La startup de inteligencia artificial Cohere, con sede en Toronto, ha alcanzado un hito significativo al duplicar sus ingresos anualizados a $100 millones en mayo de 2025, según fuentes cercanas al asunto. Este crecimiento sigue a un cambio estratégico iniciado en el tercer trimestre de 2024, cuando la compañía se orientó hacia implementaciones privadas adaptadas para clientes empresariales en industrias altamente reguladas como finanzas, salud y gobierno.
El CEO de Cohere, Aidan Gomez, detalló esta nueva dirección en un memorando de fin de año, enfatizando el enfoque de la empresa en construir modelos de IA personalizados para usuarios empresariales en lugar de competir en la carrera por desarrollar modelos fundacionales cada vez más grandes. La estrategia ha dado excelentes resultados, ya que aproximadamente el 85% del negocio de Cohere proviene ahora de implementaciones privadas, con márgenes de ganancia cercanos al 80%.
Fundada en 2019 por ex investigadores de Google AI, Cohere ha recaudado más de $900 millones de inversionistas como Nvidia, Cisco e Inovia Capital. La compañía fue valorada por última vez en $5,500 millones tras una ronda de financiamiento de $500 millones en julio de 2024. A diferencia de empresas de IA enfocadas en el consumidor como OpenAI y Anthropic, Cohere ha mantenido su enfoque exclusivamente empresarial, atendiendo a clientes como Oracle, Fujitsu y Notion.
En enero de 2025, Cohere lanzó North, una aplicación al estilo ChatGPT diseñada para ayudar a trabajadores del conocimiento con tareas como la síntesis de documentos y el análisis de datos. Esta plataforma segura de trabajo con IA permite a los usuarios crear e implementar agentes de IA sin necesidad de conocimientos de programación, manteniendo estrictos controles de privacidad de datos. La plataforma puede desplegarse en la nube o en instalaciones locales, incluso en entornos aislados para máxima seguridad.
El giro de Cohere hacia modelos más pequeños y especializados refleja una tendencia más amplia en el sector de la IA. A medida que las empresas reportan rendimientos decrecientes al aumentar el tamaño de los modelos, la industria prioriza cada vez más herramientas específicas para cada dominio sobre sistemas generalistas de gran escala. Este enfoque ha resonado entre los clientes empresariales que buscan soluciones de IA seguras y personalizadas, capaces de abordar retos de negocio concretos mientras mantienen el control sobre datos sensibles.