender software, no solo silicio: Kumo proporciona a Nvidia un producto SaaS empresarial ya listo y optimizado para sus GPU, capaz de generar ingresos recurrentes más allá de los ciclos de venta de hardware .
• Reforzar el "círculo virtuoso" del hardware: Los modelos GNN de Kumo rinden mejor sobre las GPU de Nvidia. Cuando las empresas adoptan Kumo para sus análisis predictivos, se integran más profundamente en el ecosistema de Nvidia .
• Expandirse hacia la IA predictiva: Nvidia ya domina el entrenamiento de grandes modelos de lenguaje. El análisis predictivo orientado a usuarios de negocio —predicción de abandono, fraude, recomendaciones— representa un mercado adyacente de enorme tamaño .
• Adquirir talento y propiedad intelectual de primer nivel: Jure Leskovec es uno de los pioneros de las redes neuronales de grafos. Incorporar a su equipo y la arquitectura Hybrid GNN de Kumo dentro de Nvidia fortalece su capacidad de investigación y su habilidad para optimizar futuros chips para cargas de trabajo de IA relacional .
• Continuar un patrón de adquisiciones: Nvidia ha ido comprando de forma constante startups de software de IA —como Run:ai, Deci, Illumex y el acuerdo de "acqui-hire" de Groq por 20.000 millones de dólares a finales de 2025— para ensamblar una plataforma que abarca infraestructura, modelos y aplicaciones .

Esta operación replica un manual de estrategia conocido entre los grandes del sector tecnológico: comprar una empresa más pequeña con gran experiencia técnica y relaciones empresariales, para luego escalar su producto sobre la infraestructura propia. Para Nvidia, Kumo no es solo una apuesta por la IA predictiva, sino una maniobra para asegurar que la próxima generación de cargas de trabajo de IA empresarial se ejecute sobre Nvidia de principio a fin.