Puesta en marcha de una agencia de codificación de IA Turno de noche ha recaudado una ronda inicial de 7 millones de dólares liderada por Jerry Chen de Greylock. Es una cantidad pequeña para los estándares de la IA, pero la startup, fundada por dos ex ingenieros de Datadog, ha atraído el interés de varios inversores de alto perfil como Reid Hoffman, Olivier Pomel y Alexis Lê-Quôc de Datadog, Ankur Goyal de Braintrust y Misha Laskin de Reflection AI.
Fundada por Sajid Mehmood y Conor Branagan, quienes ayudaron a hacer crecer Datadog desde su infancia hasta alcanzar una valoración multimillonaria, la compañía ingresó al mundo de la codificación de IA con una idea interesante: ¿por qué una empresa confiaría sus activos más sensibles (el código que ejecuta sus productos) directamente a modeladores como OpenAI y Anthropic, considerando que esas compañías están constantemente “matando” a nuevas empresas y negocios lanzando aplicaciones competidoras?
Mehmood, quien es director ejecutivo, lo comparó con el crecimiento inicial de Datadog, cuando la empresa de monitoreo se ganó a los clientes de comercio electrónico que se resistían a crear Amazon Web Services. Esta es una preocupación razonable, considerando que Amazon está sacando simultáneamente del negocio a muchas de estas tiendas minoristas en lo que se conoce como “apocalipsis minorista.”
La ecuación de la IA, según Mehmood, ya está funcionando. Anthropic, OpenAI y otros se están moviendo rápidamente hacia el mercado de software vertical, lo que algunos llaman SaaSpocalypse.
“En Datadog vemos esto claramente”, dijo Mehmood. “La mayor parte de nuestro negocio multinube proviene de empresas de comercio electrónico que no quieren operar en Amazon, ¿verdad?… Sin duda veremos la misma dinámica a medida que Anthropic compita en áreas legales, sanitarias, financieras y otras”.
La apuesta es que las empresas buscarán cada vez más infraestructuras que desacoplen los modelos de codificación de todas las demás orquestaciones necesarias para garantizar que el código generado por IA sea examinado y mantenido adecuadamente (y quieren proveedores sin agendas competitivas).
Para ser claros, Niteshift no reemplaza a Claude Code o Codex, las dos agencias de codificación más populares. Sostiene que esto reduce la dependencia de ellos.
La nube de codificación de IA de Niteshift enrutará esos modelos, junto con opciones de código abierto y otros, según las necesidades de cada proyecto.
“Poder cambiar entre los modelos GPT y Claude es importante”, afirma Mehmood, “a todo el mundo le preocupa que este gigante los pisotee”.
Fue esa idea la que intrigó a Chen de Greylock.
“A medida que avanzan los laboratorios líderes, existe la oportunidad de ofrecer a los clientes un camino alternativo: desacoplar a sus agentes de la infraestructura que ejecutan”, dijo Chen a TechCrunch. “Niteshift está construyendo una plataforma que hace esto posible para las agencias de codificación, permitiendo a los clientes invertir profundamente en sus herramientas de desarrollo sin encerrarse en un modelo o proveedor de agencia”.
Además, Niteshift no vende tokens. Vende infraestructura y cobra como un proveedor de nube, según una tarifa de uso por minuto.
“Todo el mundo está vendiendo la inteligencia como sustituto de la mano de obra”, afirmó Mehmood. “Vendemos software a agentes, no a humanos, pero todavía vendemos software aquí”.
Aun así, Niteshift está entrando en el concurrido mercado de herramientas de codificación de IA. La independencia del modelo no es una idea nueva y los competidores de Niteshift tienen una gran ventaja. Estos incluyen Cursor, aunque es posible que SpaceX pronto se haga cargo de él; Cognition, que acaba de recaudar mil millones de dólares con una valoración de 26 mil millones de dólares; lecho rocoso del Amazonas; 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 de dólares. La lista continúa.
La respuesta de Mehmood a todo esto es la profundidad del equipo fundador. Mehmood y Branagan no solo estudiaron estos problemas: los vivieron, escalando a Datadog a través de los crecientes dolores que ahora enfrentan las grandes organizaciones de ingeniería con el código generado por IA. Los equipos, dijo, necesitan ejecutar, probar y verificar el software de forma independiente en entornos de producción reales, y necesitan una infraestructura construida por personas que lo hayan hecho a escala.
Cuando compra a través de enlaces en nuestros artículos, es posible que ganemos una pequeña comisión. Esto no afecta nuestra independencia editorial.
